
Yogyakarta, 2 Juli 2025 – Hanum Khairana Fatmah, mahasiswa Magister Ilmu Komputer dari Departemen Ilmu Komputer dan Elektronika (DIKE) FMIPA UGM, mempresentasikan hasil risetnya dalam konferensi internasional Asia Symposium on Image Processing (ASIP) 2025 yang diselenggarakan di Tsukuba, Jepang, pada 13 – 15 Juni 2025. Konferensi ini diikuti secara daring oleh Hanum, yang membawakan penelitian berjudul Facial Shape Image-Based Stunting Classification using CNN with Sliced Feature Extraction, hasil kolaborasi bersama Dr. techn. Aufaclav Zatu Kusuma Frisky, S.Si., M.Sc. dan Dr. Mardhani Riasetiawan, M.T. dari DIKE UGM.
Penelitian ini menawarkan pendekatan baru dalam klasifikasi stunting berbasis citra bentuk wajah anak dengan memanfaatkan teknologi Convolutional Neural Networks (CNN). Dua model dibandingkan dalam studi ini, yaitu Direct Classification dan Sliced Feature Extraction. Model kedua terbukti lebih efektif dalam mendeteksi kondisi gizi anak dengan akurasi yang lebih tinggi. Hanum menjelaskan bahwa metode ini dapat menjadi solusi alternatif bagi deteksi dini stunting yang selama ini masih bergantung pada pengukuran antropometri yang membutuhkan alat khusus dan tenaga ahli.
Data yang digunakan berasal dari foto wajah anak-anak berusia 24 hingga 60 bulan di Kabupaten Flores Timur, Nusa Tenggara Timur, yang diambil saat pelaksanaan Posyandu rutin dan telah dilabeli oleh tenaga gizi. Hasil pengujian menunjukkan bahwa metode Direct Classification hanya mencapai akurasi 68%, sementara metode Sliced Feature Extraction yang membagi citra menjadi bagian atas dan bawah wajah. Penelitian ini berhasil meningkatkan akurasi hingga 91%. Keunggulan pendekatan ini terletak pada kemampuannya mengekstrak fitur lokal seperti area pipi dan garis rahang yang berhubungan dengan status gizi anak.
Walaupun proses komputasinya memerlukan waktu lebih lama, hasil yang lebih akurat menjadikan metode ini menjanjikan untuk diterapkan di lapangan. Tim peneliti juga tengah mengembangkan model lanjutan dengan memperluas dataset dari wilayah lain dan menambahkan teknologi deteksi facial landmark untuk meningkatkan presisi pemotongan citra. Rencana ke depan termasuk pengembangan sistem klasifikasi stunting secara real-time untuk mendukung skrining cepat di Posyandu dan Puskesmas.
Penelitian ini juga mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 2 (Tanpa Kelaparan) dan SDG 3 (Kehidupan Sehat dan Sejahtera). Dengan mempermudah proses deteksi dini stunting, inovasi ini diharapkan dapat mempercepat penanganan kasus gizi buruk dan berkontribusi pada peningkatan kualitas hidup anak-anak Indonesia, khususnya di daerah dengan keterbatasan akses layanan kesehatan.
Author: Hanum Khairana Fatmah
Editor: Marina
#SDGs2 #SDGs3