Perbandingan GA-K Means dan K Means untuk Klusterisasi Penerimaan Bantuan Stunting di Kabupaten Sumenep

Authors

  • Amelia Nur Septiyasari Universitas Trunojoyo Madura
  • Arifatul Maghfiroh Universitas Trunojoyo Madura
  • Achmad Jauhari Universitas Trunojoyo Madura
  • Ika Oktavia Suzanti Universitas Trunojoyo Madura

DOI:

https://doi.org/10.25273/doubleclick.v8i2.18598

Keywords:

Stunting, K-Means, Clustering, Genetic Algorithm, Assistance Program

Abstract

Stunting merupakan masalah kesehatan serius yang menghambat pertumbuhan dan perkembangan anak balita akibat kekurangan gizi kronis, terutama pada 1.000 hari pertama kehidupan. Meskipun prevalensi stunting di Indonesia mengalami penurunan, masih di bawah standar WHO yang menargetkan prevalensi stunting kurang dari 20%. Oleh karena itu, diperlukan program bantuan yang tepat sasaran untuk mengatasi masalah ini. Penelitian ini menggabungkan metode K-Means Clustering dan Genetic Algorithm untuk melakukan klusterisasi penerima bantuan stunting di Kabupaten Sumenep. Hasil penelitian diperoleh nilai silhoute score sebesar 0.3106 dan nilai Davies-Bouldin Index sebesar 1.4451 pada proses pengujian clustering K-Means biasa. Sementara dengan adanya seleksi fitur menggunakan Algoritma Genetika, terjadi peningkatan yang signifikan dalam kedua metrik evaluasi yakni dengan nilai Silhouette Score: 0.6401 dan nilai Davies-Bouldin Index sebesar 0.6090. Hal ini menandakan bahwa penggunaan fitur yang lebih relevan atau signifikan dapat membantu algoritma clustering menghasilkan kluster yang lebih baik.

Downloads

Download data is not yet available.

References

Izwardy, D., & Irianto, S. E. (2020). Prevalensi Dan Faktor Risiko Stunting Pada Balita 24-59 Bulan Di Indonesia: Analisis Data Riset Kesehatan Dasar 2018 [Prevalence And Stunting Risk Factors In Children 24-59 Months In Indonesia: Analysis Of Basic Health Research Data 2018]. Penelitian Gizi Dan Makanan (The Journal of Nutrition and Food Research), 43(2), 51-64.

Kuntjoro, D. A., Setiawan, B. D., & Perdana, R. S. (2018). Algoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3865-3872

Prasetio, R. T. (2020). Seleksi Fitur Dan Optimasi Parameter K-Nn Berbasis Algoritma Genetika Pada Dataset Medis. Jurnal Responsif: Riset Sains dan Informatika, 2(2), 213-221.

Kusnadi, Y., & Putri, M. S. (2021). Clustering Menggunakan Metode K-Means Untuk Menentukan Prioritas Penerima Bantuan Bedah Rumah (Studi Kasus: Desa Ciomas Bogor). Jurnal Teknologi Informatika dan Komputer, 7(1), 17-24.

Khotimah, B. K., Syarief, M., Miswanto, M., & Suprajitno, H. (2021). Optimasi Bobot K-Means Clustering untuk Mengatasi Missing Value dengan Menggunakan Algoritma Genetica. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(4), 745-752.

Al Rivan, M. E., & Sonaru, R. A. (2022). Perbandingan Metode K-Means Dan GA K-Means Untuk Clustering Dataset Heart Disease Patients. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 9(3), 2585-2597

Rahmawati, D., & Agustin, L. (2020). Cegah stunting dengan stimulasi psikososial dan keragaman pangan. AE Publishing.

http://devberita.kemendesa.go.id/web_pdp/media/download/lampiran/20230605104758_PANDUAN_FASILITASI_KONVERGENSI_PENURUNAN_STUNTING_DI_DESA.pdf

Sari, D., Nugraheni, S. A., & Rahfiludin, M. Z. (2023). Intervensi Gizi Sensitif dalam Penurunan Stunting: Studi Kualitatif. Media Publikasi Promosi Kesehatan Indonesia (MPPKI), 6(9), 1878-1886..

GHUFRON, G., Surarso, B., & Gernowo, R. (2020). SISTEM INFORMASI CLUSTERING KUALITAS PROGRAM STUDI MENGGUNAKAN OLAP (ONLINE ANALYTICAL PROCESSING) DAN K-MEDOIDS (Doctoral dissertation, School of Postgraduate).

Handoko, S., Fauziah, F., & Handayani, E. T. E. (2020). Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering. Jurnal Ilmiah Teknologi dan Rekayasa, 25(1), 76-88.

Putra, I. M. S. (2018). Penerapan Algoritma Genetika Dan Implementasi Dalam MATLAB. vol, 53, 1689-1699.

Published

28-02-2025