Stunting merupakan kondisi gagal tumbuh pada balita akibat kekurangan gizi kronis yang ditandai dengan tinggi badan lebih rendah dibandingkan standar usianya. Permasalahan stunting masih menjadi isu kesehatan yang serius di Kabupaten Musi Banyuasin, sehingga diperlukan metode yang efektif untuk membantu proses identifikasi dan klasifikasi status stunting secara cepat dan akurat. Penelitian ini bertujuan untuk mengklasifikasikan status stunting pada balita menggunakan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN), serta membandingkan kinerja kedua metode tersebut untuk memperoleh metode terbaik.
Dataset yang digunakan berasal dari Dinas Kesehatan Kabupaten Musi Banyuasin berupa data pertumbuhan balita tahun 2025 yang dipublikasikan pada tahun 2026, dengan jumlah 790 data balita. Variabel yang digunakan meliputi umur, jenis kelamin, berat badan lahir, tinggi badan lahir, berat badan, tinggi badan, ZS TB/U. Nilai ZS TB/U digunakan untuk membentuk variabel target berupa status stunting sesuai Standar Antropometri Anak, kemudian kolom ZS/U dihapus sehingga tidak digunkaan variabel masukan pada proses klasifikasi menggunakan metode SVM dan KNN. Tahapan penelitian meliputi preprocessing data, pembagian data latih dan data uji, implementasi metode klasifikasi, serta evaluasi model menggunakan confusion matrix dengan parameter accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukan bahwa metode SVM memperoleh akurasi sebesar 93,04%, sedangkan KNN memperoleh akurasi sebesar 81,65%. Berdasarkan hasil tersebut, metode SVM memberikan performa terbaik dalam mengklasifikasikan status stunting pada balita di Kabupaten Musi Banyuasin.