<![CDATA[Fenomena gizi buruk di Indonesia dipengaruhi oleh kualitas kesehatan sumber daya manusia (SDM) yang rendah, yang umumnya disebabkan oleh konsumsi pangan yang tidak seimbang. Kondisi ini terlihat pada anak-anak yang mengalami gangguan fisik dan psikis akibat kurangnya asupan gizi yang dibutuhkan. Dalam penelitian ini, dilakukan perbandingan antara dua algoritma, yaitu Naive Bayes dan Support Vector Machine (SVM), untuk mengklasifikasikan penderita stunting di Kabupaten Deli Serdang. Penelitian menggunakan dataset dari Dinas Kesehatan Deli Serdang, dengan jumlah data sebanyak 422 sampel. Data tersebut dibagi menjadi beberapa split, yaitu 60:40, 70:30, 80:20, dan 90:10, untuk melihat performa masing-masing algoritma pada proporsi pembagian data yang berbeda. Hasil penelitian menunjukkan bahwa akurasi klasifikasi menggunakan Support Vector Machine (SVM) lebih tinggi daripada dengan hasil Naive Bayes. Dari pengujian variansi, didapati bahwa Support Vector Machine (SVM) memiliki variansi sebesar 2,87%, sementara Naive Bayes menunjukkan variansi sebesar 28,35%. Hal ini menandakan bahwa Support Vector Machine (SVM) lebih konsisten kinerjanya di berbagai pembagian dataset. Dengan kata lain, Support Vector Machine (SVM) tidak hanya lebih akurat tetapi juga lebih stabil dalam performanya dibandingkan dengan Naive Bayes, menegaskan keunggulannya sebagai metode yang lebih andal untuk kasus klasifikasi stunting ini.]]>
Copyrights © 2025
