PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS FAKTOR PENYEBAB STUNTING

Abstract

Stunting masih menjadi salah satu permasalahan utama dalam kesehatan masyarakat di Indonesia karena berdampak pada pertumbuhan fisik anak, perkembangan kognitif, serta kualitas sumber daya manusia di masa depan. Kondisi ini umumnya disebabkan oleh kekurangan gizi kronis yang terjadi dalam jangka panjang dan dipengaruhi oleh berbagai faktor, seperti sanitasi lingkungan, akses layanan kesehatan, serta kondisi sosial ekonomi. Meskipun berbagai upaya telah dilakukan, analisis faktor penyebab stunting, khususnya di tingkat desa, masih belum dilakukan secara terstruktur dan berbasis data. Hal ini menyebabkan intervensi yang diberikan sering kali kurang tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan wilayah desa berdasarkan faktor risiko stunting guna mendukung perumusan kebijakan yang lebih efektif. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD) dengan algoritma K-Means Clustering yang memanfaatkan tujuh variabel indikator. Proses analisis dilakukan melalui tahapan preprocessing, transformasi data, serta proses clustering. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai silhouette sebesar 0,36, yang terdiri dari cluster risiko tinggi, sedang, dan rendah. Temuan ini diharapkan dapat menjadi dasar dalam pengambilan keputusan dan perencanaan program penanganan stunting yang lebih terarah dan berbasis data.