Penerapan Algoritma KNN dan Naive Bayes untuk Klasifikasi Stunting pada Balita di Desa Pasirjengkol

Abstract

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 balita stunting di Desa Pasirjengkol berdasarkan data usia, jenis kelamin, dan tinggi badan. Dataset yang digunakan berjumlah 1.195 data yang dikumpulkan pada tahun 2023 dan 2024, namun setelah proses pembersihan data menjadi 1.192 data. Proses penelitian meliputi pengumpulan data, pra-pemrosesan penghapusan data duplikat, transformasi data mencakup pengkodean label , dan normalisasi dengan Min-Max Scaling , kemudian pemilihan fitur, pelatihan model, dan evaluasi menggunakan matriks konfusi . Hasil evaluasi menunjukkan algoritma KNN memberikan akurasi tinggi sebesar 97.90%, sedangkan Naïve Bayes sebesar 54.39%. Berdasarkan hasil tersebut, KNN menunjukkan kinerja yang lebih baik dalam mengklasifikasikan status stunting pada balita di Desa Pasirjengkol.