Penerapan Algoritma KNN dan Naive Bayes Untuk Klasifikasi Stunting Pada Balita di Desa Pasirjengkol

Stunting merupakan kondisi gangguan tumbuh anak balita yang terjadi karena kekurangan asupan gizi secara terus-menerus dalam waktu yang lama, sehingga menyebabkan anak mengalami gagal tumbuh secara fisik maupun perkembangan kemampuan berpikir. Penelitian ini menerapkan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes dalam klasifikasi status stunting balita di Desa Pasirjengkol berdasarkan data usia, jenis kelamin, dan tinggi badan. Dataset yang digunakan berjumlah 505 data yang dikumpulkan pada tahun 2024. Proses penelitian meliputi pengumpulan data, pre-processing data, transformasi data mencakup label encoding, dan normalisasi dengan Min-Max Scaling, kemudian pemilihan fitur, pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil evaluasi menunjukkan algoritma KNN memberikan akurasi tinggi sebesar 99%, sedangkan Naïve Bayes sebesar 59%. Berdasarkan hasil tersebut, KNN menunjukkan kinerja yang lebih baik dalam mengklasifikasikan status stunting pada balita di Desa Pasirjengkol.

Kata Kunci : Balita, Klasifikasi, K-Nearest Neighbor, Naive Bayes, Stunting.