Perbandingan K-Means dan Hierarchical Clustering dalam Pengelompokan Daerah Beresiko Stunting

Abstract

Saat ini Indonesia merupakan salah satu negara dengan tingkat stunting yang cukup tinggi di dunia, dimana prevalensi stunting masih berada pada kisaran 21,6% sedangkan standar minimal prevalensi stunting yang telah ditetapkan oleh WHO adalah 20%. Stunting merupakan kondisi gagal tumbuh yang terjadi pada masa awal kehidupan, biasanya pada anak usia 0-5 tahun. Untuk mengatasi permasalahan ini, pemerintah dan pihak terkait telah melakukan berbagai upaya dan program intervensi, salah satunya adalah menentukan daerah yang menjadi prioritas penanganan stunting dengan melakukan klasterisasi. Dalam penelitian ini akan melakukan klasterisasi daerah stunting berdasarkan provinsi yang ada di Indonesia dengan mengacu pada beberapa parameter yaitu persentase imunisasi, proporsi stunting, cakupan pemberian ASI eksklusif, cakupan pemberian vitamin dan tablet tambah darah, serta akses terhadap sanitasi dan air minum yang layak. Penelitian ini akan membandingkan antara kluster yang terbentuk menggunakan Hierarchical Clustering dan K Means.Hasil perbandingan antara metode K-Means dan Hierarchical Clusteringmemperlihatkan bahwa K-Means menghasilkan pengelompokan klaster yang lebih baik ditinjau dari nilai Silhouette Coefficient sebesar 0.48 dan Calinski-Harabasz index sebesar 10.49 dengan jumlah klaster yang terbentuk sebanyak 2 klaster.  Pada Algoritma Hierarchical Clustering, nilai Silhouette Coefficient yang dihasilkan adalah 0.47 dan Calinski-Harabasz index sebesar 9.54. Semakin besar nilai Silhouette Coefficientdan Calinski-Harabasz index, maka semakin baik klaster yang terbentuk.