YOGYAKARTA, obyektif.tv – Angka stunting di Indonesia masih menjadi permasalahan kesehatan yang serius. Data Survei Status Gizi Indonesia (SSGI) mencatat prevalensi stunting nasional yang masih memerlukan perhatian signifikan. Salah satu pemicu utama yang kerap luput dari perhatian adalah kondisi Fetal Growth Restriction (FGR) atau pertumbuhan janin terhambat, di mana janin gagal tumbuh sesuai potensi genetiknya di dalam kandungan. Secara global, FGR menyumbang 30 hingga 50 persen dari total kasus bayi lahir kecil untuk usia kehamilannya.
Menjawab tantangan tersebut, sekelompok mahasiswa Universitas Teknologi Yogyakarta (UTY) yang tergabung dalam Program Kreativitas Mahasiswa Riset Eksakta (PKM-RE) 2026 mengembangkan solusi berbasis teknologi cerdas. Tim yang diketuai oleh Sherlly Briliant Saputri bersama empat anggota mahasiswa dari program studi Informatika, Informatika Medis, dan Data Sains ini berhasil merancang sistem pendukung keputusan mutakhir. Sistem ini tidak hanya memprediksi risiko, tetapi juga mampu menguraikan faktor penyebab secara transparan.
Inovasi berwujud Sistem Pendukung Keputusan (SPK) berbasis web ini dirancang untuk membantu tenaga kesehatan di fasilitas layanan kesehatan primer melakukan skrining awal FGR. Jika metode konvensional sangat bergantung pada USG Doppler yang biayanya relatif mahal dan terbatas di daerah, sistem ini memanfaatkan data riwayat klinis maternal yang rutin dicatat oleh bidan seperti usia kehamilan, paritas, hingga variabel klinis lainnya.
Dalam pengembangan, tim menerapkan arsitektur Hybrid Soft Voting Stacking Ensemble dengan menggabungkan performa Baseline DNN, Bagging Multi-DNN, CatBoost, XGBoost, dan LightGBM. Dari total 101.400 data rekam medis maternal dari Kaggle yang diproses menggunakan pelabelan standar WHO Fetal Growth (persentil 10) serta seleksi 35 fitur teratas, model ini dikalibrasi pada threshold 0,35. Hasil pengujian menunjukkan bahwa arsitektur usulan mencapai performa optimal dan seimbang dengan nilai Recall 0,8433, Precision 0,5945, F1-Score 0,6974, AUC-ROC 0,7353, and AUPRC 0,7420. Nilai Recall yang tinggi (84,33%) mengonfirmasi kapabilitas sistem sebagai instrumen skrining sensitif untuk menekan risiko false negative.Angka stunting di Indonesia masih menjadi permasalahan kesehatan yang serius. Data Survei Status Gizi Indonesia (SSGI) tahun 2023 mencatat bahwa prevalensi stunting nasional masih berada di angka 21,6%.
Analisis transparansi global menggunakan teknologi Explainable Artificial Intelligence (XAI) berbasis SHapley Additive exPlanations (SHAP) mengonfirmasi bahwa usia kehamilan (WEEKS) menjadi faktor risiko paling dominan terhadap nilai prediksi model. Selain itu, variabel rasio demografi maternal dan paternal turut diidentifikasi sebagai faktor pendukung teratas.
Seluruh hasil analisis matematis dari SHAP tersebut kemudian diintegrasikan secara otomatis dengan generator narasi klinis berbahasa Indonesia menggunakan teknologi Large Language Model (LLM) Google Gemini. Integrasi ini memungkinkan hasil prediksi dan faktor risiko dibaca serta dipahami secara intuitif oleh tenaga medis tanpa memerlukan latar belakang teknis data sains.
“Pengembangan Sistem Pendukung Keputusan berbasis Hybrid Soft Voting Stacking Ensemble ini berhasil mengoptimalkan prediksi risiko FGR pada data klinis maternal,” ujar Sherlly Briliant Saputri selaku ketua tim.
Pendampingan riset ini turut diarahkan oleh dosen pembimbing, Ledy Elsera Astrianty, guna memastikan validitas metodologi serta kesesuaian penerapan klinisnya.
Hingga tahap ini, tim telah berhasil membangun purwarupa dashboard web interaktif end-to-end yang mengintegrasikan input klinis, prediksi risiko real-time, visualisasi XAI lokal, hingga generator narasi Gemini. Melalui pencapaian tersebut, sistem ini berpotensi kuat menjadi solusi akselerasi skrining dini FGR bagi tenaga kesehatan di fasilitas pelayanan kesehatan primer yang memiliki keterbatasan akses terhadap dokter spesialis maupun perangkat USG. ***
