Implementasi Data Mining Menggunakan Algoritma K-Means untuk Mempermudah Pengelompokkan Wilayah Rawan Stunting di Kabupaten Cirebon

Feni Mahmudah; Nining  Rahaningsih; Raditya Danar  Dana; Cep Lukman  Rohmat

doi:10.37729/intek.v8i1.5794

Feni Mahmudah STMIK IKMI CIREBON
Nining Rahaningsih STMIK IKMI Cirebon
Raditya Danar Dana STMIK IKMI Cirebon
Cep Lukman Rohmat STMIK IKMI Cirebon

DOI: https://doi.org/10.37729/intek.v8i1.5794

Keywords: Stunting, K-Means, Data Mining, Klasterisasi, Prevalensi Gizi;

Abstract

Stunting merupakan masalah gizi kronis yang ditandai dengan pertumbuhan tinggi badan anak yang terhambat akibat kurangnya asupan gizi yang memadai dalam waktu yang panjang. Pada tahun 2023, preval___ensi Stunting di Kabupaten Cirebon tercatat mengalami peningkatan signifikan, naik menjadi 22,9% dari 18,6% pada tahun sebelumnya. Penelitian ini bertujuan untuk memanfaatkan algoritma K-Means dalam mengelompokkan wilayah rawan stunting di Kabupaten Cirebon, Indonesia. Data diperoleh dari Dinas Kesehatan Kabupaten Cirebon yang mencakup tinggi badan, berat badan, dan status gizi anak balita pada periode Juni hingga Agustus 2023. Proses penelitian mengacu pada metode Knowledge Discovery in Databases (KDD), meliputi pengumpulan data, preprocessing, klasterisasi, eval___uasi, dan visualisasi hasil. Penentuan jumlah klaster optimal dilakukan menggunakan Davies-Bouldin Index (DBI), menghasilkan nilai terbaik pada K=5 dengan DBI sebesar 0,614. Hasil visualisasi menggunakan scatter plot mempermudah identifikasi wilayah prioritas intervensi. Penelitian ini menunjukkan bahwa algoritma K-Means efektif untuk menganalisis distribusi risiko stunting di daerah penelitian. Implementasi ini relevan dengan data preval___ensi stunting nasional yang ditetapkan oleh WHO, memberikan wawasan baru bagi pemerintah daerah dalam menyusun strategi intervensi berbasis data. Pendekatan ini memungkinkan alokasi sumber daya yang lebih tepat sasaran untuk menurunkan angka stunting secara signifikan.

References

I. S. Tinendung and I. Zufria, “Pengelompokan Status Stunting Pada Anak Menggunakan Metode K-Means Clustering,” J. Media Inform. Budidarma, vol. 7, no. 4, p. 2014, 2023, doi: 10.30865/mib.v7i4.6908.

B. K. Ragil Nike Pratistha, “Implementasi Algoritma K-Means dalam Klasterisasi Kasus Stunting pada Balita di Desa Randudongkal,” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 2, pp. 1193–1205, 2024, doi: 10.35870/jimik.v5i2.634.

D. Y. L. Ihat Hatimah, “Pendampingan Keluarga Melalui Program Parenting Untuk Menekan Angka Stunting Di Kabupaten Cirebon,” E-Coops-Day, vol. 3, no. 1, pp. 123–132, 2022, doi: 10.32670/ecoopsday.v3i1.1419.

S. Sairah, M. Nurcahyani, and A. Chandra, “Analisis Penyebab Kejadian Stunting pada Anak Usia Dini,” J. Obs. J. Pendidik. Anak Usia Dini, vol. 7, no. 3, pp. 3840–3849, 2023, doi: 10.31004/obsesi.v7i3.4717.

N. Nur Afidah, “Penerapan Metode Clustering dengan Algoritma K-means untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan di Kabupaten Rembang,” Prism. Pros. Semin. Nas. Mat., vol. 6, pp. 729–738, 2023, [Online]. Available: https://journal.unnes.ac.id/sju/index._php/prisma/

A. A. Zulyani, A. S. Y. Irawan, and A. Jamaludin, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan Tingkat Vaksinasi Pada Kecamatan Tambun Selatan,” J. Soc. Sci. Res., vol. 3, no. 3, pp. 7037–7050, 2023.

Suharmanto, W. S. Utami, N. Pratiwi, and F. Muhammad, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Clustering Perokok Usia Lebih dari 15 Tahun,” Bull. Inf. Technol., vol. 4, no. 4, pp. 501–507, 2023, doi: 10.47065/bit.v4i4.1067.

M. Z. R. Indah Budiastutik1, “Faktor Risiko Stunting pada anak di Negara Berkembang,” Amerta Nutr., vol. 3, no. 3, pp. 122–129, 2019, doi: 10.2473/amnt.v3i3.2019.122-129.

N. Sayuti Hanapiah, N. Suarna, and W. Prihartono, “Meningkatkan Penanganan Stunting Pada Anak Melalui Klasifikasi Pemberian Makanan Tambahan Berdasarkan Usia Dengan Metode K-Means Di Desa Cintarasa,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3484–3493, 2024, doi: 10.36040/jati.v7i6.8213.

H. Rahman, M. Rahmah, and N. Saribulan, “Upaya Penanganan Stunting Di Indonesia,” J. Ilmu Pemerintah. Suara Khatulistiwa, vol. VIII, no. 01, pp. 44–59, 2023.

U. Dini, P. Tk, B. Pertiwi, U. D. Nuswantoro, and U. D. Nuswantoro, “Pelatihan Analisa Data Mining Tentang Stunting Anak,” vol. 7, no. 2, pp. 961–968, 2024.

S. Taufik Hidayat, Mohamad Jajuli, “Clustering daerah rawan stunting di Jawa Barat menggunakan algoritma K-Means,” INFOTECH J. Inform. Teknol., vol. 4, no. 2, pp. 137–146, 2023, doi: 10.37373/infotech.v4i2.642.

1Hariyani Sulistyoningsih 1Novie Rusliani, 1Wuri Ratna Hidayani, “Literature Review: Faktor-Faktor yang Berhubungan dengan Kejadian Stunting pada Balita,” Bul. Ilmu Kebidanan dan Keperawatan, vol. 1, no. 01, pp. 32–40, 2022, doi: 10.56741/bikk.v1i01.39.

M. F. Amalia and D. B. Arianto, “Implementasi Algoritma K-Means Clustering Dalam Klasterisasi Kabupaten/Kota Provinsi Jawa Barat Berdasarkan Faktor Pemicu Stunting Pada Balita,” Simkom, vol. 9, no. 1, pp. 36–46, 2024, doi: 10.51717/simkom.v9i1.356.

M. P. Sri Mumpuni Retnaningsih1, Nur Hidayatul Nihla2, “Pemetaan Kabupaten/Kota Di Provinsi Papua Dan Papua Barat Berdasarkan Indikator Terjadinya Balita Stunting,” Media Bina Ilm., vol. 18, no. 6, pp. 1417–1428, 2024, doi: 10.33758/mbi.v18i6.685.