Azzah Aulia Syarif
Department of Informatics, Universitas Muhammadiyah Makassar, Makassar, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Integrasi Principal Component Analysis dan DBSCAN untuk Klasterisasi Tingkat Keparahan Stunting pada Balita Azzah Aulia Syarif; Rizki Yusliana Bakti; Muhammad Faisal; Nini Apriani Rumata; Titik Khawa Abd Rahman; Andi Makbul Syamsuri; M. Agusalim
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3512

Abstract

Stunting masih menjadi masalah kesehatan masyarakat yang serius. Variasi karakteristik antropometri pada balita stunting membuat satu kategori klasterisasi tidak cukup merepresentasikan kondisi pertumbuhan secara menyeluruh. Penelitian ini mengusulkan integrasi Principal Component Analysis (PCA) dan DBSCAN untuk mengidentifikasi subkelompok keparahan stunting pada balita di Puskesmas Turikale (Agustus 2025; n = 406). Setelah pembersihan dan standardisasi usia, PCA diterapkan pada HAZ, WAZ, WHZ, dan usia saat  pengukuran, menghasilkan tiga komponen utama (PC1–PC3) yang menjelaskan 99.35% variasi data. DBSCAN pada ruang PCA (ε = 0.60; MinPts = 5; Euclidean) menghasilkan tiga klaster dengan 12.56% noise yang direalokasi menggunakan nearest-centroid agar seluruh sampel berlabel. Hasil menunjukkan tiga subkelompok: stunting sedang dengan underweight pada usia lebih tua (n = 357), stunting sedang disertai risiko gizi lebih pada usia lebih muda (n = 24), dan stunting berat pada usia dini (n = 25). Dibandingkan K-medoids dan Fuzzy C-Means, PCA–DBSCAN memberikan validasi internal terbaik (Silhouette = 0.277; DBI = 1.062; Dunn = 0.0765). Pendekatan ini menghasilkan profil antropometri yang dapat digunakan sebagai alat bantu penentuan prioritas pemantauan dan penilaian gizi di layanan kesehatan primer, tanpa menggantikan klasifikasi WHO.