PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK KLASIFIKASI GIZI BALITA

Masalah gizi pada balita masih menjadi isu penting di Indonesia, terutama di wilayah dengan keterbatasan akses layanan kesehatan. Penelitian ini bertujuan membangun sistem klasifikasi status gizi balita menggunakan metode K-Nearest Neighbor (KNN) berbasis data antropometri, yaitu umur, berat badan, dan tinggi badan. Proses normalisasi dilakukan agar semua variabel berada dalam skala yang sama, sehingga algoritma KNN dapat menghitung jarak antar data secara lebih akurat menggunakan Euclidean Distance. Sistem diuji dengan data sebanyak 1.325 balita dari Kecamatan Kabuh, Kabupaten Jombang. Dari 265 data uji, sebanyak 205 data berhasil diklasifikasikan dengan benar, menghasilkan akurasi klasifikasi sebesar 77% . Nilai k optimal yang digunakan adalah k=3, yang dipilih berdasarkan pengujian terhadap beberapa skenario nilai k. Hasil menunjukkan bahwa metode KNN cukup efektif dalam mengenali pola status gizi balita dan dapat dijadikan alat bantu dalam penilaian awal di fasilitas kesehatan seperti posyandu dan puskesmas. Selain itu, pendekatan ini mampu meningkatkan efisiensi waktu klasifikasi serta meminimalkan kesalahan subjektif dalam penilaian status gizi secara manual. Penelitian ini dapat menjadi dasar bagi pengembangan sistem pendukung keputusan berbasis data kesehatan anak di masa mendatang.