DESAIN KONSEPTUAL SMART STUNTING DETECTION: SISTEM BERBASIS MACHINE LEARNING UNTUK DETEKSI DINI STUNTING DI KOTA TANGERANG

CONCEPTUAL DESIGN OF SMART STUNTING DETECTION: A MACHINE LEARNING-BASED SYSTEM FOR EARLY DETECTION OF STUNTING IN TANGERANG CITY

Abstract

Meskipun jumlah kasus menurun, stunting pada balita masih menjadi masalah kesehatan yang besar di Indonesia, termasuk Kota Tangerang. Memeriksa pertumbuhan secara manual dapat memakan waktu lama dan menimbulkan kesalahan, yang menunjukkan betapa pentingnya menggunakan teknologi untuk mendeteksi masalah sejak dini. Studi ini menyajikan Smart Stunting Detection, sebuah sistem berbasis machine learning yang dirancang untuk memprioritaskan aksesibilitas seluler dan memfasilitasi operasional luring bagi kader Posyandu. Kami memproses data antropometri dan sosiodemografi dengan algoritma Random Forest dan XGBoost. Kami juga menggunakan Standar Pertumbuhan Anak WHO untuk membuat data lebih konsisten dan SHAP untuk membantu kami mengetahui faktor risikonya. Sistem ini berupa aplikasi seluler yang memungkinkan pengguna memasukkan data, mengurutkannya secara otomatis ke dalam kategori seperti "Normal," "Stunted," dan "Stunted Berat," menampilkan data, dan melakukan sinkronisasi dengan puskesmas dan dinas kesehatan setempat. Hasil yang diharapkan adalah kader dapat bekerja lebih baik, data stunting real-time tersedia, dan Posyandu dapat didigitalisasi. Semua hal ini akan membantu menurunkan angka stunting di Kota Tangerang dan kota-kota lain di Indonesia.

Kata kunci: desain konseptual; machine learning; smart detection; stunting; tangerang sehat

Abstract

Even though the number of cases is going down, stunting in kids under five is still a big health problem in Indonesia, including Tangerang City. Checking growth by hand can take a long time and make mistakes, which shows how important it is to use technology to find problems early. This study presents Smart Stunting Detection, a machine learning-driven system designed to prioritize mobile accessibility and facilitate offline operations for Posyandu cadres. We process anthropometric and sociodemographic data with the Random Forest and XGBoost algorithms. We also use the WHO Child Growth Standards to make the data more consistent and SHAP to help us figure out what the risk factors are. The system is a mobile app that lets users enter data, automatically sorts it into categories like "Normal," "Stunted," and "Severe Stunted," shows the data, and syncs with health centers and local health offices. The expected outcomes are that cadres will be able to work better, that real-time stunting data will be available, and that Posyandu will be able to go digital. All of these things will help lower stunting in Tangerang City and other cities in Indonesia.

Keywords: conceptual design; machine learning; smart detection; stunting; healthy Tangerang