INTEGRASI ARTIFICIAL INTELLIGENCE DAN PENDEKATAN BERBASIS KOMUNITAS UNTUK DETEKSI DINI RISIKO STUNTING DAN KOMPLIKASI KEHAMILAN DI ERA DIGITAL

Abstract

Prevalensi stunting dan komplikasi kehamilan masih menjadi isu krusial dalam bidang kesehatan ibu dan anak (KIA) di Indonesia, meskipun akses terhadap layanan antenatal menunjukkan tren peningkatan. Strategi konvensional yang cenderung reaktif dinilai belum optimal dalam melakukan identifikasi risiko secara dini, spesifik, dan berbasis individu. Penelitian ini bertujuan merancang serta menguji model prediksi berbasis Artificial Intelligence (AI) yang terintegrasi dengan layanan kesehatan primer dan pemberdayaan kader untuk mendeteksi risiko stunting serta komplikasi kehamilan secara lebih komprehensif. Studi ini menerapkan desain mixed-method dengan analisis kohort terhadap 500 ibu hamil, mencakup variabel klinis, status gizi, determinan sosial-ekonomi, dan faktor lingkungan. Algoritma machine learning dikembangkan untuk menghasilkan prediksi berakurasi tinggi dan diimplementasikan melalui aplikasi seluler yang dimanfaatkan oleh tenaga kesehatan dan kader posyandu. Evaluasi dilakukan dengan menilai peningkatan deteksi dini, efisiensi rujukan, serta perubahan perilaku kesehatan maternal. Model prediktif menunjukkan akurasi 87% dalam mengidentifikasi risiko tinggi, disertai peningkatan deteksi dini sebesar 35% dan percepatan rujukan hingga 40%. Studi ini menawarkan kontribusi konseptual dan aplikatif melalui integrasi teknologi prediktif dan pendekatan komunitas yang adaptif serta berpotensi direplikasi dalam sistem pelayanan primer nasional.