Implementasi X-StuntAI untuk Deteksi Dini dan Interpretasi Risiko Stunting pada Balita

Rayendra; Andri Yunaldi

doi:10.55382/jurnalpustakaai.v6i2.1954

Penulis

Rayendra Politeknik Negeri Padang
Andri Yunaldi Akademi Manajemen Informatika dan Komputer Kosgoro

DOI:

https://doi.org/10.55382/jurnalpustakaai.v6i2.1954

Kata Kunci:

Stunting, Machine Learning, Explainable Artificial Intelligence (XAI), Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Explainable Ensemble Learning

Abstrak

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.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Rayendra, Politeknik Negeri Padang

Andri Yunaldi, Akademi Manajemen Informatika dan Komputer Kosgoro

Referensi

N. Purwati and T. Widiantoro, “AI and Machine Learning untuk Diagnosis dan Intervensi Dini pada Stunting Balita: A Systematic Literature Review,” Infomatek, vol. 27, no. 1, pp. 71–86, 2025, doi: 10.23969/infomatek.v27i1.24136.

J. P. Adhani, A. Lahdji, and C. Faizin, “Analisis Faktor Risiko Kejadian Stunting Pada Balita Di Wilayah Kerja Puskesmas Karanganyar I Kabupaten Demak,” J. Ilmu Kedokt. dan Kesehat., vol. 11, no. 2, pp. 430–439, 2024, doi: 10.33024/jikk.v11i2.10600.

P. Pamungkas and A. P. Hidayathillah, “Pengembangan Model Kasiting Berbasis Artificial Intelligence Terhadap Deteksi Dini Stunting Bayi Pada Kader Kesehatan,” Prepotif J. Kesehat. Masy., vol. 8, no. 3, pp. 5829–5835, 2024, doi: 10.31004/prepotif.v8i3.34697.

D. Wahyuni and R. Fithriyana, “Pengaruh Sosial Ekonomi Dengan Kejadian Stunting Pada Balita Di Desa Kualu Tambang Kampar,” PREPOTIF J. Kesehat. Masy., vol. 4, no. 1, pp. 20–26, 2020, doi: 10.31004/prepotif.v4i1.539.

M. Mirafuddin and S. Supriyatna, “Penerapan Machine Learning pada Aplikasi Kesehatan HEALTIME,” J. Nas. Komputasi dan Teknol. Inf., vol. 7, no. 6, pp. 1601–1606, 2024, doi: 10.32672/jnkti.v7i6.8233.

E. Prasetyo and K. Nugroho, “Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label Multiclass dengan Imbalance Data,” Techno.Com, vol. 23, no. 1, pp. 1–10, 2024, doi: 10.62411/tc.v23i1.9779.

F. Lawalata, “Analisis Performa Support Vector Machine (SVM) dengan Hyperparameter Tuning untuk Klasifikasi Data Stress Monitoring Siswa,” JOINTER J. Informatics Eng., vol. 6, no. 02, pp. 9–15, 2025, doi: 10.53682/jointer.v6i02.413.

Taqwanur and Mega Bilqis Suryawantiningtyas, “G-Tech?: Jurnal Teknologi Terapan,” G-Tech J. Teknol. Terap., vol. 6, no. 2, pp. 295–305, 2022.

Dicky Satria Mahendra, Basuki Rahmat, and Retno Mumpuni, “Implementasi Metode Multinomial Naive Bayes dalam Klasifikasi Judul Berita Clickbait,” Neptunus J. Ilmu Komput. Dan Teknol. Inf., vol. 2, no. 3, pp. 303–316, 2024, doi: 10.61132/neptunus.v2i3.249.

I. Engineering, J. V. Wie, M. Siddik, P. T. Informatika, and F. I. Komputer, “Penerapan Metode Naïve Bayes Dalam,” vol. 6, no. 2, pp. 69–77, 2022.

D. Fabiyanto and Z. Pratama Putra, “Validasi Efektivitas Logistic Regression untuk Diagnosa Penyakit Jantung melalui Pendekatan Machine Learning,” J. Ilm. FIFO, vol. 16, no. 2, p. 158, 2024, doi: 10.22441/fifo.2024.v16i2.006.

U. Nijunnihayah, S. S. Hilabi, F. Nurapriani, and E. Novalia, “Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes: Implementation of the K-Nearest Neighbor Algorithm to Predict Sales of Medical Devices in Medical Devices,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 695–701, 2024.

I. P. Putri, T. Terttiaavini, and N. Arminarahmah, “Analisis Perbandingan Algoritma Machine Learning untuk Prediksi Stunting pada Anak,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 257–265, 2024, doi: 10.57152/malcom.v4i1.1078.

A. Heriyanto, “Penerapan Metode K-Nearest Neighbor (KNN) Untuk Klasifikasi Stanting Pada Balita,” Publ. Ilm. Univ. Muhammadiyah Jember, 2021.

R. Alfiatul Karima and Z. Fatah, “Jurnal Ilmiah Multidisiplin Ilmu Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Penyakit Paru-Paru Pada Anak,” J. Ilm. Multidisiplin Ilmu, vol. 1, no. 6, pp. 13–14, 2024.

E. Indrisari, H. Febiansyah, and B. Adiwinoto, “A Systematic Literature Review on the Application of Machine Learning for Predicting Stunting Prevalence in Indonesia (2020–2024),” J. Sisfokom (Sistem Inf. dan Komputer), vol. 14, no. 3, pp. 277–283, Jul. 2025, doi: 10.32736/sisfokom.v14i3.2366.

M. Emhandyksa and I. Nur, “Metode Explainable Artificial Intelligence ( XAI ) Berbasis Feature Importance Untuk Deteksi Dini Penyakit Jantung,” vol. 1, no. 1, pp. 68–79, 2026.

A. M. Majid et al., “Penerapan Explainable AI dan Model Stacking Untuk Mengindentifikasi Faktor Risiko Stunting Balita,” pp. 239–253, 2024.

L. N. Hapsari, I. Fannani, Y. Rahmawati, and A. Muhariya, “Explainable Machine Learning untuk Prediksi Risiko Penyakit Jantung Menggunakan Random Forest dan Analisis SHAP,” REMIK Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 10, no. 1, pp. 190–199, 2026.

M. E. Ramadhan and J. Zeniarja, “Implementasi Deep Transfer Learning dan Explainable AI dalam Klasifikasi Kanker Kulit Implementation of Deep Transfer Learning and Explainable AI in Skin Cancer Classification,” Sist. J. Sist. Inf., vol. 14, no. 5, pp. 2266–2279, 2025.

K. Syaban, “Evaluasi Model Ensemble Learning pada Identifikasi Faktor Risiko Diabetes Mellitus Evaluation of Ensemble Learning Models in Identifying Risk Factors for Diabetes Mellitus,” Eval. Model Ensemble Learn. Model. Identifying Risk Factors Diabetes Mellit., vol. 15, no. 2, pp. 121–130, 2025, doi: 10.34010/jati.v15i2.16238.

Aritonang, M. A. S., Siregar, M. A., Arnomo, S. A., & Farasalsabila, F. (2025). Penerapan Algoritma Metaheuristik untuk Optimasi Nilai K pada K-NN dalam Pengelompokan Faktor Penyebab Stunting. Jurnal Pustaka AI, 5(3), 611–618.

Hamidani, S., & Yanto, R. (2025). Sistem Cerdas Pemilihan Makanan Sehat Berbasis Case Based Reasoning dan SMART untuk Edukasi Pemenuhan Gizi Masyarakat. Jurnal Pustaka AI, 5(2), 355–363.