Pengembangan Algoritma Image Processing untuk Pengukuran Antropometri pada Aplikasi Deteksi Stunting
Abstract
Stunting, atau pertumbuhan fisik yang terhambat pada anak akibat kekurangan gizi dan faktor lingkungan, merupakan masalah kesehatan global yang serius. Pengembangan algoritma image processing untuk pengukuran antropometri pada aplikasi deteksi stunting, bertujuan untuk meningkatkan efisiensi dan akurasi deteksi stunting melalui teknologi digital. Penelitian ini menggunakan metode pengolahan citra dan teknik pembelajaran mesin untuk mengembangkan algoritma yang mampu mengukur parameter antropometri seperti tinggi badan, lingkar kepala dan lingkar lengan dari gambar. Menggunakan ekstraksi fitur serta pengukuran parameter dengan menggunakan teknik segmentasi dan pengenalan pola. Hasil evaluasi menunjukkan bahwa algoritma yang dikembangkan memiliki akurasi yang tinggi dalam mengukur parameter antropometri, dengan performa cukup baik. Pembahasan utama dari penelitian ini adalah bahwa penggunaan algoritma image processing dapat menjadi alat yang efektif dan efisien dalam deteksi stunting, memberikan solusi teknologi yang dapat diakses untuk mengatasi masalah gizi pada anak-anak di berbagai lokasi, terutama di daerah dengan keterbatasan sumber daya.
Kata kunci— algoritma image processing, pengukuran antropometri, stunting.
References
WHO, "Malnutrition," 2020. [Online]. Available: https://www.who.int/news-room/fact- sheets/detail/malnutrition. [Accessed: Aug. 12, 2024].
J. Redmon and A. Farhadi, "YOLOv3: An Incremental Improvement," arXiv preprint arXiv:1804.02767, 2018.
A. G. Howard et al., "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications," arXiv preprint arXiv:1704.04861, 2017.
O. Ronneberger, P. Fischer, and T. Brox, "U-Net: Convolutional Networks for Biomedical Image Segmentation," in Proc. Int. Conf. Med. Image Comput. Comput.-Assisted Intervention, 2015.
WHO, "Stunting in a Nutshell: Addressing Stunting Among Children," World Health Organization, 2019.
