ANALISIS POLA PENYEBAB TERJADINYA STUNTING BALITA DI INDONESIA DENGAN MENGGUNAKAN METODE DBSCAN CLUSTERING
| Main Author: | NAILUL IZZA, 101714153020 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/92527/1/abstrak.pdf http://repository.unair.ac.id/92527/2/daftar%20isi.pdf http://repository.unair.ac.id/92527/3/daftar%20pustaka.pdf http://repository.unair.ac.id/92527/4/full%20text.pdf http://repository.unair.ac.id/92527/ |
Daftar Isi:
- Algoritma clustering yang paling efisien untuk menentukan cluster pada data dengan kepadatan yang berbeda adalah algoritma density based clustering (DBSCAN), sedangkan metode clustering yang umum digunakan adalah k- Means. DBSCAN merupakan salah satu metode data mining yang hadir dikarenakan kondisi berlimpahnya data Riset Ketenagaan di Bidang Kesehatan (Risnakes) 2017 memuat data dalam skala besar yang merekomendasikan perlunya pencegahan stunting. Prevalensi stunting berdasarkan data Riskesdas 2013 secara nasional 37,2 persen anak balita mengalami stunting (TNP2K, 2017). Penelitian ini bertujuan menganalisis pengaplikasian metode DBSCAN dan k- Means clustering pada faktor penyebab terjadinya stunting balita di Indonesia. Proses clustering dengan menggunakan metode DBSCAN dengan nilai eps 0,575 MinPts 3 diperoleh sebanyak 6 cluster dan noise, sedangkan metode k- Means diperoleh 7 cluster. Hasil analisa validasi kelompok (internal) menggunakan indeks silhoutte dengan metode DBSCAN diperoleh cluster 5 mempunyai nilai koefisien terbesar (0,90), sedangkan metode k-Means diperoleh cluster 2 dan 3 mempunyai nilai koefisien terbesar (0,30). Clustering dengan metode DBSCAN memiliki variabel tenaga kesehatan masyarakat, tenaga gizi, bidan, perawat, timbang balita, pemenuhan bahan pokok, kemiskinan, puskesmas yang cenderung membentuk pola yang sama pada semua cluster. Sedangkan clustering dengan metode k-Means memiliki variabel tenaga kesehatan masyarakat, tenaga gizi, pemenuhan bahan pokok, kemiskinan yang cenderung membentuk pola yang sama pada semua cluster.