PENERAPAN METODE K-MEANS UNTUK KLASTERISASI PERTUMBUHAN FISIK PADA SISTEM INFORMASI POSYANDU

Abstract

Pemantauan kesehatan anak di Posyandu sering kali terhambat oleh sistem pencatatan perkembangan balita yang masih bersifat konvensional. Keterbatasan sistem manual ini menyulitkan deteksi dini terhadap anak-anak yang membutuhkan intervensi medis khusus. Guna mengatasi permasalahan tersebut, penelitian ini merancang sebuah sistem informasi Posyandu berbasis web yang terintegrasi dengan algoritma K-Means Clustering untuk mengotomatisasi pengelompokan status pertumbuhan fisik anak. Evaluasi dan pengembangan sistem ini mengadopsi kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM), yang mencakup fase analisis kebutuhan hingga tahap penyebaran (deployment). Atribut yang dianalisis meliputi berat badan, tinggi badan, lingkar kepala, dan lingkar lengan atas dari data historis periode Januari 2024 sampai April 2026. Implementasi algoritma K-Means berhasil memetakan kondisi balita ke dalam tiga strata: normal (33,3%), waspada (38,9%), dan memerlukan perhatian khusus (27,8%). Melalui visualisasi data berbentuk grafik dan tabel, platform digital ini terbukti mampu mengoptimalkan efisiensi dan akurasi kader Posyandu dalam mengawasi tumbuh kembang anak