Identifikasi Status Gizi Balita Menggunakan Metode K-Means Clustering Dan Naïve Bayes

Abstract

Penelitian ini dilatarbelakangi oleh pentingnya kesehatan balita sebagai indikator keberhasilan pembangunan yang berkaitan erat dengan kondisi gizi serta berdampak langsung pada pertumbuhan dan perkembangan anak. Di wilayah kerja Puskesmas Cubadak, pemantauan kondisi gizi balita dilakukan berdasarkan data antropometri, sehingga diperlukan metode analisis yang mampu mengolah dan mengelompokkan data secara tepat dan objektif. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering dan Naïve Bayes dalam mengelompokkan serta mengklasifikasikan kondisi gizi balita sebagai pendukung pengambilan keputusan. Metode penelitian menggunakan pendekatan machine learning dengan data antropometri balita yang meliputi usia, jenis kelamin, berat badan, dan tinggi badan. Algoritma K-Means Clustering digunakan untuk mengelompokkan data berdasarkan tingkat kemiripan karakteristik, sedangkan algoritma Naïve Bayes digunakan untuk melakukan klasifikasi kondisi gizi balita. Hasil penelitian menunjukkan bahwa kombinasi kedua metode menghasilkan akurasi sebesar 97%, sehingga model mampu mengelompokkan dan mengklasifikasikan kondisi gizi balita secara akurat dan konsisten sebagai sistem pendukung pengambilan keputusan di Puskesmas Cubadak.