<![CDATA[Masalah gizi pada balita merupakan tantangan kesehatan masyarakat yang krusial. Peningkatan kasus kekurangan dan kelebihan gizi pada balita memerlukan pengolahan data untuk proses klasifikasi sehingga dapat memberikan kemudahan dalam mengambil kesimpulan dan mengambil tindakan dalam pencegahan kekurangan dan kelebihan gizi balita. Oleh karena itu, penelitian ini menggunakan tiga metode yaitu Naïve Bayes, SVM, dan ANN untuk mengetahui kinerja dalam mengklasifikasikan status gizi balita menggunakan platform Google Colab dengan tahapan pengumpulan data, prepocessing data, pemodelan data, dan evaluasi performa berupa confusion matrix yang berfungsi untuk mengukur kinerja model klasifikasi machine learning. confusion matrix berisi metrik evaluasi lanjutan untuk menilai kualitas model secara spesifik yaitu accuracy, precision, dan recall. Hasil penelitian menunjukkan metode ANN dengan tingkat akurasi 99% merupakan metode terbaik dan paling efektif dalam pemantauan gizi balita dibandingkan SVM tingkat akurasi sebesar 98%, dan Naïve Bayes sebesar 93%. Hal ini juga didukung adanya keunggulan ANN dalam menyesuaikan bobot secara iteratif melalui hidden layers sehingga mampu memodelkan hubungan non-variabel antara variabel berat badan dan tinggi badan secara presisi.]]>
Copyrights © 2026
