Data Mining adalah cara untuk mengambil informasi yang tidak diketahui dari sekelompok data dengan membersihkan, memproses, dan menganalisis data untuk memecahkan masalah. Teknik-teknik dalam Data Mining melibatkan perkiraan, prediksi, klasifikasi, dan asosiasi. Belakangan ini, Data Mining sering digunakan dalam dunia kesehatan, termasuk untuk menilai status gizi balita berdasarkan ukuran tubuh.
Balita adalah anak di bawah usia 5 tahun, yang merupakan fase penting dalam perkembangan fisik, psikologis, dan intelektual. Kesehatan dan status gizi balita menjadi tolak ukur kondisi gizi masyarakat. Keterlambatan penanganan masalah gizi pada balita dapat berdampak pada gangguan kecerdasan dan kesehatan mental. Meskipun masalah fisik dapat diperbaiki, perkembangan otak tidak bisa. Kekurangan gizi pada balita dapat terus-menerus menyebabkan masalah kesehatan dan perkembangan tubuh, termasuk risiko infeksi dan penurunan fungsi tubuh dan mental balita.
Pengukuran antropometri adalah cara untuk mengetahui status gizi balita berdasarkan standar WHO. Nilai Z-Score dihitung dari indeks antropometri, seperti berat badan untuk usia (WFA), tinggi badan untuk usia (HFA), berat badan untuk tinggi badan (WFH), dan indeks massa tubuh untuk usia (BMIFA).
Dalam mengklasifikasikan status gizi balita, digunakan metode atau teknik untuk mempermudah proses klasifikasi berdasarkan indeks antropometri. Beberapa penelitian menggunakan metode seperti forward chaining, naive Bayes, K-Nearest Neighbor, dan backpropagation untuk mencapai akurasi klasifikasi yang baik. SVM (Support Vector Machine) juga terbukti efektif untuk mengklasifikasikan status gizi balita berdasarkan empat indeks antropometri. Metode ini menggunakan atribut seperti jenis kelamin, usia, berat badan, tinggi badan, dan indeks massa tubuh dalam proses klasifikasi.
Hasil dari evaluasi model SVM yang telah dibangun menggunakan confusion matrix pada data uji untuk empat model pada indeks antropometri, termasuk WFA, HFA, WFH, dan BMIFA dapat dilihat pada tabel berikut :
|
Evaluation |
WFA |
HFA |
WFH |
BMIFA |
Average |
|
Accuracy |
89.8 |
92.79 |
92.27 |
92.79 |
91.91 |
|
Recall |
100 |
100 |
100 |
99.47 |
99,86 |
|
Precision |
89.74 |
92.79 |
92.23 |
93.03 |
91,94 |
Berdasarkan diskusi di atas, dapat disimpulkan bahwa algoritma SVM dapat digunakan untuk mengklasifikasikan status gizi balita berdasarkan Indeks Antropometri. Uji akurasi menunjukkan hasil yang baik dengan nilai akurasi sebagai berikut: berat badan untuk usia (WFA) sebesar 89.8%, tinggi badan untuk usia (HFA) sebesar 92.79%, dan berat badan untuk tinggi badan (WFH) sebesar 92.79%. Akurasi rata-rata mencapai 91.91%. Selain itu, nilai Recall rata-rata adalah 99.86%, dan nilai Presisi rata-rata adalah 91.94%.