ANALISIS KLASTER DATA KESEHATAN BAYI DAN ANAK MENGGUNAKAN K-MEANS STUDI KASUS PROVINSI NUSA TENGGARA TIMUR

Authors

  • Supardianto Universitas Teknologi Mataram
  • Lalu Mutawalli STMIK Lombok

DOI:

https://doi.org/10.69916/comtechno.v3i1.343

Keywords:

klasterisasi, k-means, risiko, gizi, bayi

Abstract

Masalah gizi buruk dan stunting pada balita di Nusa Tenggara Timur (NTT) mencapai prevalensi yang sangat tinggi, dengan angka prevalensi stunting sebesar 42,6%. Penelitian ini bertujuan untuk memetakan risiko gizi balita di NTT menggunakan algoritma K-Means clustering, sebuah pendekatan berbasis machine learning untuk mengelompokkan wilayah berdasarkan tingkat risiko gizi. Data yang digunakan mencakup indikator status gizi, prevalensi stunting, dan akses layanan kesehatan. Metode Elbow digunakan untuk menentukan jumlah klaster optimal, menghasilkan delapan klaster. Analisis Silhouette Score sebesar 0,4045 menunjukkan struktur klaster cukup jelas meskipun terdapat potensi overlap. Hasil penelitian mengidentifikasi wilayah dengan risiko gizi tinggi, seperti Sumba Barat, Lembata, Ngada, dan Rote Ndao, yang memerlukan intervensi segera. Wilayah dengan risiko sedang, seperti Sumba Timur dan Manggarai Barat, membutuhkan program peningkatan status gizi. Sementara itu, wilayah dengan risiko rendah, seperti Kota Kupang dan Manggarai, tetap perlu pemantauan untuk mencegah risiko gizi lebih. Temuan ini memberikan dasar berbasis data yang kuat bagi pengambil kebijakan dalam merancang intervensi gizi yang lebih efektif dan efisien di NTT.

References

I. J. Fafo, S. M. Davidson, and K. D. Tauho, “Potret Anak Stunting Usia 2-5 Tahun,” Jurnal Kesehatan Primer, vol. 8, no. 2, pp. 110–119, Nov. 2023, doi: https://doi.org/10.31965/jkp.v8i2.1166.

M. F. Akbar, “Prevalensi Stunting Nasional Turun Jadi 19,8 Persen, Menkes RI Targetkan 18,8 Persen di Tahun 2025,” Kabupaten Kutai Karta Negara.

Nursyamsi, A. Nurlinda, and M. Ikhtiar, “Karakteristik Balita Stunting di Wilayah Kerja UPTD Puskesmas Pakkae Kabupaten Barru,”Journal of Muslim Community Health (JMCH) 2023, vol. 4, no. 3, pp. 169–175, Oct. 2023, doi: 10.52103/jmch.v4i3.1141.

L. Mutawalli, M. Taufan, A. Tantoni, and I. F. Suhriani, “Segmentasi Risiko Kesehatan Bayi dan Balita Menggunakan Algoritma K-Means,” BULLETIN OF COMPUTER SCIENCE RESEARCH, vol. 5, no. 4, pp. 382–391, Jun. 2025, doi: 10.47065/bulletincsr.v5i4.504.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. California: Morgan Kaufmann, 2006.

A. I. Silitonga, Z. A. Nabila, C. R. Z. Lubis, S. Nurdina, and Haryadi, “Klasterisasigizi Buruk Dan Stuntingdi Provinsi Sumatera Utara Menggunakan K-Means Clustering,” Jurnal METHODIKA, vol. 10, no. 2, pp. 13–18, Sep. 2024, doi: https://doi.org/10.46880/mtk.v10i2.3147.

A. R. Romadhoni, A. Romadhoni, D. Taqiyyudin, and A. Abid, “Penerapan Algoritma K-Means dalam Analisis Tingkat Kesehatan Pada Populasi Bayi dan Balita di Kota Semarang,” Journal of Data Science Theory and Application, vol. 3, no. 1, pp. 32–41, May 2024.

M. Kuhn and K. Johnson, Applied Predictive Modeling. London: Springer, 2023.

C. M. Bishop, Pattern Recognition and Machine Learning. New York: Springer-Verlag, 2006.

P. Bickel, P. Diggle, S. Fienberg, U. Gather, I. Olkin, and S. Zeger, Springer Series in Statistics. New York: Springer, 2009. [Online]. Available: http://www.springer.com/series/692

K. Aggarwal, C. Zhang, J. C. Campbell, A. Hindle, and E. Stroulia, “The power of system call traces: predicting the software energy consumption impact of changes.,” in CASCON, 2014, pp. 219–233.

K. Wagstaff and C. Cardie, “Constrained K-means Clustering with Background Knowledge,” San Francisco: Proceedings of the Eighteenth International Conference on Machine Learning, Jun. 2001, pp. 577–584.

R. Hidayati, A. Zubair, A. H. Pratama, and L. Indana, “Analisis Silhouette Coefficientpada 6 Perhitungan Jarak K-Means Clustering Silhouette Coefficient Analysis in 6 Measuring Distancesof K-Means Clustering,” Techno.COM, vol. 20, no. 2, pp. 186–197, 2021.

Downloads

Published

2025-07-23

PlumX Metrics

Scite Metrics

Altmetric

How to Cite

Supardianto, & Mutawalli, L. (2025). ANALISIS KLASTER DATA KESEHATAN BAYI DAN ANAK MENGGUNAKAN K-MEANS STUDI KASUS PROVINSI NUSA TENGGARA TIMUR. Journal Computer and Technology, 3(1), 57–64. https://doi.org/10.69916/comtechno.v3i1.343

Issue

Vol. 3 No. 1 (2025): Juli 2025

Section

Articles

License

Copyright (c) 2025 Supardianto, Lalu Mutawalli

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.