ALGORITMA K-MEANS DALAM CLUSTERING KELOMPOK STUNTING BALITA DI KECAMATAN MUSTIKA JAYA KOTA BEKASI

ALGORITMA K-MEANS DALAM CLUSTERING KELOMPOK STUNTING BALITA DI KECAMATAN MUSTIKA JAYA KOTA BEKASI

• By ANGGUN GUMILANG BUSHTAMAN;
• Skripsi
• 7
• 86

Stunting merupakan masalah kesehatan serius yang memengaruhi pertumbuhan fisik

dan perkembangan kognitif anak, terutama di Indonesia. Penelitian ini bertujuan

untuk menerapkan algoritma K-Means dalam mengidentifikasi klaster risiko stunting

pada populasi balita di wilayah Mustika Jaya, Kota Bekasi. Dengan menggunakan

data dari 324 balita, penelitian ini memanfaatkan parameter usia, berat badan, tinggi

badan, dan lokasi tempat tinggal untuk membagi data menjadi empat klaster : rendah,

sedang, tinggi, dan sangat tinggi.

Hasil analisis menunjukkan bahwa algoritma K-Means efektif dalam

mengelompokkan data berdasarkan tingkat risiko stunting. Klaster rendah mencakup

balita dengan berat dan tinggi badan normal, sementara klaster sangat tinggi

menunjukkan balita dengan kondisi stunting parah. Evaluasi menggunakan Silhouette

Score menunjukkan performa klasterisasi yang cukup baik meskipun terdapat

tumpang tindih pada beberapa data.

Penelitian ini memberikan manfaat praktis bagi pemerintah daerah dan tenaga

kesehatan dalam merancang intervensi kesehatan dan gizi yang lebih terarah dan

spesifik. Selain itu, hasil klasterisasi dapat menjadi dasar untuk mengembangkan

sistem informasi kesehatan berbasis data mining guna mempercepat penurunan

angka prevalensi stunting. Penelitian lanjutan dengan cakupan data yang lebih luas

dan penggunaan indikator tambahan disarankan untuk meningkatkan akurasi dan

relevansi hasil klasterisasi.

Kata Kunci : Stunting, Algoritma K-Means, Klasterisasi, Data Mining,

Intervensi Gizi

• Katakunci Aplikasi perpustakaan, framework
• URL http://
• Penerbit ,

REFERENSI

Alfina, T., Santosa, B., & Hakim, J. A. R. (2012). Analisa Perbandingan Metode

Hierarchical Clustering, K-Means Dan Gabungan Keduanya Dalam Cluster

Data (Studi Kasus: Problem Kerja Praktek Jurusan Teknik Industri ITS).

Jurnal

Teknik

ITS,

1(1),

521–525.

Http://Dx.Doi.Org/10.12962/J23373539.V1i1.1794

Amalia, M. F., & Arianto, D. B. (2024). Implementasi Algoritma K-Means

Clustering Dalam Klasterisasi Kabupaten/Kota Provinsi Jawa Barat

Berdasarkan Faktor Pemicu Stunting Pada Balita. SIMKOM, 9(1), 36–46.

Https://Doi.Org/10.51717/Simkom.V9i1.356

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.

Https://Doi.Org/10.56211/Helloworld.V2i1.230

Chandra, M. D., Irawan, E., Saragih, I. S., Windarto, A. P., & Suhendro, D. (2021).

Penerapan Algoritma K-Means Dalam Mengelompokkan Balita Yang

Mengalami Gizi Buruk Menurut Provinsi. BIOS : Jurnal Teknologi Informasi

Dan

Rekayasa

Komputer,

2(1),

30–38.

Https://Doi.Org/10.37148/Bios.V2i1.19

Cytry, D. M., Defit, S., & Nurcahyo, G. (2023). Penerapan Metode K-Means Dalam

Klasterisasi Status Desa Terhadap Keluarga Beresiko Stunting. Jurnal

Komtekinfo,

3(10),

122–127.

Https://Doi.Org/10.35134/Komtekinfo.V10i3.423

Demšar, J., & Zupan, B. (2024). Hands-On Training About Data Clustering With

Orange Data Mining Toolbox. PLOS Computational Biology, 20(12),

E1012574. Https://Doi.Org/10.1371/Journal.Pcbi.101257442

Fadila, L. Moh. A., & Putri, N. A. (2023). Analisis Perkembangan Ketahanan Pangan

Di Indonesia: Pendekatan Menggunakan Big Data Dan Data Mining. Seminar

Nasional

Official

Statistics,

2023(1),

247–256.

Https://Doi.Org/10.34123/Semnasoffstat.V2023i1.1890

Hartama, D., & Anjelita, M. (2022). Analysis Of Silhouette Coefficient Evaluation

With Euclidean Distance In The Clustering Method (Case Study: Number Of

Public Schools In Indonesia). Journal Mantik, 6(3), 3667–3677.

Https://Doi.Org/10.35335/Mantik.V6i3.3318

Ishak, A., Siregar, K., Aspriyati, Ginting, R., & Afif, M. (2020). Orange Software

Usage In Data Mining Classification Method On The Dataset Lenses. IOP

Conference Series: Materials Science And Engineering, 1003(1), 012113.

