ANALISIS CLUSTERING PROVINSI BERDASARKAN PREVALENSI STUNTING BALITA MENGGUNAKAN ALGORITMA SINGLE DAN COMPLETE LINKAGE
Abstract
Gizi adalah salah satu parameter dalam menilai keberhasilan pembangunan kesehatan di suatu negara untuk menciptakan sumber daya manusia yang bermutu. Stunting merupakan gangguan dimana laju pertumbuhan pada anak sehingga pertumbuhan tinggi badan dan berat badan pada anak terhambat akibat kekurangan gizi. Balita yang menderita stunting tidak hanya mengalami gangguan pertumbuhan pada fisik, melainkan dapat mengakibatkan anak mudah terserang penyakit, gangguan perkembangan pada otak dan kecerdasan yang mengakibatkan menurunnya kualitas sumber daya manusia di Indonesia. Frekuensi prevalensi stunting di Indonesia naik setiap tahunnya terbukti pada tahun 2019 prevalensi stunting pada balita mencapai 35,6% dan pada tahun 2020 sebesar 36,8% Oleh karena itu, permasalahan stunting merupakan permasalahan yang serius dan pemerintah Indonesia harus segera menangani masalah ini. Penanganan stunting yang cepat dan tepat dapat memperlambat pertumbuhan stunting. Data yang diperoleh melalui BPS pada tahun 2018-2022 ditemukan balita yang mengalkami gizi buruk ataupun tinggi badan tidak sesuai dengan usianya dan belum adanya penanganan seperti clustering provinsi yang tepat untuk menanggulangi stunting dan dapat menekan laju pertumbuhan stunting yangkian meningkat. Algoritma yang digunakan pada penelitian ini adalah single linkage dan complete linkage dengan data 34 provinsi di Indonesia dan 11 indikator yang menjadi acuan. Hasil pada penelitian ini menghasilkan 2 cluster dengan cluster 1 beranggotakan 6 provinsi dan cluster 2 beranggotakan 24 provinsi. Algoritma complete linkage menjadi algoritma terbaik dibandingkan algoritma single linkage dengan nilai korelasi chopenetic sebesar 0,8608356.
Full Text:
PDFReferences
Apriyani, P., Dikananda, A. R., & Ali, I. (2023). Penerapan Algoritma K-Means Dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi. Hello World Jurnal Ilmu Komputer, 2(1), 20–33.
Christyanti, R. D., Sulaiman, D., Utomo, A. P., & Ayyub, M. (2023). Clustering Wilayah Kerawanan Stunting Menggunakan Metode Fuzzy Subtractive Clustering. Jurnal Ilmiah Teknologi Informasi Asia, 17(1).
Edo Verdian. (2019). Analisis Faktor Yang Merupakan Intensi Perpindahan Merek Transportasi Online Di Surabaya. Agora, 7(1).
Handoyo, R., Rumani M, R., & Nasution, S. M. (2014). Perbandingan Metode Clustering Menggunakan Metode Single Linkage Dan K-Means Pada Pengelompokan Dokumen. Jsm Stmik Mikroskil, 15(2), 73–82.
Indah Syafitri Nasution, & Susilawati. (2022). Analisis Faktor Penyebab Kejadian Stunting Pada Balita Usia 0-59 Bulan. Florona Jurnal Ilmu Kesehatan, 1(2), 82–87.
Ni’mah, K., Nadhiroh, S. R., Kesehatan, D. G., & Kesehatan, F. (2015). Faktor Yang Berhubungan Dengan Kejadian Stunting Pada Balita. Media Gizi Indonesia, 10(1), 13–19.
Nurissaidah Ulinnuh, R. V. (2020). Analisis Cluster Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Variabel Penyakit Menular Menggunakan Metode Complete Linkage, Average Linkage Dan Ward. Infotekjar : Jurnal Nasional Informatika Dan Teknologi Jaringan, 5(1). Https://Doi.Org/10.30743/Infotekjar.V5i1.2464
Nurul Afida, & Edy Sulistiyawan. (2014). Analisis Faktor-Faktor Yang Mempengaruhi Prestasi Belajar Siswa Kelas X Sma Al-Islam Krian. J Statistika, 6, 1–6.
Rahman, H., Rahmah, M., & Nur Saribuan. (2023). Upaya Penanganan Stunting Di Indonesia. Jurnal Ilmu Pemerintahan Suara Khatulistiwa (Jipsk), 8(01), 44–59.
Ramadhani, L., Purnamasari, I., Deny, F., & Amijaya, T. (2018). Penerapan Metode Complete Linkage Dan Metode Hierarchical Clustering Multiscale Bootstrap (Studi Kasus: Kemiskinan Di Kalimantan Timur Tahun 2016) Application Of Complete Linkage Method And Hierarchical Clustering Multiscale Bootstrap Method (Case Study: Poverty In East Kalimantan Year 2016). Jurnal Eksponensial, 9(1).
Ranjawali, R., Carmen Talakua, A., Thimotius Abineno, R., Wira Wacana Sumba Jlrsuprato No, K., Waingapu, K., Sumba Timur, K., & Tenggara Timu, N. (2023). Clustering Stunting Pada Balita Dengan Metode K-Means Di Puskesmas Kanatang. Sati: Sustainable Agricultural Technology Innovation, 80–92.
Rosari, A., & Rini, A. (2013). Hubungan Diare Dengan Status Gizi Balita Di Kelurahan Lubuk Buaya Kecamatan Koto Tangah Kota Padang. Jurnal Kesehatan Andalas, 2(3). Http://Jurnal.Fk.Unand.Ac.Id
Sauddin, A. (N.D.). Analisis Faktor-Faktor Yang Mempengaruhi Kepatuhan Wajib Pajak Orang Pribadi Dalam Memenuhi Kewajiban Membayar Pajak Kendaraan Bermotor (Pkb).
Tri, A., Dani, R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative Pada Data Runtun Waktu. Jambura Journal Of Mathematics, 1. Http://Ejurnal.Ung.Ac.Id/Index.Php/Jjom,P-
Wulandari, S. (2023). Clustering Indonesian Provinces On Prevalence Of Stunting Toddlers Using Agglomerative Hierarchical Clustering. 16(2), 1979–276. Https://Doi.Org/10.30998/Faktorexacta.V16i2.17186
DOI: https://doi.org/10.30998/semnasristek.v8i01.7128
Refbacks
- There are currently no refbacks.
Prosiding SEMNAS RISTEK indexed by: