Penulis: Halida Thamrin
Ringkasan Eksekutif
Intervensi ini mengusulkan pengadopsian model “Digital Midwifery Care” (DMC) berbasis Kecerdasan Buatan (AI) sebagai solusi inovatif untuk mengatasi tantangan stunting di wilayah urban Sulawesi Selatan. Studi eksperimental menunjukkan bahwa penggunaan AI dalam pemantauan kesehatan mandiri oleh ibu balita secara signifikan meningkatkan akurasi deteksi dini stunting dan kualitas stimulasi kognitif anak dibandingkan metode konvensional. Rekomendasi ini mendorong pengintegrasian platform DMC ke dalam sistem kesehatan daerah untuk mencapai target penurunan stunting nasional 14% dan menciptakan generasi unggul di wilayah perkotaan seperti Makassar.
Latar Belakang
Stunting atau kegagalan pertumbuhan pada anak akibat kekurangan gizi kronis dan infeksi berulang dalam 1000 Hari Pertama Kehidupan (HPK) tetap menjadi ancaman eksistensial terhadap kualitas sumber daya manusia di Indonesia, termasuk di Provinsi Sulawesi Selatan. Meskipun angka prevalensi menunjukkan tren penurunan, dampak stunting tidak hanya terbatas pada dimensi fisik (perawakan pendek), tetapi juga kerusakan permanen pada struktur otak yang menghambat kapasitas kognitif anak. Di era kompetisi global, kegagalan dalam mengoptimalkan perkembangan otak pada masa emas ini akan berujung pada rendahnya produktivitas dan daya saing ekonomi daerah di masa depan (Kementerian Kesehatan RI, 2023).
Provinsi Sulawesi Selatan memiliki karakteristik demografis yang unik, di mana pusat-pusat urban seperti Makassar, Maros, dan Gowa menjadi magnet pertumbuhan ekonomi sekaligus titik konsentrasi masalah kesehatan masyarakat. Ibu balita di wilayah urban cenderung memiliki. profil yang adaptif terhadap teknologi namun menghadapi tantangan berupa keterbatasan waktu (time poverty) akibat peran ganda (domestik dan publik). Hal ini sering kali menyebabkan pemantauan tumbuh kembang anak secara mandiri terabaikan, dan ketergantungan pada kader posyandu yang hanya dilakukan sebulan sekali dianggap tidak lagi mencukupi untuk deteksi dini yang bersifat real-time (Dinas Kesehatan Provinsi Sulawesi Selatan, 2023).
Salah satu celah kritis dalam penanganan stunting di wilayah urban adalah pengabaian terhadap stimulasi kognitif. Sebagian besar intervensi saat ini masih bersifat “sentris gizi” (pemberian makanan tambahan), sementara aspek psikososial dan stimulasi otak melalui interaksi ibu-anak sering kali dinomorduakan. Padahal, stimulasi yang tepat dapat menjadi kompensasi vital bagi perkembangan saraf anak yang berisiko stunting. Kurangnya panduan praktis yang mudah diakses oleh ibu urban mengenai cara memberikan stimulasi kognitif yang sesuai tahapan usia menjadi faktor pendorong diperlukannya asisten kesehatan virtual yang personal (Black, M. M., et al. 2017).
Revolusi industri 4.0 menawarkan solusi melalui Kecerdasan Buatan (AI) yang dapat mentransforma-sikan layanan kebidanan konvensional menjadi Digital Midwifery Care (DMC). Model DMC berbasis AI memiliki kemampuan untuk melakukan pengolahan data besar (big data) dari input harian ibu seperti pola makan, tinggi badan, berat badan, hingga respon motorik anak untuk memberikan analisis prediktif mengenai risiko stunting sebelum gejala fisik muncul secara permanen. Penggunaan AI di wilayah perkotaan sangat strategis karena tingginya penetrasi smartphone di kalangan ibu muda di Sulawesi Selatan, yang memungkinkan intervensi dilakukan secara masif, murah, dan akurat (WHO, 2023).
Kajian ini ini menunjukkan bahwa model DMC tidak bertujuan menggantikan peran bidan, melainkan memperkuat jangkauan bidan melalui alat pemantauan digital yang interaktif. Dengan adanya asisten AI, ibu balita di wilayah urban mendapatkan edukasi yang dipersonalisasi dan sistem peringatan dini (early warning system) yang langsung berada dalam genggaman mereka. Integrasi teknologi ini diharapkan mampu menutup kesenjangan informasi dan meningkatkan efektivitas deteksi dini stunting secara signifikan, sekaligus memastikan setiap anak di Sulawesi Selatan mendapatkan stimulasi kognitif yang optimal untuk mencapai potensi maksimalnya (Labrique, A., et al. 2018).
Identifikasi Masalah
- Keterlambatan Deteksi: Banyak kasus stunting baru teridentifikasi setelah anak berusia di atas dua tahun, di mana intervensi menjadi kurang efektif.
