<![CDATA[Stunting merupakan permasalahan kesehatan masyarakat yang serius, ditandai dengan gangguan pertumbuhan anak akibat kekurangan gizi yang berlangsung dalam jangka waktu lama. Keadaan ini tidak hanya berdampak pada tinggi badan anak yang berada di bawah standar, tetapi juga berpengaruh terhadap perkembangan kognitif, kemampuan belajar, serta tingkat produktivitas di masa mendatang. Kalimantan Barat menjadi salah satu provinsi di Indonesia dengan prevalensi stunting yang relatif tinggi. Penelitian ini bertujuan untuk mengklasifikasikan status stunting di 14 kabupaten/kota di Kalimantan Barat dengan menerapkan metode Principal Component Analysis-Support Vector Machine (PCA-SVM). Selain itu, penelitian ini juga mengevaluasi tingkat akurasi model klasifikasi yang dihasilkan. PCA digunakan untuk mereduksi dimensi data dan mengatasi multikolinearitas, menghasilkan komponen utama yang independen sebagai variabel input dalam model. Selanjutnya, SVM dengan kernel Radial Basis Function (RBF) diterapkan untuk membangun model klasifikasi yang optimal. Penelitian ini menggunakan 14 variabel yang mencerminkan aspek kesehatan anak, ibu, lingkungan, dan faktor sosial-ekonomi. Keempat belas kabupaten/kota tersebut dikategorikan ke dalam tiga kelompok status stunting, yaitu rendah, sedang, dan tinggi. Kinerja model dievaluasi berdasarkan tingkat akurasi. Hasil penelitian menunjukkan bahwa pendekatan PCA-SVM dengan kernel RBF berhasil mencapai akurasi sebesar 92,86% dalam mengklasifikasikan status stunting. Analisis ini memberikan pemahaman yang penting mengenai pengelompokan status stunting di setiap wilayah, sehingga dapat menjadi dasar untuk merancang kebijakan intervensi yang lebih terarah dan tepat sasaran. Dengan demikian, hasil penelitian ini diharapkan dapat membantu pemerintah daerah dalam menurunkan prevalensi stunting secara efektif dan berkelanjutan.]]>
Copyrights © 2025
