Abstract

Status gizi balita merupakan indikator penting untuk mengevaluasi kesehatan dan perkembangan anak pada tahap-tahap awal kehidupan mereka. Gizi yang baik pada masa anak-anak memiliki dampak jangka panjang terhadap pertumbuhan dan perkembangan fisik serta mental. Pemeriksaan status gizi balita yang efisien dan tepat merupakan aspek krusial dalam memastikan pertumbuhan dan perkembangan anak yang optimal. Penelitian ini bertujuan untuk membandingkan dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Artificial Neural Network (ANN), dalam menentukan status gizi balita. Studi ini menggunakan dataset antropometri yang mencakup berat badan, tinggi badan, usia, dan jenis kelamin balita. Metode evaluasi hasil klasifikasi menggunakan nilai akurasi, presisi, recall dan F1 Score untuk membandingkan performa keduanya. Menggunakan data sekunder sebanyak 912 data dengan atribut data yaitu, nama balita, usia, berat badan, tinggi badan dan ststus gizi. Pada penelitian ini diperoleh hasil pengujian kedua metode yang digunakan, yaitu; metode SVM memberikan hasil keakurasian 70.00%, dan metode ANN memberikan nilai keakurasian 72,7%. Melihat akurasi kedua metode kurang bagus, maka sebagai acuan penilaian performa klasifikasi data status gizi balita digunakan F1 Score. Performa klasifikasi metode ANN lebih bagus daripada metode SVM, karena nilai F1 Score ANN 56,25% lebih tinggi dibandingkan SVM yaitu 51,45%.