Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Abdi Insani Journal of Computer and Information System (J-CIS)
Putra, Ahmad Fatoni Dwi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Computer and Information System (J-CIS)

 1 
Identifikasi Status Stunting menggunakan Metode Klasifikasi Pemrosesan Citra: Systematic Literature Review Putri, Mindi Richia; Putra, Ahmad Fatoni Dwi; Asmaul Husna; Arsan Kumala Jaya; Muhammad Ari Rifqi
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5061

Abstract

Stunting adalah masalah kesehatan yang signifikan di Indonesia yang memengaruhi pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Laporan dari Organisasi Kesehatan Dunia (WHO) menyatakan bahwa prevalensi stunting di Indonesia mencapai 21,6% pada tahun 2022. Untuk mengklasifikasikan stunting, metode konvensional seperti pengukuran antropometri manusal masih digunakan, tetapi memiliki keterbatasan seperti bergantung pada tenaga medis, memiliki kemungkinan kesalahan, dan sulit diakses di daerah terpencil. Tujuan dari penelitian ini adalah untuk mengevaluasi teknologi dan pemrosesan citra sebagai alternatif untuk metode deteksi stunting yang lebih akurat dan efektif. Hasil penelitian menunjukkan bahwa teknologi dan algoritma seperti MediaPipe Pose memiliki akurasi 98,48%, Deep Neural Nets (DNN) 93,83%, dan Support Vector Machine (SVM) 91,1%. Algortima CNN lebih efektif dalam menganalisis gambar secara otomatis terutama untuk dataset besa dan algortima SVM efektif untuk dataset kecil-menengah dengan dukungan ekstraksi fitur. Peneliti merekomendasikan untuk menggabungkan kedua metode ini untuk membuat sistem deteksi stunting yang lebih cepat, akurat, dan efisien. Temuan ini diharapkan dapat berfungsi sebagai titik acuan penting dalam proses pengembangan inovasi di bidang kesehatan anak di Indonesia.
Co-Authors Adipta, Marazaenal Afriansyah, M. Anggarista, Randa Arsan Kumala Jaya Asmaul Husna Asno Azzawagama Firdaus Azmi, Muhamad Nizam Heri Wijayanto Joni Saputra Kumoro, Danang Tejo Mindi Richia Putri Muhamad Yamin Muhammad Ari Rifqi Pratama, Ramadhana Agung Satria Utama, Satria Syahrani Lonang Syuhada, Fahmi Wedashwara Wirawan, I Gede Putu Wirarama