<![CDATA[Stunting merupakan salah satu masalah kesehatan masyarakat yang serius di Indonesia, memengaruhi pertumbuhan fisik dan kognitif anak-anak. Penelitian ini bertujuan untuk mengelompokkan status gizi anak-anak berdasarkan data antropometri untuk mengidentifikasi kelompok risiko tinggi stunting. Dataset yang digunakan terdiri dari 120.000 entri dengan variabel umur (bulan), tinggi badan (cm), jenis kelamin, dan status gizi, yang diperoleh dari sumber sekunder. Metode penelitian menggunakan algoritma K-Means untuk klasterisasi data dengan jumlah klaster optimal ditentukan melalui metode Elbow dan Silhouette Score. Proses analisis melibatkan tahap preprocessing, klasterisasi, dan validasi serta evaluasi eksternal. Hasil penelitian menunjukkan bahwa data dapat dikelompokkan ke dalam empat klaster dengan karakteristik yang berbeda. Klaster 0 dan Klaster 2 didominasi oleh anak usia muda (0–35 bulan) dengan rata-rata tinggi badan masing-masing 74.34 cm dan 73.13 cm, yang mencerminkan kelompok risiko tinggi stunting. Sebaliknya, Klaster 1 dan Klaster 3 mencakup anak-anak dengan pertumbuhan optimal, dengan rata-rata tinggi badan di atas 100 cm. Analisis korelasi menunjukkan hubungan signifikan antara tinggi badan, umur, dan status gizi, mendukung pentingnya intervensi gizi pada kelompok risiko tinggi. Penelitian ini memberikan kontribusi penting dalam upaya pencegahan stunting melalui identifikasi kelompok risiko tinggi secara lebih terarah. Temuan ini relevan untuk mendukung program kesehatan masyarakat di Indonesia, khususnya dalam merancang intervensi berbasis data untuk meningkatkan status gizi anak-anak. Pendekatan klasterisasi berbasis machine learning yang digunakan membuktikan efektifitasnya dalam memetakan pola pertumbuhan anak, sehingga dapat digunakan untuk mendukung perencanaan kebijakan yang lebih efisien.]]>
Copyrights © 2024
