Prediksi Risiko Angka Stunting Pada Balita Menggunakan Algoritma Support Vector Machine

Masalah kekurangan gizi pada balita berdampak serius terhadap pertumbuhan fisik dan perkembangan kognitif anak. Penelitian ini bertujuan untuk memprediksi risiko kondisi tersebut menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan berasal dari Puskesmas Anggadita, Karawang, sebanyak 1.028 data balita. Proses analisis dilakukan melalui pembersihan data, normalisasi, encoding, pembagian data latih dan uji, serta pelatihan model dengan kernel linear. Hasil pengujian menunjukkan bahwa model mampu memprediksi kategori “tidak mengalami gangguan pertumbuhan” dengan akurasi tinggi, namun belum optimal dalam mengidentifikasi kategori sebaliknya. Akurasi keseluruhan model mencapai 80%. Temuan ini mengindikasikan bahwa SVM dapat digunakan sebagai model awal prediksi, namun perlu perbaikan lebih lanjut dalam penanganan ketidakseimbangan data.

Kata Kunci: balita, prediksi, status gizi, stunting, support vector machine.