EARLY WARNING STUNTING DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Stunting merupakan masalah gizi yang serius, di mana pertumbuhan anak tidak
sesuai dengan usianya akibat kekurangan gizi kronis. Berdasarkan data Survei
Status Gizi Balita Indonesia (SSGBI), prevalensi stunting di Jawa Tengah
mengalami penurunan dari 27,68% pada 2019 menjadi 20,9% pada 2021. Namun,
masalah ini masih signifikan, terutama di daerah seperti Desa Tamanrejo,
Kecamatan Limbangan, Kabupaten Kendal, yang memiliki kasus stunting yang
tinggi. Posyandu rutin yang dilaksanakan di desa ini berfungsi untuk memantau
pertumbuhan anak dengan pengukuran berat badan dan tinggi badan, namun
pencatatan manual yang dilakukan berisiko terhadap ketidaktepatan data dan
memakan waktu lama. Penelitian ini bertujuan untuk mengembangkan sistem Early
Warning Stunting berbasis machine learning dengan menggunakan algoritma
Support Vector Machine (SVM) untuk meningkatkan efisiensi dan akurasi dalam
identifikasi dan penanganan kasus stunting. Metode waterfall diterapkan dalam
pembangunan sistem ini, meliputi tahap requirement, design, implementation,
verification, dan maintenance. Penelitian ini menggunakan teknik evaluasi seperti
black box, white box, dan User Acceptance Testing (UAT) untuk menguji sistem.
Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi 96% dalam
klasifikasi stunting, dengan nilai precision, recall, dan F1-score rata-rata masing-
masing sebesar 96%. Pengujian black box menunjukkan tingkat keberhasilan
100%, sedangkan pengujian white box memperoleh hasil 100% pada path testing.
UAT menunjukkan tingkat kepuasan pengguna sebesar 94,4% dengan kategori
sangat baik. Temuan ini menegaskan potensi sistem ini sebagai alat efektif untuk
deteksi dini kasus stunting dan memberikan dasar untuk intervensi yang lebih cepat
dan tepat oleh tenaga medis.
Kata Kunci: Stunting, Survei Status Gizi Balita Indonesia (SSGBI), waterfall,
Support Vector Machines, Machine Learning