KLASIFIKASI PENENTUAN STATUS GIZI BALITA MENGGUNAKAN RANDOM FOREST (Studi kasus : Posyandu Kecamatan Menganti Gresik Jawa Timur)

Status gizi balita merupakan indikator penting dalam pemantauan kesehatan dan pertumbuhan anak. Namun, pengolahan data status gizi sering menghadapi permasalahan ketidakseimbangan kelas yang dapat menurunkan kinerja model klasifikasi, terutama pada kategori gizi kurang dan gizi buruk. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model klasifikasi status gizi balita berbasis data antropometri menggunakan algoritma Random Forest yang dioptimalkan, dengan mengacu pada standar Z-score World Health Organization (WHO) dan ketentuan Peraturan Menteri Kesehatan (Permenkes).Dataset yang digunakan terdiri dari 2035 data balita, meliputi 1043 balita laki-laki dan 992 balita perempuan, dengan total 14 variabel sebelum preprocessing. Setelah proses penentuan label menggunakan pendekatan majority voting distribusi data terdiri dari 855 data gizi buruk, 817 data gizi normal, 217 data gizi over, dan 138 data gizi kurang, yang menunjukkan ketidakseimbangan antar kelas. Indikator antropometri yang digunakan mencakup BB/U, TB/U, BB/TB, serta atribut pendukung lainnya. Untuk meningkatkan kualitas data, dilakukan outlier removal menggunakan metode Interquartile Range (IQR) pada kelas gizi normal serta penanganan ketidakseimbangan data menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Model Random Forest dibangun dengan pendekatan majority voting dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan akurasi sebesar 83% dengan F1-score macro 0,82, serta peningkatan kinerja yang signifikan pada kelas minoritas, khususnya gizi kurang dan gizi over, dibandingkan skenario tanpa penanganan ketidakseimbangan data. Dengan demikian, kombinasi Random Forest, outlier removal, dan SMOTE mampu memperbaiki hasil klasifikasi status gizi balita, terutama pada kelas dengan jumlah data yang lebih sedikit.