IMPLEMENTASI MACHINE LEARNING UNTUK KLASIFIKASI STUNTING PADA BALITA MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS MOBILE

Stunting merupakan masalah serius yang terjadi pada balita yang dapat berpengaruh
pada perkembangan fisik serta kognitif anak. Kondisi ini dapat terjadi pada balita
rentang usia 0 – 5 tahun atau 0 – 59 bulan. Proses klasifikasi stunting pada posyandu
di Desa Pangadengan, Kecamatan Pasar Kemis masih dilakukan secara manual
dengan bergantung pada grafik tinggi badan anak berdasarkan umur, sehingga
membutuhkan banyak waktu dan ketelitian oleh kader Posyandu. Dalam penelitian
ini, diterapkan solusi menggunakan pendekatan machine learning dengan algoritma
Random Forest dalam memprediksi atau mengklasifikasikan stunting pada balita.
Pada penerapannya, machine learning diintegrasikan pada aplikasi berbasis mobile
menggunakan Flutter dan Golang. Model machine learning dikembangkan
menggunakan metode CRISP-DM dimulai dengan proses business understanding
hingga deployment. Kemudian, sistem dikembangkan menggunakan metode
Extreme Programming dimulai dengan proses planning hingga testing. Model yang
dikembangkan menunjukkan hasil yang sangat baik dengan accuracy sebesar
99.91%, precision, recall, dan F1-Score sebesar 99.89%. Selain itu, model machine
learning yang telah dikembangkan berhasil diimplementasikan ke dalam aplikasi
berbasis mobile menggunakan Flutter melalui arsitektur backend terpisah, di mana
Golang berperan sebagai backend untuk pemrosesan data pada database dan
FastAPI digunakan sebagai backend untuk pemrosesan model. Implementasi ini
memungkinkan proses klasifikasi stunting dilakukan secara cepat dan efisien pada
perangkat mobile. Hasil implementasi menunjukkan bahwa sistem mampu
memberikan prediksi yang cepat, akurat, serta dapat mendukung kader Posyandu
dalam melakukan pemantauan status gizi balita secara lebih akurat dan efisien.