Penggunaan Algoritma K-Nearest Neighbor (KNN) Untuk Mendeteksi Stunting Pada Anak

Abstract

Abstrak

Stunting merupakan salah satu masalah gizi kronis yang masih tinggi di Indonesia dan berdampak serius pada pertumbuhan serta perkembangan anak. Penelitian ini bertujuan untuk membangun sistem klasifikasi status stunting pada balita menggunakan algoritma K-Nearest Neighbors (KNN). Data yang digunakan berasal dari platform Kaggle, mencakup variabel usia, jenis kelamin, tinggi, dan berat badan anak. Penelitian dilakukan melalui tahapan pengolahan data, normalisasi, pembagian data latih dan uji, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa model KNN mampu mengklasifikasikan status stunting dengan akurasi tinggi mencapai 97%, serta nilai precision, recall, dan F1-score yang seimbang. Penerapan model ini diharapkan dapat membantu tenaga medis dan pihak terkait dalam mendeteksi risiko stunting secara dini, sehingga dapat dilakukan intervensi yang lebih cepat dan tepat untuk menekan angka stunting di Indonesia.

Kata kunci:  stunting, klasifikasi, K-Nearest Neighbors, machine learning, deteksi dini