PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI PAPUA BERDASARKAN FAKTOR PENYEBAB STUNTING
Keywords:
centroid, K-Means, Silhoutte Coefficient Index, StuntingAbstract
Stunting merupakan masalah gizi akibat kekurangan asupan gizi yang berlangsung lama terutama pada 1000 hari pertama kehidupan. Berdasarkan Survei Status Gizi Indonesia, pada tahun 2022 angka prevalensi stunting pada balita di Provinsi Papua mencapai 34,6%. Angka prevalensi ini masih tergolong tinggi sehingga perlu dilakukan upaya agar dapat mengatasi masalah stunting di Provinsi Papua. Salah satu upaya yang dapat dilakukan adalah memahami karakteristik dari masing-masing Kabupaten/Kota di Provinsi Papua melalui analisis pengelompokan. Penelitian ini bertujuan untuk melakukan pengelompokan Kabupaten/Kota di Provinsi Papua berdasarkan faktor penyebab stunting. Terdapat dua metode dalam analisis pengelompokan yaitu hierarki dan non hierarki. Metode hierarki memiliki lima metode yaitu Pautan tunggal, Pautan lengkap, Pautan rata-rata, Metode Ward dan Metode Centroid. Pemilihan metode yang terbaik pada metode hierarki, digunakan uji korelasi Cophenetic. Metode pengelompokan yang digunakan pada penelitian ini adalah metode Centroid dan K-Means. Uji validasi yang digunakan untuk membandingkan metode Centroid dan K-Means berdasarkan faktor penyebab stunting di Provinsi Papua yaitu uji Silhouette Coefficient Index. Berdasarkan uji Silhouette Coefficient Index, diperoleh bahwa pada metode Centroid dan K-Means jumlah kelompok optimal yang terbentuk adalah dua kelompok. Kelompok pertama beranggotakan 21 Kabupaten/Kota dan Kelompok kedua beranggotakan 3 Kabupaten/Kota. Berdasarkan uji Silhouette Coefficient Index juga diperoleh bahwa metode yang lebih baik pada penelitian ini adalah metode Centroid karena nilai Silhouette Coefficient Index yang diperoleh lebih tinggi dari metode K-Means.
References
Bappenas. 2019. Pembangunan Gizi Indonesia. Jakarta. Direktorat Kesehatan dan Gizi Masyarakat.
Ghaisani, S. Y. Hikmah, N. Prasetyo, A. H. dan Widodo. E. 2019. Analisis cluster hirarki untuk pengelompokan provinsi di Indonesia berdasarkan indikator demokrasi Indonesia tahun 2016. Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya (KNPMP) IV Universitas Muhammadiyah Surakarta, 27 Maret 2019.
Hidayat, T. dan Jajuli. M. 2023. Clustering daerah rawan stunting di Jawa Barat menggunakan algoritma K-Means. INFOTECH: Jurnal Informatika & Teknologi. Vol. 4. http://jurnal.sttmcileungsi.ac.id/index.php/infotech. DOI:10.37373/infotech.v4i2.642.
Jain, A. K. and Dubes. R. C. 1988. Algorithms for clustering data. America. Prentice-Hall, Inc.
Kaufman, L. and Rousseeuw. P. J. 1990. Finding groups in data: an introduction to cluster analysis. America. John Wiley & Sons.
Kementrian Kesehatan RI. 2018. Buletin Jendela Data dan Informasi: Situasi Balita Pendek (Stunting) Di Indonesia. Jakarta. https://fliphtml5.com/qwklg/gvdc/basic.
Kementrian Kesehatan RI. 2023. Buletin Jendela Data dan Informasi: Prevalensi Stunting di Indonesia Turun ke 21,6% dari 24,4%. Jakarta. https://sehatnegeriku.kemkes.go.id/baca/rilis-media/20230125/3142280/prevalensi-stunting-di-indonesia-turun-ke-216-dari-244/.
Kusumawardhani, R. Rizqiena, Z. D. dan Astuti. S. P. 2021. Ekonometrika Suatu Pengantar. Yogyakarta. Gerbang Media Aksara.
Nugroho, S. 2008. Statistika Multivariat Terapan. Bengkulu. UNIB Press Bengkulu.
Rousseeuw, P. J. 1987. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of computational and applied mathematics.
Salsabila, A. Fitriyan, D. A. Rahmiati, H. Sekar, M. dkk. 2021. Upaya Penurunan Stunting Melalui Peningkatan Pola Asuh Ibu. Jurnal Pengabdian Kesehatan Masyarakat (Pengmaskesmas). Vol.1. DOI: doi.org/10.31849/pengmaskesmas.v1i2/5739
Susilowati, T. Sugiarto, D. dan Mardianto, I. 2020. Uji Validasi Algoritmaa Self-Organizing Map (SOM) dan K-Means untuk Pengelompokan Pegawai. Rekayasa Sistem dan Teknologi Informasi. Vol. 4 http://jurnal.iaii.or.id.
