CLUSTERING STUNTING PADA BALITA DENGAN METODE KMEANS DI PUSKESMAS KANATANG

Rafael Ranjawali; Alfrian Carmen Talakua; Reynaldi Thimotius Abineno

Rafael Ranjawali Universitas Kristen Wira Wacana Sumba
Alfrian Carmen Talakua Universitas Kristen Wira Wacana Sumba
Reynaldi Thimotius Abineno Universitas Kristen Wira Wacana Sumba

Abstract

Stunting adalah kondisi gizi kronis pada balita yang terkait dengan tingkat pertumbuhan tubuh, yang diukur berdasarkan panjang atau tinggi badan, dan bisa terjadi sejak janin masih dalam kandungan. Puskesmas Kanatang merupakan salah satu puskesmas penyumbang kasus stunting di Indonesia, yang berada di Kabupaten Sumba Timur dengan kasus stunting yang cukup tinggi. Berdasarkan data bulan Agustus 2022 berada pada angka 9,2% kasus stunting, meningkatan pada bulan Februari 2023, mencapai 9,5%. Sehingga, dibutuhkan suatu pendekatan untuk mengklasifikasikan data balita yang mengalami stunting berdasarkan faktor-faktor yang menyebabkannya dengan menggunakan metode K-Means. Tujuan penelitian untuk memberikan dukungan kepada pemerintah dalam mengambil kebijakan yang tepat untuk mengurangi angka kejadian stunting pada balita. Berdasarkan hasil pengujian nilai Davies Bouldin Index perhitungan menggunakan aplikasi RapidMiner, menghasilkan performa yang optimal yaitu K=2 dengan nilai 0.537 dimana nilai tersebut mendekati 0 maka dapat dikatakan hasil evaluasi menghasilkan klaster yang baik, cluster 0 merupakan cluster dengan faktor penyebab stunting sangat tinggi yaitu 54 balita, dan Cluster 1 adalah kelompok yang terdiri dari 42 balita dengan tingkat faktor penyebab stunting yang rendah.

References

Abineno, R. T. (2022). Clustering Dampak Dan Penanganan Covid 19 Se-Asia Menggunakan Metode K-Means Dengan Variabel-Variabel Pada Epidemiologi (Doctoral dissertation, Universitas Atma Jaya Yogyakarta).
Fadilah, A., Pangestu, M. N., Lumbanbatu, S., & Defiyanti, S. (2022). Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Faktor Penyebab Stunting Pada Balita Menggunakan Algoritma K-Means. JIKO (Jurnal Informatika dan Komputer), 6(2), 223-230.
Faujia, R. A., Setianingsih, E. S., & Pratiwi, H. (2022). Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia. In Seminar Nasional Official Statistics (Vol. 2022, No. 1, pp. 1249-1258).
Matdoan, M. Y., Risdiana, F. Y., & Haumahu, G. (2022). Application of the K-Means Cluster for the Classification of Disadvantaged Districts/Cities in Maluku Province. JRST (Jurnal Riset Sains dan Teknologi), 6(1), 61-64.
Nainggolan, R., & Purba, E. N. (2019). Perbaikan Performa Cluster K-Means Menggunakan Sum Squared Error (SSE) Pada Analisis Online Customer Review Terhadap Produk Toko Online. Jurnal Times, 8(2), 1-8.
Sari, P. F., Pardede, A. M., & Maulita, Y. (2021, June). Pengelompokan Populasi Hewan Ternak Menggunakan Metode Clustering (Studi Kasus: Dinas Pertanian dan Ketahanan Pangan Kabupaten Langkat). In Seminar Nasional Informatika (SENATIKA) (pp. 37-46).
Wibowo, A. P., Darmawan, W., & Amalia, N. (2022). Komparasi Metode Naïve Bayes dan KNearest Neighbor terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi. ICTech, 17(1), 18-23.
Yulia, N., Saragih, R., & Ambarita, I. (2021). Data Mining Pengelompokan Anak Stunting Berdasarkan Usia, Penyebab dan Pekerjaan Orang Tua Dengan Menggunakan Metode Clustering (Studi Kasus: Dinas Kesehatan Kabupaten Langkat). In Seminar Nasional Informatika (SENATIKA) (pp. 295-306).