Pemantauan pertumbuhan balita di Posyandu selama ini dilakukan secara manual menggunakan Kartu Menuju Sehat (KMS) cetak yang bersifat reaktif, sehingga tenaga kesehatan baru dapat mendeteksi gangguan gizi setelah masalah tersebut benar-benar terjadi dan intervensi seringkali terlambat diberikan. Kondisi ini menjadi persoalan serius mengingat stunting dan gangguan gizi kronis masih menjadi tantangan kesehatan masyarakat di Indonesia. Keterbatasan sistem konvensional tersebut mendorong kebutuhan akan solusi berbasis teknologi yang mampu memprediksi trajektori pertumbuhan balita secara proaktif, sehingga tenaga kesehatan dan orang tua dapat mengambil tindakan pencegahan sebelum kondisi gizi anak memburuk.
Penelitian ini merancang dan mengimplementasikan sistem prediksi pertumbuhan balita berbasis algoritma Prophet yang terintegrasi dalam aplikasi Android bernama Kawan Tumbuh, dikembangkan menggunakan framework Flutter dengan backend Python (FastAPI) dan basis data real-time Supabase. Data yang digunakan adalah 259 rekam historis penimbangan balita berusia 24–60 bulan dari 6 Posyandu wilayah Probolinggo periode 2019–2025, mencakup tiga indikator antropometri utama yaitu berat badan, tinggi badan, dan lingkar kepala. Dataset dibagi menggunakan metode Chronological Hold-Out Split dengan rasio 80:20 untuk menjaga urutan kronologis dan mencegah data leakage yang dapat menghasilkan evaluasi tidak valid secara klinis.
Algoritma Prophet dikonfigurasi dengan parameter growth=‘logistic’ sesuai karakteristik pertumbuhan biologis balita yang bersifat sigmoid menuju titik jenuh, changepoint_prior_scale=0.005 untuk menghasilkan garis tren yang halus dan tidak reaktif terhadap fluktuasi sesaat, changepoint_range=0.8 untuk menjaga stabilitas prediksi terhadap anomali di ujung data historis, serta interval_width=0.95 sesuai konvensi standar medis dan epidemiologi internasional.
Komponen musiman dan hari libur dinonaktifkan karena pertumbuhan biologis balita bersifat tren berkelanjutan, bukan fluktuasi periodik. Batas kapasitas atas (cap) ditetapkan berdasarkan nilai Z-Score +3 SD Permenkes RI Nomor 2 Tahun 2020 dengan penambahan safety margin 25% untuk mencegah anomali prediksi yang melampaui batas wajar biologi manusia. Model yang telah dilatih diekspor dalam format JSON dan diintegrasikan ke aplikasi Android melalui HTTP request ke server API, sehingga prediksi dapat dilakukan secara on-the-fly tanpa perlu melatih ulang model di sisi perangkat.
Pengujian terhadap 259 balita menunjukkan performa algoritma Prophet yang sangat baik pada ketiga indikator antropometri. Indikator berat badan mencatat MAE sebesar 0,309 kg, RMSE 0,339 kg, dan MAPE 1,88?ngan akurasi 98,12%. Indikator tinggi badan menghasilkan MAE 0,285 cm, RMSE 0,320 cm, dan MAPE 0,27?ngan akurasi 99,73%. Indikator lingkar kepala mencatat performa terbaik secara absolut dengan MAE 0,131 cm, RMSE 0,140 cm, dan MAPE 0,27?ngan akurasi 99,73%. Perbedaan tingkat akurasi antar indikator mencerminkan karakteristik biologis masing-masing: berat badan bersifat fluktuatif dan mudah terpengaruh kondisi klinis sesaat, tinggi badan bersifat monotonik kumulatif karena tulang hanya dapat bertambah panjang, sedangkan lingkar kepala bersifat stagnan mendekati nilai plateau setelah usia 3 tahun. Berdasarkan taksonomi evaluasi peramalan, seluruh nilai MAPE berada di bawah 10% sehingga ketiga indikator diklasifikasikan dalam kategori Highly Accurate.
Validasi kelayakan sistem oleh dua validator pakar menggunakan instrumen berbasis standar ISO/IEC 25010 dimensi Functional Suitability menghasilkan total persentase kelayakan sebesar 89,29?lam kategori Sangat Layak, dengan rincian aspek Kesesuaian Standar Antropometri dan Input Data 88,00%, Validitas Kelogisan Prediksi 88,33%, serta Konten Edukasi dan Kemanfaatan Sistem 93,33%. Selain itu, Black-Box Testing terhadap 20 sampel balita yang dilakukan oleh ahli gizi RSUD Dr. Haryoto Lumajang sebagai gold standard menghasilkan akurasi klasifikasi status gizi sebesar 90,00%.
Hasil tersebut menunjukkan bahwa aplikasi Kawan Tumbuh terbukti efektif dan layak diimplementasikan sebagai alat bantu pemantauan dan prediksi pertumbuhan balita pendamping KMS cetak di lingkungan Posyandu, sekaligus memberikan kontribusi ilmiah berupa bukti penerapan algoritma Prophet pada domain prediksi pertumbuhan biologis anak berbasis data historis Posyandu di Indonesia.
