ANALISIS PREDIKSI STUNTING PADA BALITA MENGGUNAKAN MACHINE LEARNING DENGAN FAKTOR SOSIOEKONOMI

Stunting merupakan masalah gizi kronis yang berdampak pada pertumbuhan fisik dan perkembangan kognitif anak. Faktor sosioekonomi diketahui berkontribusi besar terhadap tingginya angka stunting di Indonesia. Penelitian ini bertujuan untuk memprediksi risiko stunting pada balita menggunakan algoritma machine learning Random Forest dan Support Vector Machine (SVM) berdasarkan data sosioekonomi. Pendekatan OSEMN (Obtain, Scrub, Explore, Model, iNterpret) digunakan dalam seluruh proses penelitian, dengan data sekunder dari Badan Pusat Statistik Indonesia (BPS) dan Kementerian Kesehatan RI tahun 2019–2022. Seleksi fitur dilakukan menggunakan Correlation Matrix dan Mutual Information. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1- score.Hasil penelitian menunjukkan bahwa model SVM memiliki performa prediksi lebih baik dibandingkan Random Forest. Faktor sosioekonomi paling signifikan dalam mempengaruhi stunting adalah Nilai GDP, Jumlah Balita, Upah dan IPM. Penelitian ini memberikan kontribusi dalam pemanfaatan teknologi prediksi untuk mendukung kebijakan penurunan stunting secara lebih efektif dan berbasis data.