IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY PADA PROTOTYPE CHATBOT INFORMASI KESEHATAN GIZI UNTUK MEMBERIKAN EDUKASI DALAM PENCEGAHAN STUNTING (Studi Kasus: Posyandu Cempaka 9 di Desa Cindaga)

Pertumbuhan dan perkembangan anak adalah indikator kesehatan yang sangat penting, terutama dalam konteks kesehatan gizi. Masalah stunting masih menjadi kekhawatiran serius karena dalam konteks kesehatan masyarakat terutama di negara-negara berkembang seperti Indonesia yang prevalensinya masih cukup tinggi. Stunting memiliki dampak serius pada kesehatan dan perkembangan anak. Oleh karena itu, sangat penting untuk memberikan layanan edukasi khusus tentang stunting kepada ibu hamil dan orang tua balita untuk mencegah terjadinya stunting. Berdasarkan permasalahan tersebut diperlukan suatu media edukasi khusus yang selaras dengan perkembangan teknologi saat ini. Penelitian ini bertujuan untuk mengembangkan aplikasi chatbot edukasi kesehatan gizi untuk pencegahan stunting berbasis website dengan menerapkan algoritma Long Short-Term Memory (LSTM). Metode yang digunakan dalam penelitian ini adalah AI Project Cycle. Hasilnya menunjukkan bahwa algoritma Long Short-Term Memory (LSTM) akurasi model training menggunakan metode model compile dan model fit memperoleh skor akurasi sebesar 97,58% dan loss sebesar 0,1898. Sedangkan Pada Evaluasi model menggunakan metode Confusion Matrix memperoleh skor akurasi sebesar 99,90%, nilai recall adalah 98%, nilai presisi adalah 98%, dan nilai F1 score adalah 98%. Pengujian chatbot dilakukan dengan menggunakan metode black box dan System Usability Scale (SUS) yang menunjukkan implementasi chatbot telah berhasil dan mencapai kinerja yang baik.