PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FAKTOR PENYEBAB STUNTING PADA BALITA MENGGUNAKAN ALGORITMA K-MEANS

Abstract

Abstrak Stunting merupakan masalah pada pertumbuhan balita yang ditandai dengan tinggi badan balita yang terlalu pendek dibanding balita seusianya. Stunting menjadi salah satu permasalahan gizi yang paling diperhatikan dunia dan permasalahan gizi yang utama di Indonesia. Indonesia termasuk dalam urutan ke-34 dari 50 negara dengan kasus balita stunting tertinggi di dunia, dan termasuk dalam urutan ke-6 di Asia Tenggara. Hasil integrasi Susenas Maret 2019 dengan Studi Status Gizi Balita Indonesia (SSGBI) tahun 2019 menunjukkan bahwa kasus balita stunting di Indonesia adalah sebesar 27.7%, angka tersebut masih belum mencapai standar yang ditetapkan WHO yaitu sebesar 20%. Oleh karena itu, diperlukan suatu metode untuk mengelompokkan Kabupaten/Kota di Indonesia berdasarkan faktor penyebab stunting pada balita, yaitu menggunakan metode clustering dengan algoritma K-Means. Tujuannya adalah untuk membantu pemerintah dalam mengambil kebijakan yang sesuai terkait penurunan prevalensi stunting pada balita berdasarkan karakteristik dan permasalahan masing-masing cluster. Hasil penelitian menunjukan bahwa dengan bantuan metode elbow menghasilkan 2 cluster sebagai cluster terbaik dengan nilai selisih Sum of Square Error (SSE) sebesar 1401.5156, dimana cluster 1 merupakan cluster dengan faktor penyebab stunting tinggi yang terdiri dari 324 kabupaten/kota, dan cluster 2 merupakan cluster dengan faktor penyebab stunting rendah yang terdiri dari 49 kabupaten/kota. Abstract Stunting is a problem in the growth of toddlers which is characterized by a toddler's height that is too short compared to toddlers his age. Stunting is one of the most important nutritional problems in the world and a major nutritional problem in Indonesia. Indonesia is ranked 34th out of 50 countries with the highest cases of stunting under five in the world, and is ranked 6th in Southeast Asia. The results of the integration of the March 2019 Susenas with the Study on the Nutritional Status of Indonesian Toddlers (SSGBI) in 2019 showed that the number of stunting under-fives in Indonesia was 27.7%, this figure still did not reach the WHO standard of 20%. Therefore, we need a method to classify districts/cities in Indonesia based on the factors causing stunting in children under five, namely using the clustering method with the K-Means algorithm. The aim is to assist the government in taking appropriate policies related to reducing the prevalence of stunting in children under five based on the characteristics and problems of each cluster. The results showed that with the help of the elbow method, 2 clusters were produced as the best clusters with a Sum of Square Error (SSE) difference of 1401,5156, where cluster 1 was a cluster with factors causing high stunting consisting of 324 districts/cities, and cluster 2 was a cluster. with factors causing low stunting consisting of 49 districts/cities.