RRI.CO.ID, Semarang- Dosen STIKES Yayasan RS Dr. Soetomo, Amir Ali, S.Kom., M.Kom., berhasil meraih gelar doktor usai mengembangkan model prediksi stunting berbasis data kesehatan ibu hamil dan antropometri balita. Inovasi tersebut menjadi fokus disertasinya dalam sidang promosi doktor Program Studi Doktor Sistem Informasi (DSI) Universitas Diponegoro (Undip), Rabu, 13 Mei 2026.

Amir Ali meraih gelar doktor setelah mempertahankan disertasi berjudul “Pemodelan Prediksi Stunting Berdasarkan Riwayat Pemeriksaan Kehamilan Ibu dan Data Antropometri Balita Menggunakan Random Forest yang Terintegrasi Dengan Sistem Informasi Geografis”. Penelitian itu dikembangkan untuk membantu deteksi dini risiko stunting sekaligus memperkuat intervensi kesehatan anak.

Menurut Amir Ali, stunting masih menjadi salah satu persoalan gizi yang serius di Indonesia. Ia mencontohkan, berdasarkan Survei Status Gizi Indonesia (SSGI) 2022, angka stunting di Kabupaten Sidoarjo meningkat dari 14,8 persen menjadi 16,1 persen.

Selain itu, keterbatasan integrasi data antara aplikasi e-PPGBM dan SI-Cantik milik Dinas Kesehatan Kabupaten Sidoarjo dinilai menyebabkan informasi terkait kasus stunting belum optimal. Kondisi tersebut menjadi alasan pentingnya pengembangan sistem prediksi yang lebih terintegrasi.

“Di samping itu belum adanya integrasi sistem dan data pada aplikasi e-PPGBM dan aplikasi SI-Cantik yang di miliki 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,” ungkap Dr. Amir Ali dalam rilis pers.

Penelitian tersebut memanfaatkan algoritma Random Forest yang dikombinasikan dengan metode Synthetic Minority Oversampling Technique*(SMOTE). Pendekatan ini digunakan untuk meningkatkan akurasi klasifikasi data sekaligus menyeimbangkan distribusi sampel pada kelompok minoritas.

“Tujuan dari penelitian ini yaitu membuat model prediksi stunting berdasarkan data antropometri balita dan riwayat pemeriksaan kehamilan ibu. Menggunakan pendekatan algoritma klasifikasi di kabupaten sidoarjo jawa timur,” katanya.

Hasil penelitian Amir menemukan empat faktor dominan yang memengaruhi klasifikasi stunting pada balita berdasarkan data antropometri, yakni tinggi badan menurut usia (ZSTB/U), tinggi badan, berat badan, dan usia anak. Sementara, faktor dominan dari riwayat pemeriksaan ibu meliputi lingkar lengan atas (Lila), tinggi badan, usia kehamilan saat persalinan, tekanan darah sistolik, dan jarak kehamilan.

Model prediksi yang dikembangkan menunjukkan tingkat akurasi tinggi. Untuk dataset antropometri balita, model menghasilkan akurasi 99,85 persen dengan recall 99,98 persen. Sementara dataset riwayat pemeriksaan kesehatan kehamilan ibu mencatat akurasi 93,22 persen dan recall 86,21 persen.

Hasil pemodelan tersebut kini diterapkan dalam aplikasi prediksi stunting yang terintegrasi dengan Sistem Informasi Geografis (SIG). Sistem itu mampu menampilkan visualisasi persebaran balita stunting secara geografis di Kabupaten Sidoarjo guna mendukung pengambilan kebijakan kesehatan yang lebih tepat sasaran.