PENGELOMPOKAN PENERIMA LAYANAN PENCEGAHAN STUNTING DI ACEH MENGGUNAKAN METODE K-MEANS DAN K-MEDIAN | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PENGELOMPOKAN PENERIMA LAYANAN PENCEGAHAN STUNTING DI ACEH MENGGUNAKAN METODE K-MEANS DAN K-MEDIAN


Pengarang

AMJAHAS - Personal Name;

Dosen Pembimbing

Muhammad Subianto - 196812111994031005 - Dosen Pembimbing I
Novi Reandy Sasmita - 198906072022031007 - Dosen Pembimbing I



Nomor Pokok Mahasiswa

2108108010097

Fakultas & Prodi

Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas MIPA Statistika., 2025

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Stunting merupakan kondisi gangguan pertumbuhan pada bayi ataupun pada anak balita ditandai dengan tinggi badan yang rendah dari standar usianya, lambatnya dalam pemahaman, dan lain-lain. Penelitian dilakukan menggunakan dataset pelayanan pencegahan stunting di Aceh pada tahun 2023 yang bersumber dari website satu data Indonesia. Penelitian ini bertujuan untuk menganalisis karakteristik kelompok yang dihasilkan, mengelompokkan kecamatan-kecamatan yang ada di Aceh berdasarkan pelayanan pencegahan stuntingnya menggunakan metode K-Means Clustering dan K-Median Clustering serta melihat yang mana lebih baik dalam melakukan clustering terhadap pelayanan pencegahan stunting dengan melakukan indeks validasi cluster menggunakan metode Davies-Bouldien Index, Dunn index, dan Silhouette Coefficient. Namun sebelum dilakukannya clustering terhadap amatan, perlu menentukan jumlah cluster yang akan dibentuk menggunakan metode Silhouette Score dan Elbow Method agar sekiranya pembagian cluster diperoleh dengan baik. Hasil penelitian menunjukkan bahwa metode k-median dengan jumlah cluster (k) = 2 memberikan hasil pengelompokkan terbaik dibuktikan dengan ketiga metode indeks validasi cluster terbaik berada di (k) = 2, sedangakan k-means menunjukkan cluster terbaik berada di (k) = 2 dan (k) = 4. Lalu ketika memperoleh nilai k yang sama pada kedua metode yaitu k-means dan k-median, dilakukan evaluasi cluster menggunakan metode Calinski harabasz dan Between-Cluster Sum of Squares untuk membandingkan cluster yang diperoleh dari kedua metode tersebut, Sehingga terbentuk 2 cluster menggunakan metode k-median, dimana pada cluster 1 adalah kecamatan dengan akses dan penerimaan layanan lebih tinggi, sehingga kemungkinan penanganan dan pencegahan stunting lebih baik. Pada cluster 2 cenderung memiliki akses lebih rendah terhadap intervensi, yang berpotensi menyebabkan kondisi kesehatan masyarakat lebih rentan, terutama terhadap stunting. Penelitian ini mengidentifikasi 2 cluster yang terbentuk dengan karakteristiknya masing-masing.

Stunting is a condition of growth disorders in infants or toddlers characterized by low height compared to the standard for their age, slowness in understanding, and others. The study was conducted using a dataset of stunting prevention services in Aceh in 2023 sourced from the Satu Data Indonesia website. This study aims to analyze the characteristics of the resulting clusters, grouping sub-districts in Aceh based on their stunting prevention services using the K-Means Clustering and K-Median Clustering methods and see which is better in clustering stunting prevention services by conducting cluster validation indexes using the Davies-Bouldien Index, Dunn index, and Silhouette Coefficient methods. However, before clustering the observations, it is necessary to determine the number of clusters to be formed using the Silhouette Score and Elbow Method methods so that the cluster division is obtained properly. The results of the study showed that the k-median method with the number of clusters (k) = 2 provided the best clustering results as evidenced by the three best cluster validation index methods being at (k) = 2, while k-means showed the best clusters were at (k) = 2 and (k) = 4. Then when obtaining the same k value in both methods, namely k-means and k-median, a cluster evaluation was carried out using the Calinski harabasz and Between-Cluster Sum of Squares methods to compare the clusters obtained from the two methods, so that 2 clusters were formed using the k-median method, where in cluster 1 were sub-districts with higher access and acceptance of services, so that the possibility of handling and preventing stunting was better. In cluster 2, there tended to be lower access to interventions, which could potentially cause public health conditions to be more vulnerable, especially to stunting. This study identified 2 clusters that were formed with their respective characteristics..

Citation



    SERVICES DESK