<![CDATA[Stunting pada balita masih menjadi persoalan kesehatan utama di Indonesia karena berdampak pada pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Penelitian ini bertujuan mengimplementasikan X-StuntAI, yaitu framework berbasis Explainable Artificial Intelligence (XAI) dengan pendekatan Explainable Ensemble Learning, untuk mendeteksi dini stunting sekaligus menginterpretasikan faktor risiko yang memengaruhi hasil prediksi. Metode yang digunakan meliputi preprocessing data, pembagian data latih dan data uji, penerapan beberapa algoritma machine learning, serta evaluasi performa model menggunakan akurasi. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) memberikan performa terbaik dengan akurasi sebesar 99,53%, diikuti Support Vector Machine (SVM) sebesar 99,48%, SVM dengan hyperparameter tuning menggunakan GridSearchCV sebesar 99,40%, Logistic Regression sebesar 74,81%, dan Gaussian Naive Bayes sebesar 55,41%. Temuan ini menunjukkan bahwa X-StuntAI mampu memberikan klasifikasi yang sangat baik sekaligus membantu interpretasi faktor risiko stunting secara lebih transparan. Ke depan, framework ini berpotensi dikembangkan menjadi sistem pendukung keputusan yang lebih aplikatif untuk membantu tenaga kesehatan dalam deteksi dini dan pencegahan stunting pada balita.]]>
Copyrights © 2026
