PEMETAAN PREDIKSI STUNTING BERBASIS SPASIAL DENGAN MODEL CNN
DOI:
https://doi.org/10.26418/justin.v14i2.100743Keywords:
Stunting, Sistem Informasi Geospasial, Convolutional Neural Network, CRISP-DM, MLOpsAbstract
Stunting masih menjadi isu kesehatan masyarakat prioritas di Indonesia, sehingga diperlukan dukungan analitik untuk memetakan wilayah prioritas intervensi. Penelitian ini mengembangkan sistem pemetaan risiko stunting berbasis geospasial untuk Kota Tasikmalaya dengan memadukan kerangka CRISP-DM, praktik MLOps, dan model Convolutional Neural Network (CNN) dual-input yang menggabungkan citra raster dan fitur numerik. Data berasal dari 1.824 rekaman periode 2020–2023 dari 27 puskesmas melalui API Open Data, kemudian diproses melalui pembersihan, normalisasi, dan integrasi spasial. Evaluasi pada data uji menunjukkan CNN dual-input mencapai akurasi 92,05%, precision 89,19%, recall 91,03%, F1-score 90,10%, dan spesifisitas 92,73% (TP=132, FP=16, FN=13, TN=204). Untuk menilai keunggulan model secara lebih objektif, dilakukan pembandingan dengan baseline numerik: Logistic Regression (akurasi 87,40%; F1 84,46%), Random Forest (akurasi 89,32%; F1 86,69%), dan XGBoost (akurasi 90,14%; F1 87,76%). Hasil menunjukkan integrasi informasi spasial dan numerik meningkatkan kestabilan deteksi dibanding baseline numerik. Sistem kemudian disajikan dalam peta interaktif berbasis Streamlit untuk mendukung pengambilan keputusan. Namun, studi ini terbatas pada data sekunder dari satu kota dan bergantung pada kualitas pelaporan, sehingga validasi lintas wilayah serta evaluasi spasial-temporal diperlukan sebelum penerapan yang lebih luas..References
B. Tinggi dkk., “Edukasi Penggunaan Suplemen Vitamin A, Iodium, Zink, dan Zat Besi dalam Pencegahan Stunting,” Bubungan Tinggi: Jurnal Pengabdian Masyarakat, vol. 4, no. 4, hlm. 1141–1150, Des 2022, doi: 10.20527/BTJPM.V4I4.6460.
Umay dan Masluroh, “Efektivitas Pemberian ASI Eksklusif dengan Kejadian Stunting pada Balita di PMB Umay Bekasi,” Malahayati Nursing Journal, vol. 6, no. 2, hlm. 558–568, Feb 2024, doi: 10.33024/MNJ.V6I2.10786.
Y. Iswari dan S. Hartati, “Stunting Mempengaruhi Perkembangan Motorik Kasar, Motorik Halus Dan Bahasa Anak Usia 0-24 Bulan,” Jurnal Endurance, vol. 6, no. 3, hlm. 631–641, Jun 2022, doi: 10.22216/JEN.V6I3.618.
K. Wardani dkk., “Studi Literatur: Estimasi Potensi Kerugian Ekonomi Akibat Undernutrition Di Indonesia,” JURNAL GIZI DAN KESEHATAN, vol. 14, no. 1, hlm. 114–127, Jan 2022, doi: 10.35473/JGK.V14I1.268.
A. Aswi dan S. Sukarna, “Pemodelan Spasial Bayesian dalam Menentukan Faktor yang Mempengaruhi Kejadian Stunting di Provinsi Sulawesi Selatan,” Journal of Mathematics Computations and Statistics, vol. 5, no. 1, hlm. 1–11, Mei 2022, doi: 10.35580/JMATHCOS.V5I1.33499.
I. Nur, U. Syachnara Potabuga, S. B. Rohayu, T. Juniarti, J. Keperawatan, dan K. Sorong, “Sosialisasi Pengukuran Antropometri Menggunakan Stunting Early Detection Spinner (SEDPIN) sebagai Upaya Deteksi Dini Stunting pada Tenaga Kesehatan dan Kader Kesehatan,” Jurnal Kreativitas Pengabdian Kepada Masyarakat (PKM), vol. 7, no. 12, hlm. 5209–5222, Des 2024, doi: 10.33024/JKPM.V7I12.18061.
R. Tanjung, D. Lestrina, dan J. Sinaga, “Spatial analysis of environmental sanitation and stunting incidents,” International Journal of Public Health Science (IJPHS), vol. 13, no. 4, hlm. 1968–1977, Des 2024, doi: 10.11591/IJPHS.V13I4.23442.
