<![CDATA[Masalah gizi buruk dan stunting pada balita di Nusa Tenggara Timur (NTT) mencapai prevalensi yang sangat tinggi, dengan angka prevalensi stunting sebesar 42,6%. Penelitian ini bertujuan untuk memetakan risiko gizi balita di NTT menggunakan algoritma K-Means clustering, sebuah pendekatan berbasis machine learning untuk mengelompokkan wilayah berdasarkan tingkat risiko gizi. Data yang digunakan mencakup indikator status gizi, prevalensi stunting, dan akses layanan kesehatan. Metode Elbow digunakan untuk menentukan jumlah klaster optimal, menghasilkan delapan klaster. Analisis Silhouette Score sebesar 0,4045 menunjukkan struktur klaster cukup jelas meskipun terdapat potensi overlap. Hasil penelitian mengidentifikasi wilayah dengan risiko gizi tinggi, seperti Sumba Barat, Lembata, Ngada, dan Rote Ndao, yang memerlukan intervensi segera. Wilayah dengan risiko sedang, seperti Sumba Timur dan Manggarai Barat, membutuhkan program peningkatan status gizi. Sementara itu, wilayah dengan risiko rendah, seperti Kota Kupang dan Manggarai, tetap perlu pemantauan untuk mencegah risiko gizi lebih. Temuan ini memberikan dasar berbasis data yang kuat bagi pengambil kebijakan dalam merancang intervensi gizi yang lebih efektif dan efisien di NTT.]]>
Copyrights © 2025
