%I Universitas AMIKOM Yogyakarta
%A Alivia Dyatama Arisusanto
%T KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN
ALGORITMA RANDOM FOREST DI DESA MLESE
%L universitasamikomyogyakarta32332
%K Status Gizi Balita, Random Forest,  ADASYN, Machine Learning,
Klasifikasi, Toddler Nutritional Status, Classification.
%D 2026
%X Masalah 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.