<![CDATA[Stunting merupakan masalah gizi kronis yang masih menjadi tantangan besar di Indonesia. Provinsi Jawa Barat memiliki prevalensi stunting sebesar 21,7%, sehingga menjadi provinsi dengan prevalensi stunting tertinggi kedua di Pulau Jawa. Untuk mendukung upaya pencegahan stunting, penelitian ini bertujuan mengelompokkan desa-desa di Jawa Barat berdasarkan kelompok keluarga berisiko stunting menggunakan algoritma K-Means dan K-Medoids, serta mengevaluasi performa kedua algoritma tersebut. Penelitian ini menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian menunjukkan bahwa algoritma K-Means membentuk tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 106 desa, dan klaster tinggi sebanyak 9 desa. Sementara itu, algoritma K-Medoids juga menghasilkan tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 105 desa, dan klaster tinggi sebanyak 14 desa. Hasil evaluasi menunjukkan bahwa algoritma K-Means memiliki performa yang lebih baik dengan nilai Silhouette Score sebesar 0,9278 dan Davies–Bouldin Index (DBI) sebesar 0,9380 dibandingkan algoritma K-Medoids, yang memperoleh nilai Silhouette Score sebesar 0,9233 dan DBI sebesar 1,0699. Penelitian ini diharapkan dapat membantu pemerintah dalam menentukan prioritas intervensi stunting secara lebih tepat sasaran serta menjadi referensi dalam pengembangan metode klasterisasi menggunakan algoritma K-Means dan K-Medoids.]]>
Copyrights © 2026
