Pemanfaatan Artificial Neural Network untuk Mendeteksi Stunting dan Wasting

Abstract

Malnutrisi merupakan serangkaian gangguan gizi yang dapat terjadi pada anak yang berpotensi mengganggu pertumbuhan dan perkembangan serta menjadi ancaman bagi kesehatan, dua diantaranya adalah stunting dan wasting. Ada berbagai cara untuk mengetahui apakah seorang anak mengalami stunting, wasting, atau kedua gangguan tersebut dimana salah satu metode yang diusulkan adalah dengan memanfaatkan machine learning khususnya artificial neural network untuk mendeteksi stunting dan wasting. Dataset yang digunakan adalah berbagai data hasil pengukuran bayi dengan total awal 10813 data yang terdiri dari 4 fitur yaitu: usia, jenis kelamin, tinggi badan, dan berat badan yang kemudian melalui tahap preprocessing, berkurang menjadi 8104 data dan dibagi menjadi 80:20 rasio latih-uji. SMOTE diterapkan pada data latih untuk menghindari ketidakseimbangan antar data dan mencegah bias dimana dilakukan juga cross-validasi menggunakan k-fold 10 terhadap model latih dengan memodifikasi hyperparameter pada masing-masing model untuk mencari model yang paling optimal dengan hasil terbaik. Hasil terbaik yang didapatkan diperoleh pada model dengan akurasi 71%, presisi 73%, recall 74%, dan f1-skor 69%.