Electronic Theses and Dissertation

Stunting merupakan masalah gizi kronis yang menjadi prioritas nasional di Indonesia
karena berdampak pada kualitas sumber daya manusia serta pembangunan jangka
panjang. Dalam upaya mempercepat penanganan stunting, Badan Pusat Statistik (BPS)
mengembangkan Indeks Khusus Penanganan Stunting (IKPS) sebagai alat untuk
memantau kinerja penanganan di setiap wilayah. Namun, masih terdapat perbedaan
capaian yang cukup besar antarkabupaten/kota, sehingga diperlukan pendekatan
analisis untuk mengelompokkan wilayah berdasarkan kesamaan karakteristik
indikator penanganan stunting. Penelitian ini bertujuan untuk mengelompokkan
kabupaten/kota di Indonesia berdasarkan indikator IKPS tahun 2022 menggunakan
algoritma Clustering Large Applications (CLARA). Metode CLARA dipilih karena
mampu mengolah data dalam jumlah besar secara efisien serta lebih tahan terhadap
pengaruh outlier dengan metode clustering lainnya. Data yang digunakan terdiri dari
sepuluh variabel yang mewakili lima dimensi utama, yaitu kesehatan, gizi, perumahan,
pendidikan, dan perlindungan sosial. Proses analisis dilakukan dengan beberapa
tahapan, yaitu penentuan jumlah cluster optimal menggunakan Silhouette Coefficient,
penentuan parameter CLARA, menentukan cluster terbaik dengan Silhouette
Coefficient, Calinski–Harabasz Index dan Connectivity Index dan menentukan
medoids setiap cluster. Hasil penelitian menunjukkan bahwa jumlah cluster optimal
yang terbentuk adalah dua cluster. Cluster pertama terdiri dari 379 kabupaten/kota
sedangkan cluster kedua terdiri dari 135 kabupaten/kota. Hasil pengelompokan ini
diharapkan dapat menjadi dasar pertimbangan bagi pemangku kebijakan dalam
merancang intervensi yang lebih tepat sasaran, guna mendukung upaya percepatan
penurunan prevalensi stunting di Indonesia.

Stunting is a chronic nutritional problem that has become a national priority in Indonesia due to its impact on human capital and long-term development. To accelerate stunting mitigation, the Central Statistics Agency (BPS) developed the Special Index for Handling Stunting (IKPS) as a tool to monitor mitigation performance in each region. However, significant disparities in progress remain among districts and cities, necessitating an analytical approach to group regions based on the similarity of stunting response indicator characteristics. This study aims to group districts and cities in Indonesia based on 2022 IKPS indicators using the Clustering Large Applications (CLARA) algorithm. The CLARA method was chosen for its efficiency in processing large datasets and its resistance to outliers compared to other clustering methods. The data used consists of ten variables representing five main dimensions: health, nutrition, housing, education, and social protection. The analysis process consists of several steps: determining the optimal number of clusters using the Silhouette Coefficient; determining the CLARA parameters; identifying the best clusters using the Silhouette Coefficient, the Calinski–Harabasz Index, and the Connectivity Index; and determining the medoids for each cluster. The results indicate that the optimal number of clusters is two. The first cluster consists of 379 regencies and cities, while the second cluster consists of 135 regencies and cities. It is hoped that these clustering results will serve as a basis for policymakers to design more targeted and data-driven interventions to accelerate the reduction of stunting prevalence in Indonesia.