<![CDATA[Pemantauan status gizi balita secara berkala sangat penting guna mendukung deteksi dini risiko gangguan tumbuh kembang. Seiring bertambahnya data yang diukur setiap bulannya, diperlukan pendekatan efektif untuk memudahkan pemantauan perubahan status gizi balita secara berkala. Penelitian ini bertujuan mengelompokkan status gizi balita menggunakan algoritma K-Means dengan memanfaatkan gabungan data riwayat status gizi dari beberapa periode pengukuran, sehingga hasilnya dapat dimanfaatkan untuk memantau dinamika perubahan antar waktu. Data bersumber dari Posyandu Melati Kelurahan Kota Pagatan periode Januari hingga September 2025. Penelitian ini menggunakan kerangka kerja Knowledge Discovery in Databases (KDD) dengan menguji dua skenario, skenario satu menggunakan variabel Z-Score BB/U, TB/U, BB/TB, dan skenario kedua menambahkan simulasi Z-Score LKU untuk mengeksplorasi pengaruh variabel tersebut. Kedua skenario diuji dalam tiga variasi durasi, periode tiga bulan (585 baris data dari 195 balita), enam bulan (1.110 baris data dari 185 balita), dan sembilan bulan (1.530 baris data dari 170 balita). Berdasarkan evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI) pada seluruh skenario pemodelan, model terbaik diperoleh pada skenario satu periode enam bulan yang menghasilkan nilai Silhouette Score 0,4020 dan DBI 0,7846 dengan empat klaster yakni risiko gizi kurang dan pendek (stunted), risiko gizi lebih/obesitas, risiko pendek (stunted), dan relatif normal. Hasil klasterisasi digunakan untuk analisis perpindahan klaster yang menunjukkan sebagian balita stabil, membaik, menurun, maupun tidak stabil, sehingga pendekatan ini dapat menjadi acuan tindak lanjut bagi kader dalam memantau perubahan status gizi balita secara lebih cepat.]]>
Copyrights © 2026
