Implementasi Algoritma K-Means dalam Klasterisasi Kasus Stunting pada Balita di Desa Randudongkal
Article Sidebar
Main Article Content
Abstract
Article Summary
Stunting di Indonesia adalah sebuah masalah yang cukup serius untuk diselesaikan. Stunting sudah berdampak 21,9% atau kisaran 149 juta anak pada usia di bawah usia 5 tahun, yang sudah membuat kasus kematian sebanyak 45% karena stunting. Hal tersebut menjadikan Desa Randudongkal harus diperhatikan mengenai kasus stunting. Menggunakan metode algoritma K-Means yang dapat menganalisis dengan baik, karena K-Means merupakan sebuah algoritma pengelompokkan atau klastering data ke dalam beberapa kelompok atau klaster. Metode K-Means ini juga banyak digunakan oleh para peneliti untuk menganalisis kasus stunting. Adapun teknik pengumpulan data yang digunkaan adalah teknik observasi, peneliti datang langsung ke Puskesmas Randudongkal untuk melakukan wawancara dan pengumpulan data, dan di dapatkan sejumlah 200 dataset dalam observasi yang telah dilakukan. Penelitian yang dilakukan mengguakan metode Knowledge Discovery in Database (KDD) yang merujuk pada proses ekstrasi pengetahuan yang berguna, tersembunyi, dan potensial suatu basis data. Hasil dari penelitian yang telah dilakukan menghasilkan sebanyak 190 balita stunting dan 10 balita normal, dengan perhitungan analisis Davies-Boudlin Index (DBI) performa yang optimal adalah dari perhitungan K-9 yang menghasilkan analisis sebesar -0,673 yang berarti memiliki evaluasi cluster dengan baik karena nilai hasil perhitungannya mendekati 0.
Keywords
Article Keywords
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC-BY 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
License: All articles are licensed under 
Cytry, D. M., Defit, S., & Nurcahyo, G. (2023). Penerapan Metode K-Means dalam Klasterisasi Status Desa terhadap Keluarga Beresiko Stunting. Jurnal KomtekInfo, 122-127. DOI: https://doi.org/10.35134/komtekinfo.v10i3.423.
Hidayat, T., & Jajuli, M. (2023). Clustering daerah rawan stunting di Jawa Barat menggunakan algoritma K-Means. INFOTECH: Jurnal Informatika & Teknologi, 4(2), 137-146. DOI: https://doi.org/10.37373/infotech.v4i2.642.
Kemenkes.go.id. (2020). Peraturan mentri kesehatan republik indonesia Nomor 2 tahun 2020 tentang standar antropometri anak. Diakses dari https://yankes.kemkes.go.id/unduhan/fileunduhan_1660187306_961415.pdf
Pemalangkab.go.id. (2022). 10 Desa Di Pemalang Jadi Lokus Penanganan Srunting. Diakses dari https://pemalangkab.go.id/2022/04/10-desa-di-pemalang-jadi-lokus-penanganan-stunting
Ranjawali, R., Talakua, A. C., & Abineno, R. T. (2023). CLUSTERING STUNTING PADA BALITA DENGAN METODE KMEANS DI PUSKESMAS KANATANG. Proceeding Sustainable Agricultural Technology Innovation (SATI), 2(1), 80-92.
Subayu, A. (2022). Penerapan Metode K-Means untuk Analisis Stunting Gizi pada Balita: Systematic Review. Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi, 2(1), 42-50. DOI: https://doi.org/10.20885/snati.v2i1.18.
Titimeidara, M. Y., & Hadikurniawati, W. (2021). Implementasi Metode Naive Bayes Classifier Untuk Klasifikasi Status Gizi Stunting Pada Balita. Jurnal Ilmiah Informatika, 9(01), 54-59. DOI: https://doi.org/10.33884/jif.v9i01.3741.
WHO. (2023). Child Malnutrition. Diakses dari http://www.who.int/gho/child-malnutrition/en/
Utomo, Y. B., Kurniasari, I., & Yanuartanti, I. (2023). PENERAPAN KNOWLEDGE DISCOVERY IN DATABASE UNTUK ANALISA TINGKAT KECELAKAAN LALU LINTAS. JTIK (Jurnal Teknik Informatika Kaputama), 7(1), 171–180. https://doi.org/10.59697/jtik.v7i1.61