PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE PADA DATA ANTROPOMETRI UNTUK DETEKSI DINI RISIKO STUNTING PADA BALITA BERBASIS STREAMLIT

Skripsi ini bertujuan untuk menerapkan algoritma SVM pada data antropometri balita sebagai metode deteksi dini risiko stunting berbasis aplikasi web streamlit. Permasalahan stunting masih menjadi isu kesehatan yang memerlukan penanganan serius, terutama pada tahap deteksi dini di tingkat layanan kesehatan dasar yang masih dilakukan memerlukan waktu sekitar 2 minggu. Oleh karena itu, diperlukan pemanfaatan teknologi machine learning untuk membantu tenaga kesehatan dalam mengidentifikasi risiko stunting secara lebih cepat. Penelitian ini menggunakan data antropometri balita yang meliputi usia, jenis kelamin, berat badan lahir, tinggi badan lahir, berat badan sekarang, dan tinggi badan sekarang yang diperoleh dari PKD Desa Selakambang. Metode penelitian dilakukan melalui tahapan preprocessing data, pemodelan klasifikasi menggunakan algoritma SVM, pemilihan parameter terbaik dengan GridSearch, serta evaluasi performa model menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa algoritma SVM dengan kernel RBF dan parameter C = 100 mampu memberikan performa terbaik dibandingkan algoritma KNN, Naïve Bayes, dan Random Forest, dengan akurasi data uji sebesar 93,47%, precision sebesar 91,73%, recall sebesar 94,94% dan f1-score sebesar 93,31%. Model yang dihasilkan kemudian diimplementasikan ke dalam aplikasi web berbasis streamlit dan seluruh fitur sistem berjalan sesuai dengan kebutuhan fungsional. Penelitian ini menunjukkan bahwa penerapan algoritma SVM pada data antropometri dapat digunakan sebagai solusi pendukung dalam deteksi dini risiko stunting pada balita serta berpotensi membantu tenaga kesehatan dalam pengambilan keputusan secara cepat.