UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

Balita adalah anak-anak yang berusia antara 0 hingga 59 bulan, berada dalam fase pertumbuhan dan perkembangan yang pesat, serta memerlukan asupan gizi dalam jumlah yang lebih besar. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita dengan menggunakan algoritma support vector machine (SVM) yang dioptimalkan melalui grid search cross-validation. Kualitas gizi balita sangat berpengaruh terhadap pertumbuhan dan perkembangan anak, dan masalah gizi kurang merupakan salah satu isu utama di Indonesia. Data diperoleh dari Posyandu Desa Jagalempeni dengan total 512 data balita. Setelah proses pra-pemrosesan dan rekayasa fitur, data diklasifikasikan menggunakan SVM. Hasil awal menunjukkan akurasi sebesar 79,29%. Setelah penerapan optimasi grid search cross-validation dengan kernel radial basis function (RBF), akurasi meningkat menjadi 85,71%. Hasil ini menunjukkan bahwa grid search cross-validation efektif dalam mengoptimalkan parameter model SVM dan meningkatkan kinerja klasifikasi.

Penelitian ini menyimpulkan bahwa algoritma support vector machine (SVM) dapat digunakan untuk mengklasifikasikan status gizi balita dengan akurasi awal sebesar 79,29%.Optimasi menggunakan grid search cross-validation meningkatkan akurasi model menjadi 85,71%.Hasil ini menunjukkan efektivitas grid search cross-validation dalam meningkatkan kinerja klasifikasi model SVM untuk identifikasi status gizi balita.

Penelitian selanjutnya dapat difokuskan pada pengembangan model prediksi status gizi balita dengan mempertimbangkan faktor-faktor lain seperti kondisi sosial ekonomi keluarga dan pola makan. Selain itu, eksplorasi penggunaan algoritma machine learning yang lebih kompleks, seperti deep learning, dapat dilakukan untuk meningkatkan akurasi klasifikasi. Terakhir, penelitian dapat diperluas dengan mengintegrasikan data dari berbagai Posyandu untuk membangun model yang lebih general dan representatif, sehingga dapat memberikan kontribusi yang lebih signifikan dalam upaya pencegahan dan penanganan masalah gizi pada balita di Indonesia. Integrasi ini akan memungkinkan identifikasi pola dan tren yang lebih luas, serta pengembangan strategi intervensi yang lebih efektif dan terarah.

  1. Klasifikasi Status Gizi Balita Menggunakan Algoritma Support Vector Machine dengan Optimasi Grid Search... doi.org/10.46880/jmika.Vol8No2.pp250-257Klasifikasi Status Gizi Balita Menggunakan Algoritma Support Vector Machine dengan Optimasi Grid Search doi 10 46880 jmika Vol8No2 pp250 257
  2. Komparasi Teknik Hyperparameter Optimization pada SVM untuk Permasalahan Klasifikasi dengan Menggunakan... doi.org/10.30871/jaic.v7i1.5004Komparasi Teknik Hyperparameter Optimization pada SVM untuk Permasalahan Klasifikasi dengan Menggunakan doi 10 30871 jaic v7i1 5004
  3. Optimalisasi Random Forest dan Support Vector Machine dengan Hyperparameter GridSearchCV untuk Analisis... doi.org/10.47065/josh.v5i4.5347Optimalisasi Random Forest dan Support Vector Machine dengan Hyperparameter GridSearchCV untuk Analisis doi 10 47065 josh v5i4 5347
  4. Optimasi Klasifikasi Sentimen Komentar Pengguna Game Bergerak Menggunakan Svm, Grid Search dan Kombinasi... jtiik.ub.ac.id/index.php/jtiik/article/view/8244Optimasi Klasifikasi Sentimen Komentar Pengguna Game Bergerak Menggunakan Svm Grid Search dan Kombinasi jtiik ub ac index php jtiik article view 8244
Read online
File size311.94 KB
Pages8
DMCAReport

Related /

ads-block-test