Https://Doi.Org/10.1088/1757-899X/1003/1/012113

Marlina, D., Lina, N., Fernando, A., & Ramadhan, A. (2018). Implementasi

Algoritma K-Medoids Dan K-Means Untuk Pengelompokkan Wilayah

Sebaran Cacat Pada Anak. Jurnal Coreit: Jurnal Hasil Penelitian Ilmu

Komputer

Dan

Teknologi

Informasi,

4(2),

64.  

Https://Doi.Org/10.24014/Coreit.V4i2.4498

Nagari, S. S., & Inayati, L. (2020). Implementation Of Clustering Using K-Means

Method To Determine Nutritional Status. Jurnal Biometrika Dan

Kependudukan, 9(1), 62. Https://Doi.Org/10.20473/Jbk.V9i1.2020.62-68

Nawawi, M. S., Sembiring, F., & Erfina, A. (2021). Implementasi Algoritma K-

Means Clustering Menggunakan Orange Untuk Penentuan Produk Busana

Muslim Terlaris. 789=797.

Papilaya, N., Tuasikal, R., Idris, V., Latupeirissa, S. J., & Souisa, G. A. (2024).

Analisis Clustering Pada Kabupaten/Kota Di Provinsi Maluku Berdasarkan

Faktor Penyebab Gizi Buruk Menggunakan K-Means Cluster Analysis Of

Clustering In Districts/Cities In Maluku Province Based On Factors. Jurnal

Matematika,

03(02),

127–134.

Https://Doi.Org/10.30598/Parameterv3i02pp127-13443

Rahmah, S. A. (2024). Review Terbaru Tentang Klasterisasi Data Mining

Menggunakan Metode K-Means: Tantangan Dan Aplikasi. Djtechno: Jurnal

Teknologi

Informasi,

5(2),

297–303.

Https://Doi.Org/10.46576/Djtechno.V5i2.4723

Rahmawati, D., Irawan, B., & Bahtiar, A. (2024). Analisis Pertumbuhan Dan

Perkembangan Anak Di Wilayah Pedesaan Menggunakan Algortima K-

Means. Jati (Jurnal Mahasiswa Teknik Informatika), 8(3), 3411–3415.

Https://Doi.Org/10.36040/Jati.V8i3.8991

Ratuanik, M., Urath, S., Jabar, P. D., Werluka, B., Batbual, I. A., & Melemabessy, T.

(2024). Classification Of Villages In Tanimbar Islands Based On Stunting

Service Packages Using The K-Means Algorithm. Cendikia : Media Jurnal

Ilmiah Pendidikan, 14(5), 503–510.

Sari, I. P., Al-Khowarizmi, Sulaiman, O. K., & Apdilah, D. (2023). Implementation

Of Data Classification Using K-Means Algorithm In Clustering Stunting

Cases. Journal Of Computer Science, Information Technology And

Telecommunication

Engineering,

4(2),

402–412.

Https://Doi.Org/10.30596/Jcositte.V4i2.15765

Setiawan, D., & Fadila, S. R. (2023). Identifikasi Faktor Risiko Stunting Pada Anak-

Anak Dengan Metode K Means Clustering. Jurnal Teknik Informatika, 3(1),

1–7. Https://Doi.Org/10.58794/Jekin.V3i1.443

Sitorus, M., Fitron, D., & Wisesa, C. A. S. (2022). Implementasi Algoritma K-Means

Menggunakan Aplikasi Orange Dalam Clustering Pencemaran Udara Di DKI

Jakarta Tahun 202. Journal Of Informatics And Advanced Computing (JIAC),

3(2), 161–164.

Sri Mumpuni Retnaningsih, Nur Hidayatul Nihla, & Mike Prastuti. (2024). Pemetaan

Kabupaten/Kota Di Provinsi Papua Dan Papua Barat Berdasarkan Indikator

Terjadinya Balita Stunting. Media Bina Ilmiah, 18(6), 1417–1428.

Https://Doi.Org/10.33758/Mbi.V18i6.68544

Sudarmadji, P., & Bire, C. (2019). Implementation Of K-Means Clustering Algoritm

To Determine Stunted Status In Children Under Two Years Old. Proceedings

Of The Proceedings Of The 1st International Conference On Engineering,

Science, And Commerce, ICESC 2019, 18-19 October 2019, Labuan Bajo,

Nusa Tenggara Timur, Indonesia. Proceedings Of The 1st International

Conference On Engineering, Science, And Commerce, ICESC 2019, 18-19

October 2019, Labuan Bajo, Nusa Tenggara Timur, Indonesia, Labuan Bajo,

Indonesia. Https://Doi.Org/10.4108/Eai.18-10-2019.2289979

Sudrajat, D. r., Hilabi, S. S., Huda, B & Hananto, L. A. (2024). Implementasi

algoritma k-Means untuk klasterisasi Data Stunting Berdasarkan

Kabupaten/Kota di Jawa Barat. INNOVATIVE : Jorunal Of Social Science

Research, 4(2), 363-373

Torres-Garcia, A. A., Reyes-Gracia, C. A., Villasenor-Pineda, L., & Mendoza-

Montoya, O. (2022). Dalam Biosignal Processing And Classification Using

Computational

Learning

And

Intelligence.

Mara

Conner.

Https://Doi.Org/10.1016/C2019-0-00985-5

Usama, M., Qadir, J., Raza, A., Arif, H., Yau, K.-L. A., Elkhatib, Y., Hussain, A., &

Al-Fuqaha, A. (2019). Unsupervised Machine Learning For Networking:

Techniques, Applications And Research Challenges. IEEE, 7, 65579–65615.

Https://Doi.Org/V