<![CDATA[Status gizi balita menjadi indikator krusial dalam menilai kondisi kesehatan dan pertumbuhan anak, sehingga penelitian ini bertujuan mengembangkan sistem klasifikasi status gizi balita berbasis machine learning dengan menggunakan data dari Puskesmas Rajeg sebanyak 6062 entri. Proses diawali dengan pemrosesan dataset dalam format .csv, dilanjutkan dengan pembersihan data, pemilihan atribut penting, penanganan data hilang, penghapusan outlier menggunakan metode interquartile range (IQR), dan penghilangan duplikasi. Selanjutnya, data diolah melalui label encoding, normalisasi MinMaxScaler, dan dibagi menjadi data latih dan data uji dengan rasio 70:30. Untuk menangani ketidakseimbangan kelas pada atribut target (BB/TB), digunakan metode SMOTE agar distribusi kelas menjadi seimbang. Model klasifikasi yang digunakan adalah Naïve Bayes dan dievaluasi menggunakan metrik akurasi, presisi, recall, serta F1-score. Hasil menunjukkan bahwa model tanpa SMOTE memiliki akurasi lebih tinggi (89%) dibandingkan model dengan SMOTE (63%), meskipun model dengan SMOTE lebih baik dalam mengenali kelas minoritas. Sistem ini diimplementasikan dalam bentuk aplikasi website prediksi status gizi yang interaktif dan mudah digunakan, sehingga memudahkan tenaga kesehatan dalam menginput data, mencari informasi, serta memantau status gizi balita secara efisien.]]>
Copyrights © 2025
