KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA RANDOM FOREST DI DESA MLESEAlivia DyatamaArisusantoauthorMasalah gizi pada balita di Indonesia, termasuk di Desa Mlese, merupakan tantangan signifikan yang berdampak pada gangguan tumbuh kembang dan penurunan kualitas sumber daya manusia di masa depan. Evaluasi status gizi konvensional di Desa Mlese saat ini masih memiliki keterbatasan administratif dan belum optimal dalam memprediksi pola data antropometri yang kompleks, sehingga diperlukan metode yang lebih responsif dan akurat. Penelitian ini menerapkan pendekatan machine learning dengan algoritma Random Forest untuk mengklasifikasikan status gizi balita melalui tahapan pengumpulan data sekunder periode 2020–2024, pra-pemrosesan data, serta seleksi fitur menggunakan metode Random Forest Importance, Chi-Square, dan Recursive Feature Elimination (RFE). Untuk mengatasi ketidakseimbangan data, penelitian ini membandingkan teknik SMOTE, SMOTE-TomekLinks, dan ADASYN, yang dioptimasi menggunakan hyperparameter tuning melalui Randomized Search Cross Validation. Hasil penelitian menunjukkan bahwa integrasi ADASYN dengan Random Forest memberikan performa terbaik dengan akurasi 0,8757 dan F1-Score 0,6898. Sistem yang dikembangkan tidak hanya berfungsi sebagai media pencatatan data, tetapi juga menonjolkan analisis frekuensi kunjungan balita untuk membantu pemantauan kepatuhan kunjungan posyandu, menyediakan visualisasi data yang lebih analitik untuk melihat tren pertumbuhan dan distribusi status gizi secara individu maupun populasi, serta mendukung deteksi dini risiko masalah gizi berbasis machine learning. Berdasarkan pengujian User Acceptance Test (UAT) dengan skor 88,17%, sistem ini dinyatakan sangat layak untuk membantu kader posyandu dan pihak puskesmas dalam melakukan pemantauan berkelanjutan serta perencanaan intervensi gizi yang lebih tepat sasaran.000 Ilmu komputer, informasi dan pekerjaan umum006 Metode komputer khusus641 Makanan dan minuman2026-02-23Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis