SEMARANG, HELOINDONESIA.COM - Sebuah inovasi teknologi mutakhir lahir untuk menjawab ancaman stunting di Indonesia. Amir Ali SKom MKom, dosen STIKES Yayasan RS Dr Soetomo, Surabaya, resmi menyandang gelar doktor setelah berhasil mempertahankan disertasi dalam sidang promosi doktor Program Studi Doktor Sistem Informasi (DSI) Universitas Diponegoro (Undip), di Semarang, Rabu 13 Mei 2026.
Dr Amir Ali membawa solusi digital melalui disertasi bertajuk "Pemodelan Prediksi Stunting Berdasarkan Riwayat Pemeriksaan Kehamilan Ibu dan Data Antropometri Balita Menggunakan Random Forest yang Terintegrasi dengan Sistem Informasi Geografis (SIG)".
Baca juga: Reklamasi Hijau: Eks Tambang Andesit di Bawen Bakal Jadi Agrowisata dan Sirkuit Offroad
Bertindak sebagai tim penguji Prof Ir Mochamad Agung Wibowo MM MSc PhD (Ketua Sidang/Dekan Sekolah Pascasarjana), Prof Dr Ir Rizal Isnanto ST MM MT IPU ASEAN Eng (Sekretaris Sidang/Ketua Prodi Doktor Sistem Informasi), Prof Dr Ir Qomariyatus Sholihah, Amd.Hyp ST MKes IPU ASEAN Eng (Penguji Eksternal/Universitas Brawijaya).
Selanjutnya Prof Dr Rahmat Gernowo MSi, Ir Mochammad Facta ST MT PhD, Prof Dr Mundakir SKep N MKep. FISQua (Ko Promotor/Fakultas Ilmu Kesehatan Umsura), dan Prof Dr Ir Purwanto DEA (Promotor).
Menurut D Amir Ali, permasalahan gizi yang masih dijumpai di Indonesia adalah stunting pada balita. Survei Status Gizi Indonesia (SSGI) tahun 2022, angka stunting di Kabupaten Sidoarjo mengalami kenaikan dari 14,8% menjadi 16,1% dan berdasarkan buku profile Kabupaten Sidoarjo tahun 2022, masih terdapat balita pendek sebanyak 5,8 % dari keselurahan balita yang diukur tinggi badannya.
Baca juga: Gunakan SIG, Tim PkM USM Dorong Pemetaan Infrastruktur Partisipatif di Lamper Kidul
Disamping itu, kata dia, belum adanya integrasi sistem dan data pada aplikasi e-PPGBM dan aplikasi SI-Cantik yang dimiliki Dinkes Kabupaten Sidoarjo menyebabkan keterbatasan informasi terkait kejadian stunting. Oleh karena itu untuk mencapai target nilai prevalensi stunting sebesar 14% pada tahun 2024 yang telah ditetapkan oleh pemerintah, maka diperlukan tindakan berupa aksi untuk mengurangi prevalensi stunting pada balita.
“Tujuan dari penelitian ini yaitu membuat model prediksi stunting berdasarkan data antropometri balita dan riwayat pemeriksaan kehamilan ibu dengan menggunakan pendekatan algoritma klasifikasi di Kabupaten Sidoarjo, Jawa Timur,” tambahnya.
Metode SMOTE
Konstruksi model ini menggunakan algoritma Random Forest dengan melakukan prapemprosesan dataset menggunakan metode SMOTE dimana untuk evaluasi kinerja model menggunakan matrik evaluasi. Algoritma random forest dipilih karena kemampuannya untuk meningkatkan akurasi pada data yang hilang, mencegah kesalahan, serta menyimpan data secara efisien dan meningkatkan kinerja dalam model klasifikasi.
Metode SMOTE dipilih karena metode ini berguna untuk menyeimbangkan distribusi jumlah sampel data pada kelas minoritas dengan cara memilih sampel data tersebut sehingga jumlahnya setara dengan jumlah sampel data kelas mayoritas. ZSTB/U, Tinggi, Berat dan usia adalah empat faktor yang memiliki pengaruh dominan pada klasifikasi balita stunting berdasarkan data antropometri balita.
Sedangkan faktor dominan terhadap klasifikasi balita stunting berdasarkan riwayat pemeriksaan kesehatan kehamilan ibu adalah Lila, Tinggi Badan, UK Persalinan/Kehamilan Preterm, Sistole dan jarak kehamilan (Tahun). Hasil model klasifikasi balita stunting ini berkinerja baik terlihat dari hasil akurasi dan hasil recall yang diperoleh dimana model mampu mengenali sebagian besar sampel positif yang sebenarnya. (Aji)
