<![CDATA[Tingginya angka kematian neonatal (AKN) di Indonesia dipengaruhi oleh kasus berat badan lahir rendah (BBLR), yang menjadi penyebab utama kematian neonatal, terutama di Kabupaten Jember, Jawa Timur, pada 2020–2022. Kondisi ini berisiko menghambat pencapaian target SDGs 2030 untuk menurunkan AKN. Penelitian ini bertujuan melakukan klasifikasi kejadian BBLR menggunakan metode K-Nearest Neighbor (K-NN). Data berasal dari riwayat pemeriksaan kehamilan di Puskesmas Silo II, Kabupaten Jember, dengan 1341 data kotor, dan 705 data yang digunakan setelah preprocessing, melibatkan 15 variabel. Pengujian akurasi metode K-NN dilakukan menggunakan confusion matrix dan nilai AUC ROC. Data risiko kejadian BBLR mencakup usia ibu, status kelahiran, berat bayi lahir, dan faktor lainnya. Hasil penelitian menunjukkan bahwa model terbaik dalam klasifikasi kejadian BBLR dengan metode K-NN menggunakan perbandingan rasio data uji dan data latih 90:10 dengan type shuffled sampling dan nilai K=45 mencapai akurasi 92.86% dan nilai AUC ROC sebesar 0.834, yang tergolong baik. Saran untuk penelitian selanjutnya diharapkan memperhatikan keseimbangan data dengan metode penanganan data imbalanced, yang sering terjadi pada kasus data mining di bidang kesehatan. Hasil penelitian ini juga diharapkan dapat dikembangkan menjadi sistem deteksi dini BBLR untuk mendukung Indonesia mencapai SDGs.]]>
Copyrights © 2025
