NUTRIKEK-AI: PENGEMBANGAN DAN VALIDASI SISTEM PENDUKUNG KEPUTUSAN KLINIS HIBRIDA EXPLAINABLE AI UNTUK PREDIKSI RISIKO KEKURANGAN ENERGI KRONIS PADA IBU HAMIL

Abstract

Kekurangan Energi Kronis (KEK) pada ibu hamil masih menjadi persoalan kesehatan masyarakat yang serius, terutama di wilayah dengan keterbatasan sumber daya, karena berkaitan erat dengan stunting, anemia, resiko kehamilan dan persalinan. Skrining konvensional berbasis antropometri dinilai kurang mampu menangkap interaksi multidimensional antara faktor klinis, sosial, dan ekonomi yang memengaruhi status gizi ibu hamil, sementara sebagian besar model machine learning yang ada bersifat black-box sehingga sulit dipercaya oleh tenaga kesehatan. Penelitian ini bertujuan mengembangkan dan memvalidasi NutriKEK-AI, sebuah explainable hybrid clinical decision support system yang memadukan machine learning, Explainable Artificial Intelligence (XAI), dan pengetahuan klinis pakar untuk mendeteksi risiko KEK secara dini. Desain penelitian mengikuti kerangka Design and Development Research yang mengadopsi CRISP-DM dan Agile Development, melibatkan 214 ibu hamil, 18 tenaga kesehatan, dan 7 validator ahli di Kabupaten Lebak dan Pandeglang, Banten. Enam algoritma diuji dan dievaluasi melalui 10-fold cross-validation, analisis kalibrasi, validasi pakar, serta pengujian usability dan penerimaan pengguna. Model XGBoost menunjukkan performa terbaik dengan akurasi 88%, F1-score 0,85, dan AUC 0,91. Analisis SHAP mengidentifikasi Lingkar Lengan Atas, status anemia, indeks masa tubuh (IMT), dan status sosial ekonomi sebagai faktor risiko dominan. Sistem ini memperoleh validitas tinggi (S-CVI/Ave = 0,91), reliabilitas kuat (κ = 0,84), dan usability sangat baik (SUS = 84,6). Implementasi lapangan meningkatkan akurasi deteksi risiko dari 71,2% menjadi 88,4% dan mempercepat pengambilan keputusan dari 14,8 menjadi 6,3 menit. NutriKEK-AI terbukti akurat, transparan, dan mudah digunakan, sehingga berpotensi menjadi solusi berbasis AI yang efektif untuk mendukung deteksi dini dan pengambilan keputusan gizi maternal pada layanan kesehatan primer yang memiliki sumberdaya terbatas.