SEMARANG- Dosen STIKES Yayasan RS Dr. Soetomo Amir Ali, S.Kom, M.Kom berhasil meraih gelar doktor usai mempertahankan disertasinya pada sidang promosi doktor Program Studi Doktor Sistem Informasi (DSI) Universitas Diponegoro (Undip) pada Rabu, 13 Mei 2026.
Dr. Amir Ali, S.Kom, M.Kom melakukan penelitian disertasi dengan judul “Pemodelan Prediksi Stunting Berdasarkan Riwayat Pemeriksaan Kehamilan Ibu Dan Data Antropometri Balita Menggunakan Random Forest Yang Terintegrasi Dengan Sistem Informasi Geografis”.
Bertindak sebagai tim penguji Prof. Ir. Mochamad Agung Wibowo, M.M., M.Sc., Ph.D (Ketua Sidang/Dekan Sekolah Pascasarjana), Prof. Dr. Ir. R. Rizal Isnanto, S.T., M.M., M.T., IPU., ASEAN Eng (Sekretaris Sidang/Ketua Prodi Doktor Sistem Informasi), Prof. Dr. Ir. Qomariyatus Sholihah, Amd.Hyp, S.T., M.Kes., IPU., ASEAN Eng (Penguji Eksternal/Universitas Brawijaya), Prof. Dr. Rahmat Gernowo, M.Si, Ir. Mochammad Facta, S.T., M.T., Ph.D, Prof. Dr. Mundakir, S.Kep., Ns., M.Kep. FISQua, (Ko Promotor/Fakultas Ilmu Kesehatan Umsura), dan Prof. Dr. Ir. Purwanto, DEA (Promotor).
Menurut Dr. Amir Ali bahwa permasalahan gizi yang masih dijumpai di Indonesia adalah stunting pada balita. Survei Status Gizi Indonesia (SSGI) tahun 2022, angka stunting di Kabupaten Sidoarjo mengalami kenaikan dari 14,8% menjadi 16,1% dan berdasarkan buku profile Kabupaten Sidoarjo tahun 2022, masih terdapat balita pendek sebanyak 5,8 % dari keselurahan balita yang diukur tinggi badannya.
“Disamping 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.
“Tujuan dari penelitian ini yaitu membuat model prediksi stunting berdasarkan data antropometri balita dan riwayat pemeriksaan kehamilan ibu dengan menggunakan pendekatan algoritma klasifikasi di kabupaten sidoarjo jawa timur,” tambahnya.
Konstruksi model ini menggunakan algoritma Random Forest dengan melakukan prapemprosesan dataset menggunakan metode SMOTE dimana untuk evaluasi kinerja model menggunakan matrik evaluasi. Algoritma random forest dipilih karena kemampuannya untuk meningkatkan akurasi pada data yang hilang, mencegah kesalahan, serta menyimpan data secara efisien dan meningkatkan kinerja dalam model klasifikasi. Metode SMOTE dipilih karena metode ini berguna untuk menyeimbangkan distribusi jumlah sampel data pada kelas minoritas dengan cara memilih sampel data tersebut sehingga jumlahnya setara dengan jumlah sampel data kelas mayoritas. ZSTB/U, Tinggi, Berat dan Usia adalah empat faktor yang memiliki pengaruh dominan pada klasifikasi balita stunting berdasarkan data antropometri balita. Sedangkan faktor dominan terhadap klasifikasi balita stunting berdasarkan riwayat pemeriksaan kesehatan kehamilan ibu adalah Lila, Tinggi Badan, UK Persalinan/Kehamilan Preterm, Sistole dan jarak kehamilan(Tahun). Hasil model klasifikasi balita stunting ini berkinerja baik terlihat dari hasil akurasi dan hasil recall yang diperoleh dimana model mampu mengenali sebagian besar sampel positif yang sebenarnya.
Ia menambahkan bahwa model klasifikasi balita stunting untuk dataset antropometri balita menghasilkan nilai akurasi 99,85% dan recall 99,98%. Sedangkan untuk dataset riwayat pemeriksaan kesehatan kehamilan ibu menghasilkan nilai akurasi 93,22% dan recall 86,21%. Hasil pemodelan ini diterapkan pada aplikasi prediksi stunting pada balita yang dilengkapi dengan sistem informasi geografis dengan menampilkan visualisasi geografis yang menunjukkan jumlah balita yang mengalami stunting di Kabupaten Sidoarjo
