Klasifikasi Status Gizi Balita Menggunakan Algoritma Random Forest

Abstract

Permasalahan gizi pada balita masih menjadi tantangan utama dalam pembangunan kesehatan di Indonesia karena dapat memengaruhi pertumbuhan, kemampuan kognitif, dan produktivitas anak di masa depan. Survei Status Gizi Indonesia (SSGI) menjadi sumber data penting untuk memahami kondisi gizi balita. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan algoritma Random Forest dengan pendekatan Knowledge Discovery in Database (KDD). Tahapan penelitian mencakup pembersihan data, pra-pemrosesan, seleksi fitur, pemodelan, dan evaluasi performa model. Data yang digunakan berasal dari Puskesmas Gang Sehat. Hasil penelitian menunjukkan bahwa Random Forest mampu mengklasifikasikan status gizi balita dengan akurasi tinggi pada kelas mayoritas (Gizi Normal), sedangkan performa pada kelas minoritas (Gizi Tidak Normal) masih dapat ditingkatkan. Hal ini menunjukkan algoritma Random Forest efektif untuk klasifikasi status gizi balita, meskipun optimasi data imbalance dan penambahan variabel pendukung dapat meningkatkan hasil pada kelas minoritas. Penelitian ini diharapkan memberikan kontribusi bagi pengembangan solusi berbasis teknologi dalam penanganan masalah gizi balita.