IMPLEMENTASI METODE NEIGHBOR WEIGHTED K-NEAREST NEIGHBOR PADA PENGKLASIFIKASIAN STATUS GIZI BALITA DI WILAYAH KERJA PUSKESMAS WONOREJO KOTA SAMARINDA

Abstract

Neighbor Weighted K-Nearest Neighbor (NWKNN) merupakan salah satu metode klasifikasi dalam machine learning yang dikembangkan dari metode K-Nearest Neighbor (KNN). Metode NWKNN memiliki kelebihan dibanding KNN, terutama untuk menangani masalah jumlah kelas yang tidak seimbang dalam pengklasifikasian data mining. Konsep dari metode NWKNN adalah pemberian bobot yang besar untuk kelas minoritas dan bobot yang kecil untuk kelas mayoritas. Metode NWKNN dalam penelitian ini diterapkan pada pengklasifikasian status gizi balita di Kota Samarinda. Menurut World Health Organization (WHO), Indonesia merupakan salah satu negara dengan prevalensi stunting pada balita tertinggi di regional Asia Tenggara pada Tahun 2005 sampai dengan 2017, dengan rata-rata prevalensi stunting pada balita sebesar 36,4%. Status gizi adalah salah satu faktor penyebab terjadinya stunting pada balita. Penelitian ini bertujuan mendapatkan hasil pengklasifikasian status gizi balita menggunakan metode NWKNN dan nilai akurasinya. Data yang digunakan adalah data balita di wilayah kerja Puskesmas Wonorejo Kota Samarinda Tahun 2022. Berdasarkan hasil klasifikasi status gizi balita menggunakan metode NWKNN, terdapat 93 balita yang diklasifikasikan secara tepat dari 128 balita dengan nilai akurasi sebesar 72,65%. Nilai akurasi ini termasuk cukup baik dan menunjukkan bahwa metode NWKNN layak digunakan untuk memprediksi ketepatan klasifikasi status gizi balita di wilayah kerja Puskesmas Wonorejo, Kota Samarinda.

.