Penerapan Metode K-Medoids Clustering pada Kasus Stunting di Kota Bandung Tahun 2024
DOI:
https://doi.org/10.29313/bcss.v6i2.25517Keywords:
Stunting, K-Medoids Clustering, KelurahanAbstract
Abstract. Stunting is a chronic nutritional problem that directly affects the quality of human resources, and sub-district (kelurahan) level analysis is needed to identify at-risk areas in greater detail. This study aims to group 151 kelurahan in Bandung City in 2024 based on three stunting indicators, namely exclusive breastfeeding, immunization, and sanitation, using K-Medoids Clustering, a method that is robust to outliers. Prior to clustering, an outlier check was performed using the Interquartile Range method and a non-multicollinearity test using the Variance Inflation Factor (VIF), which showed all VIF values below 10. The optimal number of clusters was determined based on the highest Silhouette Coefficient, resulting in two clusters. The results show that Cluster 1 consists of 112 kelurahan with average exclusive breastfeeding of 82.31%, immunization of 96.33%, and sanitation of 81.56%, categorized as Good. Cluster 2 consists of 39 kelurahan with average exclusive breastfeeding of 82.29%, immunization of 63.95%, and sanitation of 82.21%, categorized as Poor. A Silhouette Coefficient of 0.4767 indicates a fairly good cluster structure. Immunization coverage is the most distinguishing indicator between the two clusters, so kelurahan in Cluster 2 should be prioritized for immunization program interventions to reduce stunting risk in Bandung City.
Keywords: Stunting, K-Medoids Clustering, Sub-district.
Abstrak. Stunting merupakan permasalahan gizi kronis yang berdampak langsung pada kualitas sumber daya manusia, dan analisis pada level kelurahan diperlukan untuk mengidentifikasi wilayah berisiko secara lebih rinci. Penelitian ini bertujuan mengelompokkan 151 kelurahan di Kota Bandung tahun 2024 berdasarkan tiga indikator stunting, yaitu ASI eksklusif, imunisasi, dan sanitasi, menggunakan metode K-Medoids Clustering yang robust terhadap outlier. Sebelum clustering, dilakukan pemeriksaan outlier dengan metode Interquartile Range dan uji non-multikolinearitas menggunakan Variance Inflation Factor (VIF), yang menunjukkan seluruh nilai VIF di bawah 10. Jumlah cluster optimal ditentukan berdasarkan nilai Silhouette Coefficient tertinggi, menghasilkan dua cluster. Hasil analisis menunjukkan Cluster 1 beranggotakan 112 kelurahan dengan rata-rata ASI eksklusif 82,31%, imunisasi 96,33%, dan sanitasi 81,56%, dikategorikan Baik. Cluster 2 beranggotakan 39 kelurahan dengan rata-rata ASI eksklusif 82,29%, imunisasi 63,95%, dan sanitasi 82,21%, dikategorikan Kurang Baik. Nilai Silhouette Coefficient sebesar 0,4767 menunjukkan struktur cluster yang cukup baik. Cakupan imunisasi menjadi indikator paling membedakan kedua cluster, sehingga kelurahan pada Cluster 2 perlu menjadi prioritas intervensi program imunisasi guna menekan risiko stunting di Kota Bandung.
Kata Kunci: Stunting, K-Medoids Clustering, Kelurahan.
References
Brien, R. M. O. (2007). A Caution Regarding Rules of Thumb for Variance Inflation Factors. 673–690. https://doi.org/10.1007/s11135-006-9018-6
Essa, W. Y., Nurfindarti, E., & Ruhyana, N. F. (2021). Strategies for Handling Stunting in Bandung City. 13, 15–28.
Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied Linear Statistical Models Fifth Edition.
Mudholkar, G. S., Yu, Z., & Awadalla, S. S. (2015). The mode-centric M-Gaussian distribution : A model for right skewed data. Statistics and Probability Letters, 107, 1–10. https://doi.org/10.1016/j.spl.2015.07.016
Pohan, H., Zarlis, M., Irawan, E., Okprana, H., & Pranayama, Y. (2021). Penerapan Algoritma K-Medoids dalam Pengelompokan Balita Stunting di Indonesia. 3(November), 97–104.
Saragih, L., Pasaribu, N. S., Harefa, N. K., Teknologi, S., Informasi, S., & Indonesia, U. P. (2025). Analisis Klusterisasi Stunting Pada Balita Menggunakan Algoritma K-Medoids Untuk Mengidentifikasi Faktor Dominan. 12(3), 352–360. https://doi.org/10.30865/jurikom.v12i3.8713
Sihombing, R. E., Rachmatin, D., & Dahlan, J. A. (2019). Program Aplikasi Bahasa R untuk Pengelompokan Objek Menggunakan Metode K-Medoids. 58–79.
Suraya, G. R., & Wijayanto, A. W. (2022). Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Methods in Grouping Provinces in Indonesia according to the Special Index for Handling Stunting*. 6(2), 180–201.
Taswin, Taufiq, L. O. M., Damayanti, W. O. A., & Subhan, M. (2023). Pemberian Asi Eksklusif dan Imunisasi Dasar dengan Kejadian Stunting pada Balita. 51–58.
