Perbandingan Algoritma Nai've Bayes Dan K-Nearest Neighbor Untuk Klasifikasi Status Gizi Pada Anak Balita di Puskesmas Cimahi Selatan

Status Gizi anak balita diukur berdasarkan umur, berat badan, dan tinggi badan yang kemudian dikonversikan kedalam nilai terstandar (Z-Score). Pertumbuhan seorang anak sangat dipengaruhi oleh konsumsi gizi yang baik selama masa pertumbuhan. Penelitian ini menerapkan algoritma Naïve Bayes dan K-Nearest Neighbor dalam klasifikasi status gizi anak balita di Puskesmas Cimahi Selatan berdasarkan data jenis kelamin, usia, berat badan, tinggi badan, dan Z-Score BB/TB. Data yang digunakan berjumlah 2052 data yang dikumpulkan dalam rentang waktu Bulan Agustus hingga November 2024. Proses penelitian meliputi pengumpulan data, pre-processing data meliputi proses penghapusan data duplikat, transformasi data mencakup label encoding, pemilihan fitur, balancing data, dan normalisasi data menggunakan Min-Max Scaling, kemudian pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil evaluasi menunjukan algoritma KNN memberikan nilai akurasi tinggi sebesar 99.70%, sedangkan Naïve Bayes sebesar 96.18%. Berdasarkan hasil tersebut KNN menunjukan kinerja yang lebih baik dalam mengklasifikasikan status gizi anak balita di Puskesmas Cimahi Selatan.

Kata Kunci: Balita, Klasifikasi, K-Nearest Neighbor, Naïve Bayes, Status Gizi.