Deteksi Dini Stunting Balita Menggunakan Long Short-Term Memory Pada Data Posyandu Kabupaten Asahan: Penelitian

Rizky Riansyah Panjaitan (Universitas Asahan)
Suci Ramadani (Universitas Asahan)
Reni Surya Nanda (Universitas Asahan)
Dicky Apdillah (Universitas Asahan)

Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Vol. 5 No. 1 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 5 Nomor 1 (Juli 2026 -

Stunting merupakan persoalan gizi bersifat kronis yang hingga kini masih menjadi beban kesehatan signifikan di berbagai daerah Indonesia, termasuk Kabupaten Asahan, Sumatera Utara. Survei Status Gizi Indonesia (SSGI) 2024 melaporkan prevalensi stunting nasional berada pada angka 21,5%. Guna menjawab persoalan tersebut, penelitian ini merancang sistem deteksi dini stunting yang memanfaatkan metode deep learning dengan arsitektur Long Short-Term Memory (LSTM), menggunakan data antropometri longitudinal dari 208 balita usia 0–59 bulan dengan enam kali pengukuran per balita, setara 1.248 rekaman, yang diperoleh dari posyandu di Kabupaten Asahan. Pembagian data dengan skema 80:20 per rekaman menghasilkan 998 data latih dan 250 data uji. Enam variabel input digunakan: usia, jenis kelamin, berat badan, tinggi/panjang badan, lingkar kepala, dan LILA. Pra-pemrosesan melibatkan normalisasi Min-Max, KNN Imputer, dan SMOTE (target=581, hasil=2.324 sampel latih). Model LSTM dengan dua hidden layer (128 dan 64 unit), aktivasi ReLU, dan Dropout 0,3 mencapai akurasi 93,60%, presisi 90,33%, recall 92,74%, serta F1-Score 91,34%, melampaui Random Forest (88,20%) dan SVM (87,40%).