##plugins.themes.academic_pro.article.main##
Implementasi Algoritma K-Means Clustering Dalam Klasterisasi Kabupaten/Kota Provinsi Jawa Barat Berdasarkan Faktor Pemicu Stunting Pada Balita
Abstract
Stunting merupakan kondisi pertumbuhan serta perkembangan seorang balita yang mengalami kegagalan jika dibandingkan dengan umur yang semestinya. Pada hakikatnya, untuk mempermudah melihat karakteristik faktor pemicu balita stunting di suatu wilayah dapat dilakukan proses klasterisasi. Pada penelitian ini bertujuan untuk mengelompokkan wilayah kabupaten/kota Provinsi Jawa barat berdasarkan faktor pemicu balita stunting dengan metode silhouette sebagai metode penentu jumlah cluster optimumnya serta mengetahui karakteristik pada setiap cluster-nya. Hasil penelitian menunjukkan bahwa penggunaan metode silhouette dapat membantu algoritma k-means dalam proses pengelompokan kabupaten/kota di Provinsi Jawa Barat, dihasilkan 3 cluster sebagai cluster optimum dengan nilai silhouette yang sekitar 0,37. Karakteristik kondisi rumah tangga terhadap akses sanitasi layak yang relatif tinggi dimiliki oleh cluster 1 dengan 6 wilayah kabupaten/kota dan cluster 2 dengan 11 wilayah kabupaten/kota. Sedangkan cluster 3 dengan 10 wilayah kabupaten/kota ini memiliki karakteristik persentase bayi menerima inisiasi menyusui dini yang cukup tinggi dibandingkan dengan faktor lainnya.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
A. Hidayah, Y. Siswanto, and K. D. Pertiwi, “Riwayat Pemberian MP-ASI dan Sosial Ekonomi dengan Kejadian Stunting pada Balita,” J. Penelit. dan Pengemb. Kesehat. Masy. Indones., vol. 2, no. 1, pp. 76–83, 2021, doi: 10.15294/jppkmi.v2i1.47526.
Rokom, “Penurunan Prevalensi Stunting tahun 2021 sebagai Modal Menuju Generasi Emas Indonesia 2045,” sehatnegeriku.kemkes.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://sehatnegeriku.kemkes.go.id/baca/umum/20211227/4339063/penurunan-prevalensi-stunting-tahun-2021-sebagai-modal-menuju-generasi-emas-indonesia-2045/
Malini, “Angka Stunting di Indonesia Masih Tinggi, Ini 5 Provinsi dengan Kasus Stunting Terbanyak,” nasional.tempo.co. Accessed: Oct. 24, 2023. [Online]. Available: https://nasional.tempo.co/read/1683885/angka-stunting-di-indonesia-masih-tinggi-ini-5-provinsi-dengan-kasus-stunting-terbanyak
Mikhael Gewati, “Upaya Dinkes Jawa Barat Mewujudkan Zero Stunting,” regional.kompas.com. Accessed: Oct. 24, 2023. [Online]. Available: https://regional.kompas.com/read/2022/11/23/08213781/upaya-dinkes-jawa-barat-mewujudkan-zero-stunting
Kementerian Sekretariat Negara RI Sekretariat Wakil Presiden, “Perpres Nomor 72 tahun 2021 Tentang Percepatan Penurunan Stunting,” stunting.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://stunting.go.id/perpres-nomor-72-tahun-2021-tentang-percepatan-penurunan-stunting/
S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., vol. 6, no. 2, p. 48, 2021, doi: 10.51557/pt_jiit.v6i2.659.
A. N. Azizah, T. Widiharih, and A. R. Hakim, “Kernel K-Means Clustering untuk Pengelompokan Sungai di Kota Semarang Berdasarkan Faktor Pencemaran Air,” J. Gaussian, vol. 11, no. 2, pp. 228–236, 2022, doi: 10.14710/j.gauss.v11i2.35470.
I. Technology, “Implementation of Data Classification Using K-Means Algorithm in Clustering Stunting Cases,” J. Comput. Sci. Inf. Technol. Telecommun. Eng., vol. 4, no. 2, pp. 402–412, 2023, doi: 10.30596/jcositte.v4i2.15765.
W. Sartika, S. Suryono, and A. Wibowo, “Information System for Evaluating Specific Interventions of Stunting Case Using K-means Clustering,” E3S Web Conf., vol. 202, 2020, doi: 10.1051/e3sconf/202020213003.
A. Fadilah, M. N. Pangestu, S. Lumbanbatu, and S. Defiyanti, “Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Faktor Penyebab Stunting Pada Balita Menggunakan Algoritma K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 223, 2022, doi: 10.26798/jiko.v6i2.581.
M. Y. Matdoan, U. A. Matdoan, and M. Saleh Far-Far, “Algoritma K-Means Untuk Klasifikasi Provinsi di Indonesia Berdasarkan Paket Pelayanan Stunting,” PANRITA J. Sci. Technol. Arts, vol. 1, no. 2, pp. 41–46, 2022, [Online]. Available: https://journal.dedikasi.org/pjsta
P. Apriyani, A. R. Dikananda, and I. Ali, “Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi,” Hello World J. Ilmu Komput., vol. 2, no. 1, pp. 20–33, 2023, doi: 10.56211/helloworld.v2i1.230.
A. Winarta and W. J. Kurniawan, “Optimasi Cluster K-means Menggunakan Metode Elbow pada Data Pengguna Narkoba dengan Pemrograman Python,” J. Tek. Inform. Kaputama, vol. 5, no. 1, pp. 113–119, 2021.
Novita Agustina, “Faktor-faktor Penyebab Kejadian Stunting pada Balita,” yankes.kemkes.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://yankes.kemkes.go.id/view_artikel/1529/faktor-faktor-penyebab-kejadian-stunting-pada-balita
BPS, “Persentase Rumah Tangga yang Memiliki Akses Terhadap Sanitasi Layak (Persen), 2020-2022,” jabar.bps.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://jabar.bps.go.id/indicator/29/728/1/persentase-rumah-tangga-yang-memiliki-akses-terhadap-sanitasi-layak.html
Dinas Kesehatan, “Persentase Pemberian Air Susu Ibu (ASI) Eksklusif pada Bayi <6 Bulan Berdasarkan Kabupaten/Kota di Jawa Barat,” opendata.jabarprov.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://opendata.jabarprov.go.id/id/dataset/persentase-pemberian-air-susu-ibu-asi-eksklusif-pada-bayi-6-bulan-berdasarkan-kabupatenkota-di-jawa-barat
Dinas Kesehatan, “Persentase Bayi Menerima Inisiasi Menyusui Dini (IMD) Berdasarkan Kabupaten/Kota di Jawa Barat,” opendata.jabarprov.go.id. Accessed: Oct. 24, 2023. [Online]. Available: https://opendata.jabarprov.go.id/id/dataset/persentase-bayi-menerima-inisiasi-menyusui-dini-imd-berdasarkan-kabupatenkota-di-jawa-barat
D. Satriawan, “Pengelompokan Provinsi Di Indonesia Berdasarkan Faktor Penyebab Balita Stunting,” Bul. Penelit. Sist. Kesehat., vol. 24, no. 4, pp. 308–317, 2021, doi: 10.22435/hsr.v24i4.4341.