<![CDATA[Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis Support Vector Machine (SVM) guna mendeteksi kasus stunting pada bayi dengan tingkat akurasi yang tinggi. Stunting adalah gangguan pertumbuhan kronis akibat kekurangan gizi yang berkepanjangan, ditandai dengan tinggi badan yang tidak memenuhi standar Organisasi Kesehatan Dunia (WHO). Penelitian ini menggunakan dataset besar berjumlah 120.999 data dengan atribut umur, jenis kelamin, tinggi badan, dan status gizi. Data melalui tahap preprocessing, termasuk encoding data kategori dan pembagian data menjadi set pelatihan (80%) dan pengujian (20%). Model dilatih menggunakan kernel Radial Basis Function (RBF) dan Linear, dengan evaluasi melalui metrik akurasi dan confusion matrix. Hasil penelitian menunjukkan bahwa kernel RBF menghasilkan akurasi yang lebih tinggi, yaitu 95,26%, dibandingkan kernel Linear yang hanya mencapai 78,67%. Penelitian ini memberikan kontribusi dalam upaya deteksi dini stunting untuk membantu pemerintah dan tenaga kesehatan di Indonesia, sekaligus menjadi landasan untuk pengembangan lebih lanjut dalam klasifikasi berbasis pembelajaran mesin di bidang kesehatan.]]>
Copyrights © 2025
