PREDIKSI STATUS GIZI BALITA DI KABUPATEN BANTAENG MENGGUNAKAN K-NEAREST NEIGHBOUR (KNN)

Abstract

Masalah gizi balita masih menjadi perhatian penting dalam pembangunan kesehatan masyarakat, termasuk di Kabupaten Bantaeng. Status gizi yang tidak seimbang dapat menimbulkan risiko terhadap pertumbuhan fisik maupun perkembangan kognitif balita. Upaya intervensi lapangan perlu didukung oleh pemanfaatan teknologi, salah satunya melalui algoritma K-Nearest Neighbour (KNN) untuk memprediksi status gizi balita. Penelitian ini bertujuan untuk membangun model klasifikasi status gizi balita dengan KNN serta mengevaluasi performanya berdasarkan variasi nilai K dan proporsi pembagian data latih dan data uji. Data penelitian bersumber dari Dinas Kesehatan Kabupaten Bantaeng tahun 2024 sebanyak 1.200 record dengan atribut usia, jenis kelamin, tinggi badan, berat badan, dan status gizi. Tahapan penelitian meliputi preprocessing (pembersihan data, penanganan missing value, normalisasi Z-Score dan Min-Max), pembagian data dengan tiga komposisi (90:10, 70:30, dan 50:50), pemodelan dengan KNN menggunakan nilai K=3, K=5, dan K=7, serta evaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa KNN mampu menghasilkan akurasi tinggi dengan kisaran 92%–94%. Nilai K=3 memberikan hasil terbaik, khususnya pada komposisi 70:30 dan 50:50 yang mencapai akurasi 94%. Dengan demikian, algoritma KNN terbukti efektif dalam memprediksi status gizi balita dan berpotensi mendukung tenaga kesehatan dalam melakukan deteksi dini masalah gizi.

Kata kunci: gizi balita, klasifikasi, K-Nearest Neighbour, prediksi, data mining