KLASTERISASI KABUPATEN DAN KOTA DI JAWA BARAT DALAM KASUS GIZI BURUK MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS

  • Fadzly Maulana Hidayat Universitas Buana Perjuangan Karawang
  • Tatang Rohana Universitas Buana Perjuangan Karawang
  • Euis Nurlaelasari Universitas Buana Perjuangan Karawang
  • Anis Fitri Nur Masruriyah Universitas Buana Perjuangan Karawang

Abstract

Malnutrition is a disease whose incidence in Indonesia is increasing. Based on data from West Java Province, in 2019-2022 there were 1,986,890 toddlers who experienced nutritional problems. This high figure shows that the problem of malnutrition has not received adequate attention. This research will group districts and cities in West Java into three clusters. Cluster 1 (high), cluster 2 (medium), and cluster 3 (low) are based on the number of toddlers affected by malnutrition. It is hoped that this research can help the government in making decisions to overcome nutritional problems in West Java. The results of research on clustering cases of malnutrition in West Java using the K-Means algorithm include 3 clusters, Cluster 1 (high) which consists of 16 city districts. Cluster 2 (medium) consists of 10 city districts, Cluster 3 (low), while in the K-Medoids algorithm Cluster 1 (high) consists of 10 city districts. Cluster 2 (medium) consists of 4 city districts. Cluster 3 (low) consists of 13 districts and cities. The comparison results show that the K-Means algorithm is better using 3 clusters based on evaluation using the Silhouette Coefficient with a value of 0.617

References

[1] S. Narulita, Prihati, A. T. Oktaga, A. E. Widyantoro, (2023). Performansi Algoritma Clustering K-Means Untuk Penentuan Status Malnutrisi Pada Balita, vol. 6, no. 4. Jurnal Informasi, Sains, dan Teknologi.
[2] D. Simanjuntak and A. Sindar, (2019). Sistem Pakar Deteksi Gizi Buruk Balita Dengan Metode Naïve Bayes Classifier, vol. 1, no. 2, Jurnal Inkofar.
[3] Halilintar Basyeban, (2023). Sekolah Data Pacmann Project- Analisa Jumlah Kasus Balita Gizi Buruk Pada Provinsi Jawa Barat tahun 2019–2021. Medium.
[4] C. Chelchillya Candra, F. Yanuar, and D. Devianto, (2023). Pengelompokkan Kabupaten/Kota di Indonesia Berdasarkan Masalah Gizi Balita dengan Menggunakan Metode Two Step Cluster dan Esemble Cluster, vol. 4, no. 2. Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika.
[5] M. D. Chandra, E. Irawan, I. S. Saragih, A. P. Windarto, and D. Suhendro, (2021). Penerapan Algoritma K-Means dalam Mengelompokkan Balita yang Mengalami Gizi Buruk Menurut Provinsi, vol. 2, no. 1. Jurnal Teknologi Informasi dan Rekayasa Komputer.
[6] I. Puspita, M. N. Hayati, D. Darnah, and A. Nohe, (2023). Pengelompokan Puskesmas Berdasarkan Kasus Balita Stunting di Kabupaten Paser Menggunakan Metode K-medoids, vol. 14, no. 1. Jurnal Eksponensial.
[7] A. Fira, C. Rozikin, and Garno, (2021). Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia, vol. 5, no. 2. Journal of Applied Informatics and Computing.
[8] N. S. Fatonah, T. K. Pancarani, (2022). Analisa Perbandingan Algoritma Clustering untuk Pemetaan Status Gizi Balita di Puskesmas Pasir Jaya, vol. 18, no. 1. Jurnal Konvergensi Teknologi Informasi dan Komunikasi.
[9] E. Tasia and M. Afdal, (2023). Perbandingan Algoritma K-Means Dan K-Medoids Untuk Clustering Daerah Rawan Banjir Di Kabupaten Rokan Hilir, vol. 3, no. 1. Jurnal Indonesian Journal of Informatic Research and Software Engineering.
[10] R. Takdirillah, (2020). Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan, vol. 4, no. 1. Jurnal Pendidikan Informatika.
[11] L. Magdalena and R. Fahrudin, (2019). Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM, vol. 9, no. 2. Jurnal Digital of Information Technology.
[12] C. Adi Rahmat, H. Permatasari, E. Rasywir, and Y. Pratama, (2023). Penerapan K-Means Untuk Clustering Kondisi Gizi Balita Pada Posyandu, vol. 7, no. 1. Jurnal Media Informatika Budidarma.
[13] E. Prasetyaningrum and P. Susanti, (2023). Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pemetaan Hasil Produksi Buah-Buahan, vol. 7, no. 4. Jurnal Media Informatika Budidarma.
[14] B. Bayu, R. Tatang, and J. Ayu Ratna, (2023). Perbandingan Algoritma K-Means dan DBSCAN untuk Pengelompokkan Data Penyebaran Covid-19 Seluruh Kecamatan di Provinsi Jawa Barat, vol. 4, no 1. Scientific Student Journal for Information, Technology and Science
[15] R. Nur Ibrahim, M. Nor Hayati, and dan Fidia Deny Tisna Amijaya, (2020). Penerapan Algoritma K-Medoids pada Pengelompokan Wilayah Desa atau Kelurahan di Kabupaten Kutai Kartanegara, vol. 11, no. 2. Jurnal Eksponensial.
[16] F. Harahap, (2021). Perbandingan Algoritma K Means dan K Medoids Untuk Clustering Kelas Siswa Tunagrahita, vol. 2, no. 4. Jurnal Terapan Informatika Nusantara.
[17] S. Nuralia and T. Prabowo, (2023). Implementasi Naive Bayes Classifier Dalam Memprediksi Kelulusan Mahasiswa, vol. 3, no. 1. Journal Automation Computer Information System.
[18] N. Aulia Permatasari, Y. Herry Chrisnanto, A. Kania Ningsih, J. Terusan Jendral Sudirman, C. Selatan, and C. Jawa Barat, (2023). Segmentasi Kasus Data Kematian Covid 19 Di Jawa Barat Menggunakan Algoritma DBSCAN Universitas Jendral Achmad Yani, vol. 1, no. 4. International Journal of Engineering, Economic, Social Politic and Government.
[19] P. Apriyani, A. R. Dikananda, and I. Ali, (2023). Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi, vol. 2, no. 1. Jurnal Ilmu Komputer.
[20] S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. Ilmi, D. Hartama, (2020). Analisis Algoritma K-Medoids Clusterng dalam Pengelompokkan Penyebaran Covid-19 di Indonesia, vol. 4, no. 1. Jurnal Teknologi Informasi.
[21] S. Paembonan, H. Abduh, (2021). Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat, vol. 6, no. 2. Jurnal Ilmiah Ilmu-Ilmu Teknik.
[22] A. Rizal, D. C. R. Novitasari, Moh. Hafiyusholeh, (2022). Pengelompokan Karyawan Berdasarkan Kesalehan Menggunakan Perbandingan Fuzzy C-Means, K-Means, dan Probabilistic Distance Clustering, vol. 11, no. 2. Jurnal Fourier.
Published
2024-06-30
How to Cite
HIDAYAT, Fadzly Maulana et al. KLASTERISASI KABUPATEN DAN KOTA DI JAWA BARAT DALAM KASUS GIZI BURUK MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS. Jurnal Tekinkom (Teknik Informasi dan Komputer), [S.l.], v. 7, n. 1, p. 251-261, june 2024. ISSN 2621-3079. Available at: <https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/1387>. Date accessed: 21 july 2024. doi: https://doi.org/10.37600/tekinkom.v7i1.1387.
Section
Articles