Identifikasi Status Stunting menggunakan Metode Klasifikasi Pemrosesan Citra: Systematic Literature Review

Abstract

Stunting adalah masalah kesehatan yang signifikan di Indonesia yang memengaruhi pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Laporan dari Organisasi Kesehatan Dunia (WHO) menyatakan bahwa prevalensi stunting di Indonesia mencapai 21,6% pada tahun 2022. Untuk mengklasifikasikan stunting, metode konvensional seperti pengukuran antropometri manusal masih digunakan, tetapi memiliki keterbatasan seperti bergantung pada tenaga medis, memiliki kemungkinan kesalahan, dan sulit diakses di daerah terpencil. Tujuan dari penelitian ini adalah untuk mengevaluasi teknologi dan pemrosesan citra sebagai alternatif untuk metode deteksi stunting yang lebih akurat dan efektif. Hasil penelitian menunjukkan bahwa teknologi dan algoritma seperti MediaPipe Pose memiliki akurasi 98,48%, Deep Neural Nets (DNN) 93,83%, dan Support Vector Machine (SVM) 91,1%. Algortima CNN lebih efektif dalam menganalisis gambar secara otomatis terutama untuk dataset besa dan algortima SVM efektif untuk dataset kecil-menengah dengan dukungan ekstraksi fitur. Peneliti merekomendasikan untuk menggabungkan kedua metode ini untuk membuat sistem deteksi stunting yang lebih cepat, akurat, dan efisien. Temuan ini diharapkan dapat berfungsi sebagai titik acuan penting dalam proses pengembangan inovasi di bidang kesehatan anak di Indonesia.