Pembangunan Webgis Untuk Penderita Gizi Buruk Di Kota Medan Berdasarkan Hasil Clustering Algoritma DBSCAN
Abstract
Gizi buruk merupakan kondisi serius di mana berat badan balita jauh lebih rendah dibandingkan tinggi badannya akibat asupan nutrisi yang kurang memadai untuk pertumbuhannya. Gizi buruk dapat memiliki konsekuensi jangka panjang pada perkembangan anak, serta meningkatkan risiko morbiditas dan mortalitas. Tujuan dari penelitian ini adalah untuk mengembangkan Sistem Geografis (SIG) yang menggunakan metode Density Based Spasial Clustering of Application with Noise (DBSCAN) untuk memetakan kasus gizi buruk di Kota Medan. Metode DBSCAN digunakan untuk mengelompokkan data kasus gizi buruk berdasarkan karakteristik yang serupa dan untuk memancarkan hasil pemetaan dengan menggunakan Silhouette Index dan Index Dunn. Selain itu, peneliti juga membangun Sistem Informasi Geografis untuk visualisasi penyebaran gizi buruk, dan menguji sistem dengan Blackbox Testing. Berdasarkan perbandingan validasi cluster, hasil Silhouette Index sebanyak 0,5414 sedangkan Index Dunn sebanyak 0,5124. Selain itu, berhasil mengembangkan Sistem Informasi Geografis (SIG) untuk memetakan kasus gizi buruk di Kota Medan. Sistem ini dirancang khusus untuk Dinas Kesehatan Kota Medan dengan tujuan memberikan informasi yang lebih efisien dalam pemetaan, pemantauan dan pengambilan keputusan terkait penanganan gizi buruk.References
G. Tunggadewi and Z. Lubis, “Implementasi Program Penanggulangan Gizi Buruk di Wilayah Kerja Puskesmas Medan Deli The implementation of malnutrition prevention programs in the work area of Medan Deli Public Health Center,” TROPHICO Trop. Public Heal. J. Fac. Public Heal. USU, pp. 33–41, 2021, [Online]. Available: https://talenta.usu.ac.id/trophico/article/view/7279
D. P. Lestari, “Upaya Pencegahan Risiko Gizi Buruk pada Balita: Literature Review,” J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 1, p. 532, 2022, doi: 10.33087/jiubj.v22i1.1828.
F. Afdhal, R. Arsi, P. Permata Sari, F. Kebidanan dan Keperawatan, U. Kader Bangsa Palembang, and P. Studi Ilmu Keperawatan, “Edukasi Gizi Sehat Dan Seimbang Untuk Pencegahan Gizi Buruk Pada Anak Di Wilayah Kerja Puskesmas Prabumulih Timur,” vol. 2, no. 1, pp. 27–31, 2023, [Online]. Available: https://jurnal.spada.ipts.ac.id/index.php/adam
A. Lamid, N. S. Hartati, and S. Driyah, “Penanganan Balita Gizi Buruk di Puskesmas Provinsi Banten , Jawa Barat , Kalimantan Barat , dan Nusa Tenggara Timur,” J. Penelit. dan Pengemb. Pelayanan Kesehat., vol. 2, no. 3, pp. 175–183, 2018.
Y. M. Rangkuti, M. ustice Panggabean, I. M. K. Karo, and W. N. Fahillah, Sistem Informasi Geografis (SIG) Berdasarkan Klastering: Kasus Penyebaran Covid-19 di Kota Medan, Pertama. Medan: Jejak Pustaka, 2022.
M. D. R. Dewantoro, E. Chumaidiyah, and Y. Prambudia, “Industrial Zone Site Selection Based on Geographic Information System ( GIS ) And Fuzzy Analytic Hierarchy Process ( F-AHP ) in The Northern West Java Province Keywords,” vol. 8, no. 5, pp. 9814–9827, 2021.
A. Sistem, I. Geografis, S. I. G. Pemetaan, L. Pertanian, D. A. N. Komoditas, and H. Panen, “Kabupaten Sidrap Berbasis Web,” Sintaks Log., vol. 2, no. 1, pp. 229–235, 2022.
Y. Rahmanto, S. Hotijah, and . Damayanti, “Perancangan Sistem Informasi Geografis Kebudayaan Lampung Berbasis Mobile,” J. Data Min. dan Sist. Inf., vol. 1, no. 1, p. 19, 2020, doi: 10.33365/jdmsi.v1i1.805.
M. M. Putri, C. Dewi, E. Permata Siam, G. Asri Wijayanti, N. Aulia, and R. Nooraeni, “Comparison of DBSCAN and K-Means Clustering for Grouping the Village Status in Central Java 2020,” J. Mat. Stat. Komputasi, vol. 17, no. 3, pp. 394–404, 2021, doi: 10.20956/j.v17i3.11704.
N. A. Sholikhah, “Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan,” J. Stat. dan Komputasi, vol. 1, no. 1, pp. 42–53, 2022, doi: 10.32665/statkom.v1i1.443.
B. N. Sari and A. Primajaya, “Penerapan Clustering Dbscan Untuk Pertanian Padi Di Kabupaten Karawang,” J. Inform. dan Komput., vol. 4, no. 1, pp. 28–34, 2019, [Online]. Available: www.mapcoordinates.net/en.
N. Nurhaliza, “Pengelompokan Data Kasus Covid-19 di Dunia Menggunakan Algoritma DBSCAN Clustering,” IJIRSE Indones. J. Inform. Res. Softw. Eng., vol. 1, no. 3, pp. 1–8, 2020.
R. Mahendra, F. Azmi, and ..., “Klasterisasi Pada Data Penggunaan Listrik Di Gedung Telkom University Menggunakan Algoritma Density-Based Spatial Clustering Of Application With Noise …,” eProceedings …, vol. 8, no. 6, pp. 12014–12023, 2021, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/16997%0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/16997/16713
B. Everitt, Cluster analysis, vol. 14, no. 1. 1980. doi: 10.1007/BF00154794.
L. Qadrini, “Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017,” J Stat. J. Ilm. Teor. dan Apl. Stat., vol. 13, no. 2, pp. 5–11, 2020, doi: 10.36456/jstat.vol13.no2.a2886.
W. Rokhimah and Kismiantini, “Analisis Clustering Tingkat Kerawanan Wilayah Terhadap Kasus Penyakit di Kabupaten Sleman Dengan Metode K-Means,” vol. 8, pp. 114–128, 2023.
A. S. N. S. Ningrum, “Content Based Dan Collaborative Filtering Pada Rekomendasi Tujuan Pariwisata Di Daerah Yogyakarta,” Telematika, vol. 16, no. 1, p. 44, 2019, doi: 10.31315/telematika.v16i1.3023.
