Perbandingan Metode Support Vector Machine (SVM) dan Artificial Neural Network (ANN) pada Klasifikasi Gizi Balita

Kasus kekurangan gizi atau gizi buruk pada balita menyebar hampir di seluruh provinsi yang ada di Indonesia. Provinsi Sulawesi Barat merupakan salah satu provinsi yang memiliki nilai persentase kekurangan gizi pada balita, sehingga dari faktor-faktor yang mempengaruhi gizi balita sangat penting untuk dilakukan dalam pengklasifikasian. Data yang digunakan adalah data dari Puskesmas Salissingan pada Tahun 2018. Penelitian ini bertujuan untuk melakukan pengklasifikasian dan mendapatkan metode terbaik pada gizi balita (gizi baik & gizi kurang) di Puskesmas Salissingan Sulawesi Barat dengan metode support vector machine (SVM) dan artificial neural network (ANN). Metode klasifikasi yang terbaik dalam melihat ukuran ketepatan klasifikasi adalah metode SVM dan ANN. Dari hasil analisis diperoleh ukuran ketepatan klasifikasi pada metode ANN (accuracy=94,82%, precision=51.00%, recall=51.09%, dan AUC=0.910), sedangkan pada metode SVM (accuracy=94,46%, precision=46.08%, recall=50.59%, dan AUC=0.900) dan dari hasil ukuran tersebut diperoleh bahwa metode yang terbaik dalam pengklasifikasian gizi balita di Puskesmas Salissingan Sulawesi Barat adalah ANN.