- Rendahnya Literasi Stimulasi Kognitif: Ibu di perkotaan sering kali berfokus pada kecukupan kalori namun kurang memahami pentingnya stimulasi otak berbasis usia untuk mencegah dampak jangka panjang stunting
- Beban Kerja Bidan: Rasio bidan dengan sasaran ibu balita di perkotaan yang tidak seimbang menyebabkan pemantauan kualitas tumbuh kembang menjadi tidak optimal.
- Data Statis: Penggunaan buku KIA fisik sering kali hilang atau tidak terisi secara rutin oleh orang tua.
Policy Gap
Meskipun Pemerintah Provinsi telah meluncurkan berbagai program seperti “Satu Bidan Satu Desa/Kelurahan,” masih terdapat celah kebijakan (gap) yang signifikan, antara lain:
- Ketiadaan Protokol AI dalam Pelayanan Kebidanan: Belum ada payung hukum atau pedoman teknis yang mengatur penggunaan asisten virtual AI untuk membantu tugas bidan dalam deteksi dini.
- Fokus yang Terfragmentasi: Kebijakan yang ada cenderung memisahkan antara kesehatan fisik (stunting) dan kesehatan mental/kognitif anak.
- Digitalisasi yang Pasif: Aplikasi kesehatan yang tersedia saat ini umumnya bersifat searah (repositori data) dan tidak interaktif atau prediktif dalam memberikan saran medis instan kepada ibu.
Rekomendasi Kebijakan
Untuk mengatasi permasalahan tersebut, Pemerintah Provinsi Sulawesi Selatan perlu mengambil langkah-langkah strategis sebagai berikut:
- Legitimasi dan Integrasi Platform DMC: Mendorong pembentukan Peraturan Gubernur (Pergub) untuk mengintegrasikan model DMC berbasis AI dengan database E-PPGBM. Integrasi ini bertujuan menciptakan dasbor prioritas bagi bidan guna mengoptimalkan kunjungan rumah (home visit) pada balita dengan deteksi anomali secara real-time.
- Transformasi Peran Bidan (Health Intelligence Manager): Meningkatkan kapasitas bidan melalui pelatihan literasi digital agar mampu menginterpretasi data AI. Dengan dukungan AI untuk skrining awal dan edukasi rutin, bidan dapat memprioritaskan waktu untuk intervensi klinis dan konseling stimulasi kognitif pada kasus berisiko tinggi.
- Implementasi “Smart Incentives” bagi Ibu Balita: Menerapkan fitur gamification dan kolaborasi sektor swasta untuk memberikan insentif berupa voucher atau poin belanja pangan bergizi bagi ibu yang aktif melakukan pemantauan mandiri. Langkah ini efektif membangun konsistensi deteksi dini di tengah kesibukan masyarakat urban.
- Prediktif Analitik untuk Alokasi APBD: Menggunakan hasil analisis AI untuk pemetaan mikro (micro-mapping) kerentanan stunting hingga tingkat RT/RW. Hal ini memungkinkan penerapan precision budgeting, di mana alokasi anggaran intervensi gizi dari APBD didistribusikan berdasarkan tingkat risiko aktual, bukan sekadar pemerataan administratif.
Kesimpulan
- Transformasi dari Reaktif ke Proaktif: Integrasi AI memungkinkan peralihan sistem deteksi dini dari yang sebelumnya menunggu jadwal bulanan menjadi pemantauan real-time 24/7 dalam genggaman ibu.
- Optimalisasi Kognitif sebagai Standar Baru: Intervensi ini berhasil menutup celah pengabaian stimulasi otak, memastikan bahwa anak tidak hanya tumbuh secara fisik tetapi juga mencapai potensi kecerdasan maksimalnya.
- Efisiensi Layanan Kesehatan: Penggunaan teknologi DMC mampu meringankan beban administratif bidan, sehingga mereka dapat fokus pada intervensi klinis yang lebih presisi dan edukasi yang berkualitas bagi keluarga berisiko tinggi.
- Investasi Masa Depan: Keberhasilan menurunkan stunting di perkotaan melalui pendekatan digital akan menjadi fondasi kuat bagi terciptanya “Generasi Emas” Sulawesi Selatan yang kompetitif secara global.
Daftar Pustaka
BKKBN. (2021). Rencana Aksi Nasional Percepatan Penurunan Angka Stunting Indonesia (RAN PASTI). Jakarta: BKKBN.
Black, M. M., et al. (2017). Early childhood development coming of age: science through the life course. The Lancet.
Dinas Kesehatan Provinsi Sulawesi Selatan. (2023). Laporan Profil Kesehatan Provinsi Sulawesi Selatan 2022. Makassar: Dinkes Sulsel.
Kemenkes RI. (2023). Hasil Survei Kesehatan Indonesia (SKI) 2023. Jakarta: Badan Kebijakan Pembangunan Kesehatan.
Labrique, A. B., et al. (2018). Digital Health and the User Experience: Global Perspectives. Journal of Medical Internet Research.
Prado, E. L., & Dewey, K. G. (2014). Nutrition and brain development in early life. Nutrition Reviews.
WHO. (2023). Global Strategy on Digital Health 2020-2025. Geneva: World Health Organization.