Deskripsi
Stunted pada balita merupakan masalah gizi kronis yang masih menjadi perhatian di tingkat daerah, termasuk di Kabupaten Purbalingga. Penelitian ini bertujuan untuk mengimplementasikan algoritma XGBoost dalam mengklasifikasikan status stunted pada balita di Kecamatan Kemangkon berdasarkan data antropometri, menganalisis kinerja model, serta menguji pengaruh SMOTE dalam menangani ketidakseimbangan kelas. Data yang digunakan merupakan data sekunder antropometri balita dari Puskesmas Kecamatan Kemangkon sebanyak 2.886 data dengan atribut jenis kelamin, usia, tinggi badan, berat badan, dan lingkar lengan atas. Tahapan penelitian meliputi pengumpulan data, preprocessing, pengujian dua skenario pembagian data (70:30 dan 80:20), pemodelan XGBoost tanpa SMOTE dan dengan SMOTE, evaluasi model, serta implementasi aplikasi web berbasis Streamlit sebagai media deployment dan demonstrasi model. Hasil penelitian menunjukkan bahwa skenario pembagian data 70:30 dengan SMOTE memberikan performa paling seimbang dibandingkan skenario lainnya, dengan akurasi 95,61%; macro F1-score 0,8732; dan ROC-AUC 0,9934, meningkat signifikan dibandingkan model tanpa SMOTE pada skenario yang sama (akurasi 94,80%; macro F1-score 0,6381; ROC-AUC 0,9505) yang belum mampu mengenali kelas Tinggi sama sekali. Penerapan SMOTE meningkatkan F1-score kelas Tinggi dari 0,0000 menjadi 0,9231. Dengan demikian, model XGBoost dengan SMOTE pada skenario 70:30 dipilih sebagai model final karena memiliki performa klasifikasi yang lebih seimbang dalam mengenali seluruh kelas status pertumbuhan.