PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS CLUSTERING UNTUK PEMETAAN KECAMATAN DI KABUPATEN BANTUL BERDASARKAN STATUS GIZI BALITA

Guntur Andreansyah, Program Studi Matematika Universitas Negeri Yogyakarta, Indonesia
Bambang Sumarno Hadi Marwoto, Program Studi Matematika Universitas Negeri Yogyakarta, Indonesia

 10.21831/jktm.v11i1.23088

Abstract


Berdasarkan survei status gizi, keadaan gizi balita di Kabupaten Bantul memiliki masalah gizi ganda (double burden). Selain melalui survei status gizi, pemahaman tentang keadaan status gizi balita dapat dilakukan melalui pemetaan. Penelitian bertujuan untuk memetakan status gizi balita di Kabupaten Bantul berdasarkan hasil perbandingan terbaik antara algoritma K-Means dan K-Medoids. Data status gizi yang digunakan mencakup 15 variabel penyebab tidak langsung yang mempengaruhi status gizi dari kecamatan di Kabupaten Bantul tahun 2022 dan 2023. Clustering menggunakan algoritma K-Means dan K-Medoids yang hasilnya divalidasi dengan metode Davies-Bouldin Index dan Silhouette Coefficient. Hasil analisis menunjukan bahwa algoritma K-Means dengan tiga cluster merupakan algoritma teroptimal dengan nilai validasi Davies-Bouldin Index 1,3829301131 dan Silhouette Coefficient 0,2088311419. Tiga cluster yang terbentuk selanjutnya dikategorikan sebagai: tingkat status gizi balita sedang (14 data), buruk (8 data), dan baik (12 data). Berdasarkan hasil tersebut, diharapkan dapat menjadi dasar untuk evaluasi dan peningkatan status gizi balita di Kabupaten Bantul.


Full Text:

PDF

References


Anniza Andyani, R., Qolbi Shobri, M., Adzib Baihaqi, M., Balqis Al-Kubro, P., Syahriandi Adhantoro, M., & Penulis Rhavida Anniza Andyani, K. (2024). Aplikasi Metode Ward dengan Berbagai Pengukuran Jarak (Studi Kasus: Klasifikasi Tingkat Perekonomian di Indonesia). Jurnal Ilmiah Kampus Mengajar, 4(4), 177–190.

Bahri, S., Marisa Midyanti, D., & Korespondensi, P. (2023). Penerapan Metode K-Medoids untuk Pengelompokan Mahasiswa Berpotensi Drop Out.

Butsianto, S., & Saepudin, N. (2020). Penerapan Data Mining Terhadap Minat Siswa Dalam

Mata Pelajaran Matematika Dengan Metode K-Means. J. Nas. Komputasi Dan Teknol.

Inf, 3(1), 51–59.

Dona, D., & Rifqi, M. (2022). Penerapan Metode K-Means Clustering Untuk Menentukan Status Gizi Baik dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu). Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 7(2), 179–191.

Efendi, R., Coastera, F. F., & Tanjung, F. R. (2019). Pengelompokan dan Pemetaan Derajat Kesehatan Kota Bengkulu Dengan Metode K-Means Clustering. Rekursif: Jurnal Informatika, 7(1).

Fauziah, N. A., & Apsari, P. (2010). Gambaran Peran Serta Kader Posyandu dalam Upaya Peningkatan Status Gizi Balita di Kalurahan Laweyan Surakarta Tahun 2009. Jurnal Kebidanan Indonesia, 1(1).

Han, J., Kamber, M., & Pei, J. (2011). Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems).

Harani, N. H., Prianto, C., & Nugraha, F. A. (2020). Segmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python. Jurnal Manajemen Informatika (JAMIKA), 10(2), 133–146.

Hidayat, F. M., Rohana, T., Nurlaelasari, E., & Masruriyah, A. F. N. (2024). Klasterisasi Kabupaten dan Kota di Jawa Barat Dalam Kasus Gizi Buruk Menggunakan Algoritma K-Means dan K-Medoids. Jurnal Tekinkom (Teknik Informasi Dan Komputer), 7(1), 251–261.

Julyantari, N. K. S., Budiarta, I. K., & Putri, N. M. D. K. (2021). Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). Jurnal Janitra Informatika Dan Sistem Informasi, 1(2), 92–101.

Miftahuddin, Pratama, A., & Setiawan, I. (2021). Analisis Hubungan Antara Kelembaban Relatif Dengan Beberapa Variabel Iklim. Jurnal Siger Matematika, 02(01), 25–33.

Mundir. (2012). Statistik Penddidikan Pengatar Analisis Data Untuk Penulisan Skripsi dan Tesis (Muhibbin & H. Hasanah, Eds.; 1st ed.). STAIN Jember Press.

Nahdliyah, M. A., Widiharih, T., & Prahutama, A. (2019). Metode K-Medoids Clustering dengan Validasi Silhouette Index dan C-Index (Studi Kasus Jumlah Kriminalitas Kabupaten/Kota di Jawa Tengah Tahun 2018). Jurnal Gaussian, 8(2), 161–170.

Ningrum, H., Irawan, E., & Lubis, M. R. (2021). Implementasi K-Medoids Dalam Pengelompokan Data Penyakit Alergi Pada Anak. Jurasik (Jurnal Riset Sistem Informasi Dan Teknik Informatika), 6(1), 130–139.

Park, J., Park, K. V., Yoo, S., Choi, S. O., & Han, S. W. (2020). Development of the WEEE grouping system in South Korea using the hierarchical and non-hierarchical clustering algorithms. Resources, Conservation and Recycling, 161.

Prasetyo, Y. (2013). Kesadaran Masyarakat Berolahraga untuk Peningkatan Kesehatan dan Pembangunan Nasional. Jurnal Ilmiah Kesehatan Olahraga, 11(2).

Sadeghi, M., Casey, P., Carranza, E. J. M., & Lynch, E. P. (2024). Principal components analysis and K-means clustering of till geochemical data: Mapping and targeting of prospective areas for lithium exploration in Västernorrland Region, Sweden. Ore Geology Reviews, 167.

Sholeh, M., & Aeni, K. (2023). Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan Algoritma K-Means. STRING (Satuan Tulisan Ris. Dan Inov. Teknol., 8, 56–65.

Supardi, N., Sinaga, T. R., Hasanah, F. L. N., Fajriana, H., Puspareni, P. L. D., Atjo, N. M., Maghfiroh, K., & Humaira, W. (2023). Gizi pada Bayi dan Balita. Yayasan Kita Menulis.

Tanjung, F. A., Windarto, A. P., Fauzan, M., Studi, M. P., Informasi, S., & Tunas Bangsa, S. (2021). Penerapan Metode K-Means Pada Pengelompokkan Pengangguran Di Indonesia. 6, 61–74.




DOI: https://doi.org/10.21831/jktm.v11i1.23088

Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 
View My Stats