SISTEM REKOMENDASI INFORMASI RISIKO STUNTING BALITA MENGGUNAKAN METODE CONTENT-BASED FILTERING BERDASARKAN DATA ANTROPOMETRI

Gangguan pertumbuhan linear pada balita akibat stunting masih menjadi tantangan kesehatan di Indonesia karena dapat mempengaruhi pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa depan. Data Survei Kesehatan Indonesia (SKI) tahun 2023, menunjukkan bahwa prevalensi stunting nasional masih berada pada angka 21,5%. Permasalahan yang terjadi saat ini adalah sebagian besar sistem digital pengelolaan data balita masih berfokus pada pencatatan dan monitoring pertumbuhan sehingga belum mampu memberikan rekomendasi informasi risiko stunting yang bersifat personal berdasarkan karakteristik data balita. Penelitian ini difokuskan pada pengembangan sistem rekomendasi risiko stunting melalui penerapan metode Content-Based Filtering yang memanfaatkan atribut antropometri balita sebagai dasar dalam proses rekomendasi. Metode yang digunakan meliputi pendekatan Design Science Research (DSR), pembobotan fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta perhitungan kemiripan menggunakan Cosine Similarity. Data antropometri yang digunakan dalam penelitian ini diperoleh dari dataset Stunting Balita Detection yang bersumber dari Kaggle. Dari dataset tersebut digunakan sebanyak 500 data balita sebagai data penelitian, dengan atribut berupa umur, jenis kelamin, dan tinggi badan. Selanjutnya, pengujian sistem dilakukan menggunakan 73 sampel data balita dari data penelitian tersebut. Hasil penelitian menunjukkan bahwa dari 73 data balita yang di uji, terdapat 30 data berstatus Normal (41,1%), 23 data Stunting (31,5%), dan 20 data Stunting Berat (27,4%). Sistem ini mampu menghasilkan rekomendasi dengan nilai tertinggi sebesar 0,9999 sehingga metode Content-Based Filtering dinilai efektif dalam memberikan karakteristik data antropometri balita.