Article Per Year (5 Year)
p-Index From 2021 - 2026
1.048
P-Index
This Author published in this journals
All Journal Jurnal Kolaboratif Sains Prosiding Seminar Nasional Official Statistics Eksponensial Social Sciences Insights Journal MERDEKA: Jurnal Ilmiah Multidisiplin Emerging Statistics and Data Science Journal
Raihannabil, Syfriza Davies
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Emerging Statistics and Data Science Journal

 1 
Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023: Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023 Raihannabil, Syfriza Davies
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art32

Abstract

Indonesia sebagai negara dengan geografis yang sangat luas dan kondisi sosial-ekonomi yang beragam menyebabkan ketimpangan status gizi antardaerah. Pada masa baduta (bawah dua tahun), terjadi perbaikan gizi anak yang sangat kritis sehingga intervensi gizi setelah masa ini berdampak kurang signifikan pada perkembangan fisik dan kognitif anak. Penelitian ini menggunakan metode hierarchical clustering untuk klasterisasi provinsi di Indonesia berdasarkan indikator status gizi anak baduta tahun 2023. Analisis menghasilkan jumlah klaster optimum sebanyak 2 klaster dengan algoritma terbaik adalah AGNES. Klaster 1 beranggotakan 16 provinsi dengan permasalahan kekurangan gizi yang tinggi sehingga status gizi pada klaster ini dapat dikategorikan buruk. Sementara itu, klaster 2 beranggotakan 22 provinsi dengan permasalahan kekurangan gizi yang rendah sehingga status gizi pada klaster ini dapat dikategorikan baik. Dengan demikian, pemerintah dapat melakukan evaluasi kebijakan terkait intervensi gizi khususnya pada daerah yang tergolong status gizi buruk, seperti menyediakan program pemberian makanan tambahan (PMT) pada baduta, meningkatkan peran posyandu, dan melakukan pemantauan secara berkala terhadap kondisi status gizi baduta.
Co-Authors Ananda, Rizhieq Dwi Hastin, Nadya Noor Ilyas, Hilmi Malika Atim Kesumawijaya, Anak Agung Istri Anggita Khairani, Nadita Nabila, Chulia Rachma Riani, May Alya Shafira, Hervira Nur Siregar, Tiara Khorijah Hamid Wicaksono, Achmad Maulana Andi