Klasterisasi Kesehatan Gizi Bayi dan Balita Dengan Menggunakan Metode K-Means (Case Study : Kec. Deket Lamongan)
Abstract
Klasterisasi kesehatan gizi bayi dan balita di Kecamatan Deket menggunakan metode K-Means. Kesehatan gizi anak merupakan indikator penting dalam menentukan kualitas kesehatan masyarakat. Penelitian ini bertujuan untuk mengidentifikasi tingkat gizi bayi dan balita serta mempermudah pengelompokan data kesehatan yang diperoleh dari Puskesmas dan Posyandu. Metode K-Means dipilih karena kesederhanaan dan efisiensinya dalam mengelompokkan data. Data yang digunakan mencakup 3 atribut yaitu Stunting, Wasting, dan Underweight dari data kecamatan Deket dikumpulkan secara resmi pada tahun 2023. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan, pembersihan, dan analisis data untuk memastikan kualitas informasi yang optimal. Dengan menggunakan metode K-Means, penelitian ini menghasilkan tiga kategori utama status gizi, yaitu gizi butuk rendah, gizi buruk sedang, dan gizi buruk tinggi. Hasil klasterisasi diharapkan dapat memberikan informasi yang berguna bagi tenaga kesehatan dan pengambil keputusan dalam merumuskan kebijakan intervensi yang lebih efektif. Dengan adanya pemetaan status gizi yang jelas, diharapkan dapat meningkatkan perhatian terhadap kesehatan gizi anak di Kecamatan Deket. Penelitian ini juga menyarankan pentingnya kolaborasi antara Puskesmas, Posyandu, dan masyarakat dalam upaya meningkatkan kesehatan gizi balita. Melalui implementasi yang tepat, diharapkan masalah gizi buruk dapat diatasi secara efektif demi masa depan anak-anak yang lebih sehat dan berkualitas.
Keywords
Full Text:
PDFReferences
J. Juairia, W. Malinda, Z. Hayati, N. Ramadhanty, and Y. F. Putri, “Kesehatan Diri Dan Lingkungan : Pentingnya Gizi Bagi Perkembangan Anak,” Jurnal Multidisipliner Bharasumba, vol. 1, no. 03, pp. 269–278, Jul. 2022, doi: 10.62668/bharasumba.v1i03.199.
D. T. Saputro and W. P. Sucihermayanti, “Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara,” JBI, vol. 12, no. 2, pp. 146–155, Nov. 2021, doi: 10.24002/jbi.v12i2.4861.
Ufiyah Ramlah, “Gangguan Kesehatan Pada Anak Usia Dini Akibat Kekurangan Gizi Dan Upaya Pencegahannya,” abulava, vol. 2, no. 2, pp. 12–25, Dec. 2021, doi: 10.24239/abulava.Vol2.Iss2.40.
Q. Nada and W. Rosdiana, “Implementasi Kebijakan Program Penanggulangan Stunting di Dinas Kesehatan Lamongan,” Jurnal Inovasi Administrasi Negara Terapan (Inovant), vol. 1, no. 2, pp. 217–228, Aug. 2023.
P. Apriyani, A. R. Dikananda, and I. Ali, “Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi,” Hello World Jurnal Ilmu Komputer, vol. 2, no. 1, pp. 20–33, Mar. 2023, doi: 10.56211/helloworld.v2i1.230.
F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Klasterisasi Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” JISKa, vol. 7, no. 2, pp. 111–121, May 2022, doi: 10.14421/jiska.2022.7.2.111-121.
N. K. Zuhal, “Study Comparison K-Means Klasterisasi Dengan Algoritma Hierarchical Klasterisasi: AHC, K-Means Klasterisasi, Study Comparison,” Seminar Nasional Teknologi & Sains, vol. 1, no. 1, pp. 200–205, Feb. 2022, doi: 10.29407/stains.v1i1.1495.
M. R. Nugroho, I. E. Hendrawan, and P. P. Purwantoro, “Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI,” NUANSA, vol. 16, no. 1, pp. 125–133, Jan. 2022, doi: 10.25134/nuansa.v16i1.5294.
N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Klasterisasi Dalam Evaluasi Hasil Pembelajaran Siswa,” Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), vol. 3, no. 1, pp. 46–56, Mar. 2024, doi: 10.58602/jima-ilkom.v3i1.26.
A. Yani, Z. Azmi, and D. Suherdi, “Implementasi Data Mining Menganalisa Data Penjualan Menggunakan Algoritma K-Means Klasterisasi,” j. sist. inf. trig. dhar. JURSI TGD, vol. 2, no. 2, p. 315, Mar. 2023, doi: 10.53513/jursi.v2i2.6357.
M. Miranda, N. Rahaningsih, and R. D. Dana, “Analisis Klasterisasi Data Anak Balita di Posyandu Kampung Sukarame Menggunakan Algoritma K-Means,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 136–141, May 2024, doi: 10.36499/jinrpl.v6i1.10256.
R. Fauziah and A. I. Purnamasari, “Implementasi Algoritma K-Means pada Kasus Kekerasan Anak dan Perempuan Berdasarkan Usia,” hello world j. ilmu kompʹût., vol. 2, no. 1, pp. 34–41, Mar. 2023, doi: 10.56211/helloworld.v2i1.232.
A. Khalif, A. N. Hasanah, M. H. Ridwan, and B. N. Sari, “Klasterisasi Tingkat Kemiskinan di Indonesia menggunakan Algoritma K-Means,” generation, vol. 8, no. 1, pp. 54–62, Mar. 2024, doi: 10.29407/gj.v8i1.21470.
S. Mujilahwati and R. Wardhani, “Implementasi Fuzzy C-Means Untuk Klasterisasi Mahasiswa Berdasarkan Nilai Masuk Perguruan Tinggi,” JTI, vol. 6, no. 1, p. 448, Mar. 2021, doi: 10.30736/jti.v6i1.582.
B. H. Prakoso, E. Rachmawati, D. R. P. Mudiono, V. Vestine, and G. E. J. Suyoso, “Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat,” JBI, vol. 14, no. 01, pp. 60–68, Apr. 2023, doi: 10.24002/jbi.v14i01.7105.
DOI: http://dx.doi.org/10.30872/jurti.v9i4.22316
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Rekayasa Teknologi Informasi (JURTI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.