<![CDATA[Gizi pada balita merupakan sebuah isu strategis baik ditingkat nasional maupun daerah, terutama stunting, wasting, underweight dan overweight masih menjadi isu penting di Indonesia, termasuk di Kabupaten Tangerang. Periode usia 12-59 bulan merupakan masa kritis dalam pertumbuhan dan perkembangan anak, sehingga pemantauan dan intervensi gizi yang tepat sangat diperlukan. Tujuan penelitian ini mengembangkan model klasifikasi dengan machine learning pada gizi balita, serta memberikan kontribusi dalam identifikasi dini balita berisiko gizi buruk atau obesitas. Penelitian ini berfokus pada bagaimana menerapkan algoritma machine learning Random Forest dan Decision Tree untuk klasifikasi status gizi balita, serta bagaimana perbandingan kinerja kedua algoritma tersebut dalam deteksi dini masalah gizi. Dalam model yang telah dibuat, dengan algoritma Random Forest dan Decision Tree diperoleh hasil yang menunjukkan akurasi yang tinggi, masing-masing mencapai 92%. Dengan menggunakan GridSearch untuk menemukan nilai parameter terbaik, akurasi model meningkat menjadi 93% untuk Random Forest dan 94% untuk Decision Tree. Hasil ini menunjukkan potensi kedua algoritma dalam klasifikasi status gizi balita secara akurat.]]>
Copyrights © 2026
