LPPM UNIVERSITAS NUSA MANDIRI Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nusa Mandiri
Tim peneliti Universitas Nusa Mandiri (UNM) menunjukkan capaian dalam pelaksanaan Hibah Penelitian DPPM Kemdiktisaintek Tahun 2026 melalui penelitian berjudul “NutriExplain: Penerapan Explainable Machine Learning untuk Klasifikasi Status Gizi Balita dan Analisis Faktor Risiko Stunting.” Capaian tersebut disampaikan dalam kegiatan Monitoring dan Evaluasi (Monev) Internal Laporan Kemajuan Hibah Penelitian DPPM Kemdiktisaintek Tahun 2026 yang diselenggarakan oleh Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Nusa Mandiri.
Penelitian melalui skema Penelitian Dosen Pemula (PDP) ini diketuai oleh Siti Nurhasanah Nugraha, dengan anggota Evita Fitri, Muji Ernawati, serta Tri Wahyu Lestari sebagai mahasiswa. Penelitian berfokus pada penerapan Explainable Machine Learning untuk mengklasifikasikan status stunting pada balita sekaligus memberikan interpretasi terhadap faktor yang berkontribusi terhadap hasil klasifikasi.
Dalam penelitian ini, tim mengintegrasikan dua dataset sekunder dan mengembangkan beberapa model klasifikasi untuk menguji kemampuan dalam membedakan status Stunted dan Not Stunted. Hasil pengujian menunjukkan bahwa Random Forest pada data asli menghasilkan kinerja terbaik dengan Accuracy 96,00% dan ROC-AUC 99,27%. Sementara itu, penerapan SMOTEENN meningkatkan Recall pada seluruh model, yang menunjukkan peningkatan kemampuan dalam mengidentifikasi kelas Stunted.
Selain klasifikasi, analisis SHAP digunakan untuk memberikan interpretasi terhadap hasil model. Hasil analisis menunjukkan bahwa Height dan Age (Month) merupakan fitur yang paling berpengaruh secara global terhadap hasil klasifikasi.
Dari sisi luaran, artikel ilmiah berjudul “Explainable Machine Learning for Stunting Classification in Toddlers: Evaluating SMOTEENN and SHAP-Based Interpretation” telah disubmit ke Journal Medical Informatics Technology (SINTA 4) dan saat ini masih dalam proses review.
Tahap selanjutnya akan difokuskan pada penyelesaian luaran penelitian, termasuk pemantauan proses review artikel, penyempurnaan poster hasil penelitian, pendaftaran Hak Cipta NutriExplain, serta penyelesaian laporan akhir. Pengembangan berikutnya juga diarahkan pada fine-tuning model dan penguatan analisis faktor risiko stunting menggunakan Explainable Machine Learning. Melalui NutriExplain, tim peneliti UNM mengembangkan pendekatan AI yang tidak hanya melakukan klasifikasi, tetapi juga membantu memberikan gambaran mengenai faktor yang berkontribusi terhadap hasil prediksi.
