Stunting masih menjadi masalah serius akibat kekurangan gizi dan keterlambatan diagnosis di Indonesia. Upaya yang sudah dilakukan masih belum mempertimbangkan kondisi spesifik anak. Machine learning berpotensi menjadi solusi dengan memprediksi status gizi dan merekomendasikan pola makan yang sesuai. Pendekatan ini harus mampu mengakomodasi kebutuhan spesifik setiap anak.
Penelitian ini membangun model machine learning menggunakan algoritma Random Forest untuk mengklasifikasikan status gizi anak berdasarkan grafik tumbuh kembang dari WHO. Selanjutnya, algoritma K-Nearest Neighbors dengan pendekatan content-based filtering digunakan untuk merekomendasikan pola makan selama satu minggu. Rekomendasi disusun berdasarkan status gizi dan dokumen Angka Kecukupan Gizi (AKG) menurut Permenkes No. 28 Tahun 2019.
Hasil dari penelitian ini adalah sebuah sistem yang terintegrasi dengan model machine learning. Sistem ini memiliki kemampuan untuk memprediksi status gizi anak dengan tingkat akurasi sebesar 97,89%, kemudian memberikan rekomendasi pola makan selama satu minggu. Rekomendasi yang dihasilkan disesuaikan dengan kondisi masing-masing anak, sehingga menjadi solusi stunting yang lebih terpersonalisasi.