Electronic Theses and Dissertation

Kekurangan gizi masih menjadi tantangan serius dalam bidang kesehatan masyarakat di Indonesia, dengan variasi dan karakteristik yang beragam di setiap provinsi. Penelitian ini bertujuan mengelompokkan provinsi di Indonesia berdasarkan indikator kekurangan gizi dan faktor determinannya pada tahun 2020–2023 menggunakan metode Agglomerative Hierarchical Clustering. Data yang digunakan merupakan data sekunder yang bersumber dari Kementerian Kesehatan RI dan Badan Pusat Statistik (BPS), mencakup 34 provinsi di Indonesia. Variabel yang digunakan meliputi persentase stunting, underweight, dan wasting, serta faktor determinan yang mencakup sanitasi layak, tingkat kemiskinan, rata-rata lama sekolah, dan Pola Pangan Harapan (PPH). Empat metode pengelompokan yang dibandingkan dalam penelitian ini adalah Single Linkage, Complete Linkage, Average Linkage, dan Ward’s Method. Evaluasi metode terbaik ditentukan menggunakan nilai Cophenetic Correlation Coefficient (CCC), sedangkan jumlah klaster optimal ditentukan menggunakan tiga ukuran evaluasi internal, yaitu Connectivity Index, Dunn Index, dan Silhouette Index. Hasil penelitian menunjukkan bahwa metode Average Linkage merupakan metode terbaik untuk keempat tahun pengamatan berdasarkan nilai CCC tertinggi yang konsisten. Jumlah klaster optimal yang terbentuk pada masing-masing tahun bervariasi dengan karakteristik yang berbeda pada setiap kelompok, mencerminkan perbedaan kategori kekurangan gizi di seluruh provinsi Indonesia. Penelitian ini diharapkan dapat menjadi rujukan bagi pemerintah dalam mengidentifikasi wilayah prioritas intervensi gizi serta mendukung perencanaan program percepatan penurunan angka kekurangan gizi di Indonesia.

Malnutrition remains a serious challenge in public health in Indonesia, with variations and characteristics that differ across provinces. This study aims to cluster provinces in Indonesia based on malnutrition indicators and their determinant factors from 2020 to 2023 using the Agglomerative Hierarchical Clustering method. The data used are secondary data sourced from the Ministry of Health of the Republic of Indonesia and the Central Bureau of Statistics (BPS), covering 34 provinces in Indonesia. The variables used include the percentages of stunting, underweight, and wasting, as well as determinant factors comprising proper sanitation, poverty rate, mean years of schooling, and Desirable Dietary Pattern (PPH). Four clustering methods compared in this study are Single Linkage, Complete Linkage, Average Linkage, and Ward’s Method. Evaluation of the best method was conducted using the Cophenetic Correlation Coefficient (CCC), while the optimal number of clusters was determined using three internal evaluation measures, namely the Connectivity Index, Dunn Index, and Silhouette Index. The results show that the Average Linkage method is the best method for all four years of observation based on consistently the highest CCC values. The optimal number of clusters formed in each year varies with different characteristics in each group, reflecting differences in malnutrition all provinces in Indonesia. This study is expected to serve as a reference for the government in identifying priority areas for nutritional intervention and supporting the planning of programs to accelerate the reduction of malnutrition rates in Indonesia.