S. Gobel, T. Abdillah, dan I. R. Padiku, “Sistem Informasi Geografis Sebaran Penderita Stunting Berbasis Web di Kabupaten Pohuwato,” Journal Of System Information Technology, vol. 3, no. 1, hlm. 11–21, Jan 2023.
A. Roi, B. Siringoringo, dan K. Saputra, “Sistem Informasi Geografis Pemetaan Penyebaran Stunting Menggunakan Metode K-Means di Kecamatan Sitiotio,” vol. 16, no. 1, hlm. 71–81, Apr 2024.
J. Bu dkk., “A Multi-Element Identification System Based on Deep Learning for the Visual Field of Percutaneous Endoscopic Spine Surgery,” Indian J Orthop, vol. 58, no. 5, hlm. 587–597, Mei 2024, doi: 10.1007/S43465-024-01134-2/METRICS.
M. Farid Naufal, S. Ferdiana Kusuma, dan P. Korespondensi, “Analisis Perbandingan Algoritma Machine Learning dan Deep Learning untuk Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 4, hlm. 873–882, Agu 2024, doi: 10.25126/JTIIK.2024106823.
Z. H. Maulida dkk., “Deteksi Residu Insektisida Profenofos pada Cabai Merah (Capsium annum L.) melalui Augmentasi Citra dan CNN (Convolutional Neural Network),” Jurnal BETA (Biosistem dan Teknik Pertanian), vol. 12, no. 2, hlm. 293–301, Jul 2024, doi: 10.24843/JBETA.2024.V12.I02.P11.
A. Uselis, M. Lukoševičius, dan L. Stasytis, “Localized Convolutional Neural Networks for Geospatial Wind Forecasting,” Energies 2020, Vol. 13, Page 3440, vol. 13, no. 13, hlm. 3440, Jul 2020, doi: 10.3390/EN13133440.
Y. Chen, Q. Weng, L. Tang, Q. Liu, X. Zhang, dan M. Bilal, “Automatic mapping of urban green spaces using a geospatial neural network,” GIsci Remote Sens, vol. 58, no. 4, hlm. 624–642, Mei 2021, doi: 10.1080/15481603.2021.1933367.
R. Prabhu, B. Parvathavarthini, dan A. R. Alaguraja, “Integration of deep convolutional neural networks and mathematical morphology-based postclassification framework for urban slum mapping,” https://doi.org/10.1117/1.JRS.15.014515, vol. 15, no. 1, hlm. 014515, Mar 2021, doi: 10.1117/1.JRS.15.014515.
F. Jin, R. Li, dan H. Wu, “Graph neural network-based similarity relationship construction model for geospatial services,” Geo-spatial Information Science, hlm. 1509–1523, Sep 2024, doi: 10.1080/10095020.2023.2273820.
A. Aswi dan S. Sukarna, “Pemodelan Spasial Bayesian dalam Menentukan Faktor yang Mempengaruhi Kejadian Stunting di Provinsi Sulawesi Selatan,” Journal of Mathematics Computations and Statistics, vol. 5, no. 1, hlm. 1–11, Mei 2022, doi: 10.35580/JMATHCOS.V5I1.33499.
A. Samudera Otoluwa dkk., “Karakteristik Balita Stunting Pada Wilayah Dengan Prevalensi Tertinggi dan Terendah di Kabupaten Banggai,” Jurnal Kesmas Untika Luwuk : Public Health Journal, vol. 15, no. 2, hlm. 134–145, Des 2024, doi: 10.51888/PHJ.V15I2.282.
I. N. Alam, “Identifikasi Lahan Kosong Kota Batu Berbasis Citra Google Earth Menggunakan Algoritma Convolutional Neural Network (CNN),” Etheses, Jun 2020, Diakses: 13 Juli 2025. [Daring]. Tersedia pada: https://www.semanticscholar.org/paper/Identifikasi-lahan-kosong-Kota-Batu-berbasis-Citra-Alam/665d2bffcfb8a81c4d7d0928da09a545d27c8d04?utm_source=consensus
M. W. Pratomo, “Bukannya Turun, Stunting di Tasikmalaya Malah Naik.” Diakses: 9 Juli 2025. [Daring]. Tersedia pada: https://www.rri.co.id/kesehatan/725081/bukannya-turun-stunting-di-tasikmalaya-malah-naik?
Downloads
Additional Files
Published
Issue
Section
License
Copyright (c) 2026 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
