Perpustakaan Digital ITB

Stunting merupakan suatu kejadian yang menghambat proses pertumbuhan dan perkembangan anak akibat adanya gizi buruk, infeksi berulang, dan stimulasi psikososial yang tidak terpenuhi. Stunting masih menjadi salah satu masalah gizi terbesar di dunia termasuk Indonesia. Analisis statistik seperti regresi logistik, regresi campuran, regresi logistik multivariat dan machine learning seperti decision tree, naïve bayes, Support Vector Machine, extreme gradient boosting, Projective Adaptive Resonance Theory dan Artificial Neural Network banayk digunakan untuk deteksi stunting. Dalam analisis statistik pengambilan kesimulan masih secara manual sedangkan machine learning tidak mampu beradaptasi dengan kondisi baru dan performanya cenderung menurun. Dalam penelitian ini diusulkan pendekatan baru untuk deteksi stunting menggunakan metode continual learning dengan algoritme PackNet. Data dari IDHS diproses dengan beberapa tahap diantarnya merge record PR dengan IR, uji outlier, uji multikolinearitas, dan uji regresi logistik. Variabel yang berpengaruh terhadap stunting secara signifikan dipilih untuk menguji algoritme. Pemilihan variabel menggunakan regresi logistik dengan nilai signifikansi 5%, yang di olah menggunakan SPSS. Berdasarkan penelitian yang dilakukan menggunakan data dari model IDHS yang dilatih dengan algoritma PackNet mampu melakukan prediksi stunting secara efisien. Performa yang dihasilkan ketika mempelajari aliran data dari IDHS semakin baik dan mampu beradaptasi ketika diberikan beberapa tugas baru.