Emerging Statistics and Data Science Journal
Vol. 3 No. 1 (2025): Emerging Statistics and Data Science Journal

Penerapan Algoritma K-Medoids untuk Pengelompokkan Provinsi di Indonesia Berdasarkan Status Gizi Anak Balita

Nikmah, Annisatul (Unknown)
Nisa, Choirun (Unknown)
Riefky, Muhammad (Unknown)



Article Info

Publish Date
30 Jan 2025

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

Copyrights © 2025






Journal Info

Abbrev

esds

Publisher

Subject

Computer Science & IT Mathematics

Description

ESDS publishes scientific articles on statistics and its applications, and also in terms of big data and data science. The article can be a research result, a case study, or a literature review, with coverage: - Statistical Methodology – Articles dealing with new and innovative data analysis ...