Sistem Deteksi Stunting pada Balita Berbasis Web Menggunakan Metode Random Forest

Abstract

Stunting adalah kondisi gagal tumbuh yang sering dialami oleh balita di Indonesia dan dapat berdampak negatif jangka panjang terhadap perkembangan fisik serta kognitif anak. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stunting berbasis web menggunakan Random Forest, yang dikenal efektif dalam menangani data yang tidak seimbang. Dataset yang digunakan dalam penelitian ini berasal dari situs web Kaggle, yang terdiri dari 10.000 data balita di Indonesia. Metodologi yang digunakan adalah CRISP-DM, dengan tahapan mulai dari pemahaman bisnis hingga implementasi aplikasi web menggunakan Flask dan Railway untuk deployment. Evaluasi model dilakukan menggunakan confusion matrix dan hasilnya menunjukkan bahwa model dengan tuning hyperparameter pada pembagian data 90:10 mencapai akurasi sebesar 85%. Model ini kemudian diintegrasikan ke dalam aplikasi web. Sistem yang dikembangkan menyediakan dua opsi deteksi, yaitu deteksi individu untuk mendeteksi status stunting pada satu anak, dan deteksi kelompok yang memungkinkan pengguna untuk mengunggah data beberapa anak sekaligus dalam bentuk file CSV. Aplikasi ini di-deploy menggunakan platform Railway yang memudahkan pengelolaan dan pemeliharaan aplikasi, serta memberikan kemampuan untuk melakukan update secara otomatis melalui GitHub. Diharapkan aplikasi ini dapat memberikan kontribusi dalam upaya deteksi aplikasi ini dapat memberikann kontribusi dalam upaya deteksi dini stunting secara efektif dan efisien, terutama di daerah dengan akses layanan kesehatan yang terbatas.

Kata Kunci— Stunting, Random Forest, Deteksi dini, Aplikasi web, dan Balita.