Machine Learning untuk Prediksi Stunting Bayi dan Balita

- 6 April 2022, 16:58 WIB
Dr. Ayi Purbasari, ST., MT
Dr. Ayi Purbasari, ST., MT /dok pribadi/

Pada awal tahun 2022, aplikasi iPosyandu telah menampung data hasil pemeriksaan bayi dan balita sebesar 97.511 untuk 29.039 data bayi dan balita di 1.939 posyandu.

Data pemeriksaan ini menjadi dataset untuk diolah pada Machine Learning dengan berbagai algoritma, seperti Long Short Term Memory (LSTM) atau Decision Tree maupun algoritma Naïve Bayes atau SVM.

Seperti pada umumnya langkah-langkah yang digunakan dalam Machine Learning, upaya terbesar terletak pada pengumpulan data dan pesiapan data. Data yang dikumpulkan dari aplikasi iPosyandu perlu dipersiapkan dan diformat ulang sesuai format dataset yang diperlukan.

Persiapan ini termasuk juga melakukan pembersihan data untuk data yang tidak memenuhi persyaratan, misalkan data yang tidak lengkap atau memiliki nilai data yang tidak bisa diperhitungkan.

Formulasi data dilakukan untuk menetapkan prediksi stunting pada saat bayi berusia 12 bulan, dan diprediksi pada saat bayi tersebut berusia 4, 6, 8 bulan. Setelah dataset terbentuk, algoritma machine learning akan mengolah training data untuk menghasilkan model, model ini kemudian diuji dengan testing data.

Hasil pengujian sementara menunjukkan untuk bayi yang berusia 4 bulan, maka dapat diprediksi status stunting pada usia 12 bulan dengan tingkat akurasi sebesar 64%  jika menggunakan algoritma LSTM dan 76% jika menggunakan SVM. 

Diperlukan lebih banyak lagi model untuk menguji bayi dan balita pada usia tertentu, agar dapat diprediksi stunting dan segera dapat dilakukan intervensi gizi, sebelum stunting tersebut terjadi.

Besar harapan, aplikasi iPosyandu ini dapat terus dan semakin meluas digunakan. Semakin banyak data yang dipersolah, semakin menghasilkan model prediksi stunting yang lebih akurat.

Selain itu, aplikasi iPosyandu disempurnakan dengan menambah fitur yang mengelola data yang berhubungan dengan intervensi gizi spesifik dan sensitif. Hal ini dapat menambah akurasi model agar hasil prediksi stunting dapat digunakan sebagai rekomendasi intervensi gizi yang harus dilakukan untuk upaya penurunan penurunan stunting secara berkesinambungan.

Penulis : Dr. Ayi Purbasari, ST., MT. ; [email protected],

Halaman:

Editor: Ferry Indra Permana


Artikel Pilihan

Terkini

Terpopuler

Kabar Daerah

x