Visualisasi Clustering Penderita Stunting Di Kabupaten Langkat Berbasis WebGIS
DOI:
https://doi.org/10.53513/jsk.v6i2.8326Keywords:
ilmu komputerAbstract
Stunting adalah kondisi gagal pertumbuhan pada anak (pertumbuhan tubuh dan otak) akibat kekurangan gizi dalam waktu yang lama, sehingga, anak lebih pendek atau perawakan pendek dari anak normal seusianya dan memiliki keterlambatan dalam berpikir. Clustering merupakan sebuah metode dalam data mining yang berfungsi untuk membantu proses pengelompokkan data dengan karakteristik yang sama ke suatu wilayah atau kelompok yang sama dan data dengan karakteristik yang berbeda ke wilayah atau kelompok yang lain. Pengelompokkan data yang digunakan dalam penelitian ini diterapkan pada penelitian penderita stunting dalam setiap desa dengan mengelompokkan desa tingkat stunting sangat tinggi, tinggi, sedang dan rendah dengan parameter yang ditentukan yaitu jumlah balita, jumlah penderita stunting dan persentase antara balita dengan penderita stunting. Pengelompokkan hasil stunting bertujuan untuk menginformasikan kepada masyarakat dan pemerintah daerah tentang tingkat penderita stunting. Dalam penelitian ini daerah pengelompokkan yang sudah didapat dimunculkan ke dalam peta untuk dapat menyajikan suatu sistem informasi geografis untuk kesehatan masyarakat. Pengimplementasian metode K-Means terletak pada centroid dan perhitungan jarak untuk mendapatkan jarak terdekat dengan menggunakan Euclidean Distance. Dengan data uji sebanyak data desa di Kabupaten Langkat pada tahun 2021, dapat disimpulkan bahwa sistem mampu mengelompokkan penderita stunting di setiap desa menjadi empat kluster dengan akurasi metode K-Means clustering mencapai 85.4%.References
D. Husnaniyah, D. Yulyanti, and Rudiansyah, “Hubungan Tingkat Pendidikan Ibu dengan Kejadian Stunting,†The Indonesian Journal of Health Science, vol. 12, no. 1, pp. 57–64, 2020.
R. A. M. Swastika and P. F. Wiyoko, “Hubungan Sosial Ekonomi Keluarga dengan Kejadian Stunting Tahun 2021: Literature Review,†Borneo Student Research, vol. 3, no. 3, pp. 2823–2834, 2022.
Kementerian Kesehatan RI, “RISKESDAS Kementerian Kesehatan RI,†2018.
N. R. Fauzia, N. M. A. Sukmandari, and K. Y. Triana, “Hubungan Status Pekerjaan Ibu Dengan Status Gizi Balita,†CARING, vol. 3, no. 1, pp. 28–32, 2019.
K. Rahmadhita, “Permasalahan Stunting dan Pencegahannya Stunting Problems and Prevention,†Jurnal Ilmiah Kesehatan Sandi Husada, vol. 11, no. 1, pp. 225–229, 2020, doi: 10.35816/jiskh.v10i2.253.
Musfiani, “Analisis Cluster Dengan Menggunakan Metode Partisi Pada Pengguna Alat Kontrasepsi Di Kalimantan Barat,†Bimaster, vol. 8, no. 4, pp. 893–932, 2019.
D. Andiani, S. D. R. Septiani, and A. Riana, “Analisis Teknik non-Hierarki untuk Pengelompokan Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Indikator Kesejahteraan Rakyat 2020,†Jurnal Riset Matematika dan Sains Terapan, vol. 21, no. 1, pp. 21–28, 2022.
R. A. Prabowo, K. Nisa, A. Faisol, and E. Setiawan, “Simulasi Pemilihan Metode Analisis Cluster Hirarki Agglomerative Terbaik Antara Average Linkage Dan Ward Pada Data Yang Mengandung Masalah Multikolinearitas,†Jurnal Siger Matematika, vol. 01, no. 02, pp. 49–55, 2020.
R. A. Polihito, M. Latjompoh, and N. Y. Kandowangko, “Hubungan Kekerabatan Fenetik Lima Anggota Familia Araceae,†BIOSFER, vol. 7, no. 2, pp. 128–133, 2022.
M. F. Hafiz, I. Faisal, and I. Lubis, “Perancangan Klasifikasi Pemetaan Kelas Siswa Unggulan Menggunakan Metode K-Means Clustering Pada SMA Negeri 3 Tanjung Balai Berbasis Web,†ALGORITMA, vol. 6, no. 2, 2022.
Saefudin and D. Susandi, “Sistem Informasi Geografis Untuk Analisa Spasial Potensi Lembaga Pendidikan Ketrampilan,†Jurnal Sistem Informasi , vol. 7, no. 2, pp. 123–131, 2020.
A. A. Vernanda, A. Faisol, and N. Vendyansyah, “Penerapan Metode K-Means Clustering Untuk Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Di Kota Malang Berbasis Website,†JATI, vol. 5, no. 2, pp. 836–844, 2021.
