Analisis Klaster terhadap Indeks Khusus Penanganan Stunting di Indonesia Tahun 2022 Menggunakan Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM)

Ekaristi, Maria Regina (2023) Analisis Klaster terhadap Indeks Khusus Penanganan Stunting di Indonesia Tahun 2022 Menggunakan Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311940000045-Undergradate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (9MB) | Request a copy

Abstract

Malnutrisi pada balita masih menjadi masalah yang serius hingga saat ini. Penyebab dari terjadinya malnutrisi adalah ketidakcukupan asupan gizi, baik karena asupan yang terlalu sedikit ataupun tidak seimbang. Terdapat tiga jenis malnutrisi pada balita, yaitu wasting, stunting, dan overweight. Dari ketiga jenis malnutrisi yang ada, stunting merupakan fenomena yang paling banyak terjadi di dunia. Stunting dapat didefinisikan sebagai kondisi gagal tumbuh pada anak berusia balita akibat kekurangan gizi kronis dan infeksi berulang pada 1000 HPK (Hari Pertama Kelahiran). Balita yang menderita stunting memiliki tinggi badan yang berada di bawah minus 2 (dua) standar deviasi (pendek) dan minus 3 (tiga) standar deviasi (sangat pendek) tinggi badan anak seusianya. Di tahun 2022, Indonesia berhasil menurunkan prevalensinya menjadi 21,6% dari 24,4%. Namun, angka prevalensi stunting di Indonesia masih tergolong tinggi apabila mengacu pada standar WHO. Pemerintah juga menargetkan untuk menurunkan prevalensi stunting menjadi 14% di tahun 2024 mendatang. Oleh karena itu, berbagai upaya telah dilakukan untuk mempercepat penurunan angka stunting. Namun, dibutuhkan adanya pengelompokan (clustering) untuk mengevaluasi kinerja upaya penanganan stunting setiap provinsi, agar upaya yang dijalankan lebih tepat sasaran dan efisien. Clustering adalah proses pengelompokan dataset ke dalam beberapa cluster, dimana anggota-anggota dalam suatu cluster memiliki karakteristik yang sama, namun berbeda dengan anggota dari cluster lainnya. Tujuan dari penelitian ini adalah untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan indikator pada Indeks Khusus Penanganan Stunting tahun 2022 menggunakan metode Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM). Optimasi dari GSA digunakan untuk mengatasi local minimum problem pada algoritma FCM. Indikator yang digunakan pada penelitian ini adalah dua belas indikator pada IKPS 2022. Data yang digunakan adalah data per indikator dari 34 provinsi di tahun 2022 yang diperoleh dari publikasi Badan Pusat Statistik dan Kementerian Kesehatan. Berdasarkan nilai fungsi objektif akhir yang dihasilkan sebelum dan sesudah dioptimasi, menunjukkan bahwa metode GSA-FCM menghasilkan cluster yang lebih optimal dan mampu mengatasi local minimum problem pada algoritma FCM hingga 99,99%. Jumlah cluster optimal yang dihasilkan adalah 4 cluster, dengan karakteristik dari masing-masing cluster secara berturut-turut adalah tidak baik, cukup baik, baik, dan sangat baik. Cluster 1 beranggotakan 24 provinsi, cluster 2 beranggotakan 6 provinsi, cluster 3 beranggotakan 2 provinsi, dan cluster 4 beranggotakan 2 provinsi.
=====================================================================================================================================
Malnutrition in toddlers is still a severe problem today. The cause of malnutrition is the inadequate nutrient intake, either because the intake is too little or not balanced. There are three types of malnutrition in toddlers: wasting, stunting, and overweight. Of the three types of malnutrition, stunting is the most prevalent phenomenon globally. Stunting can be defined as a condition of growth failure in children under five years of age due to chronic malnutrition and recurrent infections in the first 1000 days of birth. Toddlers who suffer from stunting have a height that is below minus 2 (two) standard deviations (short) and minus 3 (three) standard deviations (very short) of the height of children their age. In 2022, Indonesia reduced its prevalence rate to 21.6% from 24.4%. However, the stunting prevalence rate in Indonesia is still high when referring to WHO standards. The government also aims to reduce the stunting prevalence rate to 14% by 2024. Therefore, various efforts have been made to accelerate the reduction of stunting rates. However, clustering is needed to evaluate the performance of stunting handling efforts in each province so that the actions carried out are more targeted and efficient. Clustering is the process of grouping a dataset into several clusters, where members in a cluster have the same characteristics but are different from members of other clusters. This research aims to cluster provinces in Indonesia based on indicators in the Special Index for Handling Stunting in 2022 using the Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM) method. Optimization of GSA is used to overcome the local minimum problem in the FCM algorithm. The indicators used in this study are twelve indicators in IKPS 2022. The data used is data per indicator from 34 provinces in 2022 obtained from the publication of the Central Bureau of Statistics and the Ministry of Health. Based on the final objective function value generated before and after optimization, it shows that the GSA-FCM method produces more optimal clusters and can overcome the local minimum problem in the FCM algorithm up to 99.99%. The optimal number of clusters produced is 4 clusters, with the characteristics of each cluster being not good, good enough, good, and very good, respectively. Cluster 1 consists of 24 provinces, cluster 2 consists of 6 provinces, cluster 3 consists of 2 provinces, and cluster 4 consists of 2 provinces.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Clustering, Gravitational Search Algorithm-Fuzzy C-Means, Indeks Khusus Penanganan Stunting, Stunting Clustering, Special Index for Stunting Handling
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA39.3 Fuzzy mathematics Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA9.64 Fuzzy logic Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics) R Medicine > RJ Pediatrics > RJ101 Child Health. Child health services T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Maria Regina Ekaristi
Date Deposited:	07 Jul 2023 03:30
Last Modified:	07 Jul 2023 03:30
URI:	http://repository.its.ac.id/id/eprint/98353

Actions (login required)

View Item