PERBANDINGAN ALGORITMA KNN DAN NAIVE BAYES PADA DATA BALITA UNTUK KLASIFIKASI STATUS GIZI

Abstract

Permasalahan gizi balita, khususnya stunting, merupakan ancaman serius bagi generasi penerus bangsa. Berdasarkan Survei Kesehatan Indonesia (SKI) tahun 2023, prevalensi stunting di Indonesia masih berada di angka 21,5% — jauh di atas ambang kritis WHO sebesar 20% dan belum mencapai target 14% yang diamanatkan Peraturan Presiden Nomor 72 Tahun 2021 tentang Percepatan Penurunan Stunting (Kementerian Kesehatan RI, 2024). Kondisi ini menuntut solusi deteksi dini yang cepat, akurat, dan berbasis data. Pemilihan algoritma machine learning yang tepat sangat menentukan efektivitas sistem klasifikasi status gizi tersebut. Meskipun K-Nearest Neighbor (KNN) dan Naive Bayes Classifier (NBC) telah banyak digunakan dalam penelitian serupa, hasil yang diperoleh bervariasi tergantung pada karakteristik data lokal sehingga perbandingan langsung keduanya pada dataset Puskesmas Tirto, Kota Pekalongan, menjadi penting untuk dilakukan. Penelitian ini dilakukan untuk membandingkan 2 algoritma yang berbeda yaitu K-Nearest Neighbors (KNN) dan Naive Bayes Classifier (NBC), data penelitian ini di dapat dari Puskesmas Tirto Kota Pekalongan. Status gizi ditentukan berdasarkan indikator pengukuran tubuh manusia yang meliputi BB, TB, JK, dan usia. Penelitian ini memakai metode data hold out dengan membagi datanya 80% sebagai data latih dan 20% sebagai data testing. Pengukuran performa model dilakukan menggunakan indikator matrik Akurasi, Presisi, Recall, dan F1-score yang didapat dari confusion matrik. Hasil pengujian mendapati bahwa algoritma KNN mendapatkan performa lebih bagus dari pada NBC dengan nilai Accuracy 85,37%, Precision 80%, Recall 85%, dan F1-score 83%. sedangkan itu, algoritma Naive Bayes Classifier (NBC) memperoleh nilai Accuracy 68,29%, dengan Precision 79%, Recall 68%, dan F1-score 73%, ini menunjukkan bahwa performa lebih rendah terutama pada klasifikasi kelas minoritas.jadi algoritma KNN menjadi yang paling optimal dalam melakukan klasifikasi status gizi balita pada dataset penelitian ini.