Claim Missing Document
Check
Articles

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

Penerapan Algoritma K-Medoids untuk Pengelompokkan Provinsi di Indonesia Berdasarkan Status Gizi Anak Balita Nikmah, Annisatul; Nisa, Choirun; Riefky, Muhammad
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art7

Abstract

Masalah gizi masih menjadi tantangan besar di Indonesia, terutama dalam hal stunted, wasted, dan underweight. Perbaikan status gizi menjadi salah satu fokus utama pembangunan nasional yang tercantum dalam RPJM 2020-2024, dengan target penurunan prevalensi stunted hingga 14%. Salah satu pendekatan yang dapat dilakukan adalah mengelompokkan provinsi berdasarkan status gizinya untuk mendukung pengambilan kebijakan yang lebih efektif dalam menekan prevalensi masalah gizi, terutama pada kasus stunted. Metode K-Medoids digunakan untuk melakukan pengelompokan provinsi berdasarkan indikator gizi, dengan evaluasi jumlah cluster terbaik menggunakan indeks validitas Davies-Bouldin Index (DBI). Hasil analisis menunjukkan Indonesia terbagi menjadi dua cluster utama, yakni cluster pertama terdiri dari provinsi dengan status gizi yang kurang baik sebanyak 22 provinsi, sementara cluster kedua mencakup provinsi dengan status gizi yang baik sebanyak 12 provinsi. Sehingga pemerintah Indonesia perlu mengadakan edukasi kepada ibu hamil dan keluarga dengan anak balita berupa kampanye pentingnya keseimbangan gizi melalui media massa dan penggalakan pemberian ASI eksklusif selama 6 bulan pertama pada bayi lahir terutama pada provinsi dengan status gizi kurang baik. Kata Kunci: Balita, Gizi, K-Medoids, Cluster