<![CDATA[Stunting pada anak merupakan masalah kesehatan malnutrisi kronis yang menjadi perhatian serius di Indonesia. Stunting dapat terjadi pada anak yang mengalami kekurangan gizi kronis, terutama pada usia 0-23 bulan. Faktor-faktor yang menyebabkan stunting pada anak sangat kompleks dan melibatkan berbagai faktor seperti gizi, kesehatan, sosial ekonomi, lingkungan, genetik dan peilaku. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi deteksi dini stunting menggunakan teknologi artificial neural network yang dilengkapi dengan stacking classifiers dengan dikombinasikan ensemble machine learning gradient boosting, random forest dan output estimator regresi logistik, selain itu pengembangan sistem ini dilakukan dengan menggunakan metode pengembangan waterfall. Sistem ini diharapkan dapat memprediksi risiko stunting secara akurat berdasarkan data pertumbuhan anak, serta memberikan rekomendasi intervensi yang tepat. Penggunaan neural network memungkinkan analisis data yang kompleks dan pembaruan model secara berkala dengan hasil rataan akurasi prediksi kombinasi beberapa algoritma menggunakan model stacking classifiers dan cross validation tersebut menghasilkan akurasi yang stabil di 86,22% berdasarkan dataset 10 ribu label target prediksi. Hasil dari penelitian berdasarkan model pengembangan dan pelatihan model ini mencakup analisis kebutuhan sistem, perancangan dan desain sistem dengan UML, implementasi sistem dengan fitur pengecekan stunting, artikel edukasi, konsultasi, login dan registrasi, dan hasil pengujian dengan System Usability Scale (SUS) dengan nilai rata-rata 81 yang termasuk pada grade A dan blackbox testing dengan hasil sesuai harapan.]]>
Copyrights © 2024
