PUTRI, APRILIANI and Nikentari, Nerfita and Slam, Berta Erwin (2026) OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK KLASIFIKASI STATUS GIZI BALITA DI KOTA TANJUNGPINANG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) APRILIANI_PUTRI_2201020049_Teknik_Informatika - Cover.pdf - Published Version Download (638kB)
	Text (Abstrak) APRILIANI_PUTRI_2201020049_Teknik_Informatika - Abstrak.pdf - Published Version Download (154kB)
	Text (BAB I) APRILIANI_PUTRI_2201020049_Teknik_Informatika - BAB I.pdf - Published Version Download (253kB)
	Text (Daftar Pustaka) APRILIANI_PUTRI_2201020049_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (159kB)
	Text (Full Teks) APRILIANI_PUTRI_2201020049_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Balita adalah kelompok usia yang sangat rentan mengalami masalah gizi, di mana data kesehatan global menunjukkan masih banyak anak yang mengalami masalah gizi seperti malnutrisi maupun obesitas, yang pada akhirnya dapat memengaruhi pertumbuhan serta perkembangan balita, baik secara fisik maupun mental. Penelitian ini bertujuan untuk menerapkan metode SVM yang dioptimasi menggunakan PSO dalam proses klasifikasi status gizi balita serta mengevaluasi performa model yang dihasilkan berdasarkan metrik pengujian yang relevan. Penelitian ini menggunakan data yang diperoleh dari Dinas Kesehatan, Pengendalian Penduduk, dan Keluarga Berencana Kota Tanjungpinang tahun 2025. Dataset yang digunakan berjumlah 4.000 data dengan variabel yang meliputi umur, berat badan, tinggi badan, cara ukur, dan jenis kelamin. Tahapan penelitian dimulai dari pengumpulan data, dilanjutkan dengan pra-pemrosesan menggunakan Min-Max Normalization. Selanjutnya, parameter SVM dioptimasi menggunakan PSO untuk memperoleh parameter terbaik yang digunakan dalam proses pelatihan model. Model yang telah dilatih kemudian diuji dan dievaluasi menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa optimasi parameter menggunakan PSO efektif dalam meningkatkan kinerja algoritma SVM untuk klasifikasi status gizi balita. Selain itu, penerapan SMOTE juga berkontribusi dalam mengatasi ketidakseimbangan data sehingga meningkatkan kualitas klasifikasi model. Dengan demikian, metode SVM-PSO, baik dengan maupun tanpa SMOTE, dapat diterapkan secara efektif untuk mendukung klasifikasi status gizi balita di Kota Tanjungpinang.

Actions (login required)

View Item