Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia

Target kedua dari tujuan kedua SDGs, yaitu menghapus segala bentuk kekurangan gizi, salah satunya indikator prevalensi stunting balita. Penelitian ini bertujuan untuk mengelompokkan dan mengidentifikasi karakteristik provinsi di Indonesia berdasarkan indikator stunting pada balita. Metode yang digunakan dalam penelitian yaitu algoritma k-means dan agglomerative nesting (AGNES) clustering. Dengan membandingkan nilai rata-rata average silhouette dapat diketahui bahwa metode hierarchical clustering dari algoritma AGNES dengan single linkage memiliki nilai average silhouette tertinggi sebesar 0,67 yang merupakan klaster kuat. Berdasarkan hasil analisis diperoleh 2 klaster optimum. Karakteristik klaster 2 yaitu Provinsi Papua termasuk indikator kejadian stunting yang tinggi, karena pada klaster ini imunisasi, akses sanitasi, akses fasilitas kesehatan, tingkat pendidikan SMA rendah dan BBLR <2.500 gram. Sedangkan untuk 33 provinsi lainnya masuk klaster 1 dengan indikator imunisasi, akses sanitasi, akses fasilitas kesehatan, pendidikan SLTA dan BBLR <2.500 gram sehingga pada klaster ini termasuk dalam indikator rendah kejadian stunting.