Analisis Faktor Risiko Kejadian Stunting Menggunakan Pendekatan Machine Learning untuk Prediksi Dini

Latar Belakang: Berdasarkan data dari tahun 2020 sampai dengan 2024 faktor stunting yang tercatat di Puskesmas golowelu semakian meningkat. Di tahun 2020 tercatat bahwa sebanyak 243 kasus kejadian stunting Berdasarkan Golowelu data balita stunting bahwa Kecamatan lembor menduduki persentase tertinggi di lembor selatan dengan 57,2% pada tahun 2020. Tujuan: untuk menganalisis faktor risiko kejadian stunting pada balita di wilayah kerja Puskesmas Golowelu Kabupaten Manggarai Barat dengan menggunakan pendekatan Machine Learning untuk prediksi dini. Permasalahan stunting merupakan isu penting kesehatan masyarakat yang berdampak pada perkembangan kognitif, fisik, dan sosial anak. Dengan berkembangnya teknologi analitik data, machine learning dapat digunakan untuk memprediksi risiko stunting berdasarkan berbagai faktor seperti status gizi ibu saat hamil, berat badan lahir, pemberian ASI eksklusif, riwayat penyakit infeksi, dan pola pemberian makan. Metode: Penelitian ini menggunakan desain kuantitatif dengan pendekatan analitik prediktif. Data diperoleh dari rekam kesehatan Puskesmas Golowelu dan hasil survei terhadap 30 responden balita usia 23–59 bulan. Analisis data dilakukan dengan tiga algoritma machine learning, yaitu Regresi Logistik, Random Forest, dan Support Vector Machine (SVM). Hasil: simulasi menunjukkan bahwa model Random Forest memiliki kinerja terbaik dengan akurasi 91,2%, sensitivitas 89,5%, spesifisitas 93,3%, dan Area Under Curve (AUC) sebesar 0,94. Faktor yang paling berpengaruh terhadap prediksi stunting adalah riwayat penyakit infeksi, status gizi ibu saat hamil, dan pola pemberian makan. Kesimpulan: Hasil penelitian ini diharapkan dapat menjadi dasar pengembangan sistem deteksi dini risiko stunting berbasis machine learning di fasilitas pelayanan kesehatan primer.