Perpustakaan Digital ITB

Stunting merupakan permasalahan gizi kronis yang berdampak jangka panjang terhadap tumbuh kembang anak dan kualitas sumber daya manusia. Upaya pencegahan stunting perlu dilakukan secara tepat sasaran dengan dukungan data dari pihak terpercaya. Penelitian ini bertujuan untuk mengembangkan sistem informasi geografis berbasis data keluarga yang dapat digunakan untuk memetakan wilayah stunting anak secara lebih efektif. Metode yang digunakan adalah datadriven approach dengan pengambilan keputusan dan visualisasi wilayah risiko didasarkan pada analisis data aktual. Data keluarga yang digunakan mencakup informasi antropometri anak, status gizi, serta akses terhadap layanan kesehatan. Prosesnya dimulai dari praproses data, pelabelan data berdasarkan ground truth, hingga penerapan algoritma machine learning untuk klasifikasi status risiko anak. Dalam penelitian ini, digunakan beberapa algoritma klasifikasi diantaranya yaitu Random Forest, Support Vector Machine, dan Decision Tree. Ketiga algoritma ini nantinya akan dibandingkan dalam segi performa model untuk mengidentifikasi anak berisiko stunting. Ketiga hasil prediksi model akan divisualisasikan dalam sistem informasi geografis yang menunjukkan persebaran wilayah anak berisiko stunting di Kecamatan Ceper, Kabupaten Klaten yang dapat digunakan dalam pemetaan wilayah stunting.