KLASIFIKASI PENENTUAN GIZI STUNTING PADA BALITA MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Proses klasifikasi balita stunting sangat penting karena sangat di butuhkan untuk puskesmas dalam hal pengumpualan data stunting di suatu daerah tertantu di Sidoarjo yang kebanyakan di beberapa tempat kekuranagn gizi, minim pendapatan, kurangnya penegetahuan untuk menjaga gizi anak agar tidak terjadinya gizi buruk atau sunting
Metode KNN (K-Nearest Neighbor) dipilih dan di gunakan karena kemampuannya dalam melakukan klasifikasi dengan cepat dan memiliki tingkat akurasi yang cukup baik meskipun asumsi independensi antar variabelnya sederhana. Sistem ini memanfaatkan data historis calon siswa yang meliputi nilai akademik, hasil tes masuk, dan beberapa faktor penunjang lainnya seperti prestasi ekstrakurikuler dan latar belakang keluarga. Data tersebut kemudian diproses dan digunakan untuk melatih model prediksi.
Hasil dari penelitian ini menunjukan bahwa Metode KNN (K-Nearest Neighbor) dapat memberikan informasi yang akurat mengenai apakah bayi tersebut stunting apa tidak stunting . Metode ini diharapkan bisa membantu mempermudah pihak puskesmas dalam penentuan bayi stunting
========================================================================================================================
The classification process of stunting in toddlers is very important because it is needed by health centers in collecting stunting data in a specific area in Sidoarjo, which mostly has problems with malnutrition, low income, and lack of knowledge in maintaining children's nutrition to prevent malnutrition or stunting.
The KNN (K-Nearest Neighbor) method is chosen and used because of its ability to classify quickly and has a fairly good level of accuracy, even though the assumption of independence between variables is simple. This system utilizes historical data of potential students, including academic scores, entrance test results, and other supporting factors such as extracurricular achievements and family background. The data is then processed and used to train the prediction model.
The results of this research show that the KNN (K-Nearest Neighbor) method can provide accurate information about whether the baby is stunted or not. This method is expected to help facilitate health centers in determining stunted babies.