Main Article Content

Abstract





Perkembangan Aplikasi sistem pendukung keputusan (Decision Support Systems, DSS) saat ini terus berlanjut seiring dengan kemajuan teknologi yang begitu pesat. Saat ini beberapa tren dan perkembangan terkini dalam sistem pendukung keputusan melibatkan integrasi teknologi canggih, analisis data yang mendalam, dan penggunaan kecerdasan buatan atau Artificial Intelligence. Ada banyak permasalahan dalam tatanan kehidupan manusia yang bisa dipermudah atau dibantu dengan aplikasi sistem pendukung keputusan, salah satunya dalam permasalah stunting. Stunting merupakan suatu kondisi dimana pertumbuhan fisik dan perkembangan anak terhambat, hal ini biasanya terjadi pada periode pertumbuhan awal kehidupan, biasanya terjadi di 1.000 hari pertama kehidupan. Posyandu adalah tempat yang dapat digunakan untuk mendeteksi dan memonitor stunting pada anak-anak. Namun hal ini tentu dilakukan dengan proses manual dan terkadang bisa dilakukan dengan cara yang kurang tepat, seperti pengukuran tinggi badan menurut usia, dan hal ini dirasa kurang efektif. Peneliti merancang Aplikasi Mobile sistem pendukung keputusan penentuan level kondisi Stunting anak dengan menggunakan metode Fuzzy Mamdani dalam pengolahan datanya dengan Variabel pertama yaitu Umur, Berat Badan menurut Usia (BB/U), Tinggi Badan menurut Usia (TB/U) dan Berat Badan Menurut Tinggi Badan (BB/TB). Output dari sistem yang dirancang menghasilkan informasi level kondisi anak yaitu Level Stunting Parah, Level Stunting Ringan, Stunting Sedang , Normal dan Obesitas. Sehingga kondisi level stunting ini dapat menjadi acuan dalam perawatan yang bersifat holistik kepada anak. Berdasarkan 76 data balita yang  diperoleh, hasil akhir dari perhitungan Stunt Analyzer pada aplikasi menunjukkan terdapat 14 anak atau (18.42%) data balita yang dinyatakan Stunting Ringan, 5 data balita atau (6,57%) dinyakan Stunting Sedang, 3 Balita atau (3,94%) dinyatakan Stunting Parah, 9 data balita atau (11,84%) dinyatakan Obesitas dan 45 data balita atau (59,21%) dinyatakan Normal.






 





Keywords

Sistem_Pendukung_Keputusan; Stunting; Aplikasi_Mobile; Fuzzy; Kesehatan_Anak

Article Details

References

    [1] Rokom, “Prevalensi Stunting di Indonesia Turun ke 21,6% dari 24,4%.” Accessed: May 12, 2023. [Online]. Available: https://sehatnegeriku.kemkes.go.id/baca/rilis media/20230125/3142280/prevalensi-stunting-di-indonesia-turun-ke-216-dari-244/
    [2] www.who.int. www.who.int. 2013. p. https://www.who.int/tools/child-growth-standards Child Growth Standards. Available from: https://www.who.int/tools/child-growth-standards
    [3] Sutriyawan A, Kurniawati RD, Hanjani R, Rahayu S. Prevalensi Stunting Dan Hubungannya Dengan Sosial Ekonomi. J Kesehat. 2021;11(3):351.
    [4] Indonesia U. Gizi Ibu & Anak. 2012;
    [5] Pramana, AAG Yogi, et al. "Enhancing Early Stunting Detection: A Novel Approach using Artificial Intelligence with an Integrated SMOTE Algorithm and Ensemble Learning Model." 2024 IEEE Conference on Artificial Intelligence (CAI). IEEE, 2024.
    [6] Muhammad Abdillah F, Astria Paramashanti B. Edukasi gizi pada ibu oleh kader terlatih meningkatkan asupan energi dan protein pada balita (Maternal nutrition education by trained cadres increased energy and protein intakes among children under-fives). AcTion Aceh Nutr J [Internet]. 2020;2(5):156–63. Available from: http://dx.doi.org/10.30867/action.v5i2.313
    [7] Agize A, Jara D, Dejenu G. Level of knowledge and practice of mothers on minimum dietary diversity practices and associated factors for 6-23-month-old children in Adea Woreda, Oromia, Ethiopia. Biomed Res Int. 2017;2017.
    [8] Gita, Anggi Putri Aria, Nella Tri Surya, and Aryanti Setyaningsih. "Aplikasi stunting berbasis android guna mempercepat deteksi dini kejadian stunting." Journal of Public Health Innovation 3.02 (2023): 142-150.
    [9] Vaivada T, Akseer N, Akseer S, Somaskandan A, Stefopulos M, Bhutta ZA. Stunting in childhood : an overview of global burden , trends , determinants , and drivers of decline. Am J Clin Nutr [Internet]. 2020;112:777S-791S. Available from: https://doi.org/10.1093/ajcn/nqaa159
    [10] Sistem Pakar Diagnosis Stunting pada Balita Menggunakan Metode Forward Chaining dan Logika Fuzzy Sugeno
    [11] Leo Agusman; Shuandy Wijaya; Yakobus Ingo. Aplikasi Logika Fuzzy untuk Analisis Tes Kepribadian. 2009.
    [12] Irfan, M. S. (2016). Implementasi Logika Fuzzy Inference System Metode Sugeno pada Penentuan Jumlah Produksi Sarung.