Data Mining Pengelompokan Anak Stunting Berdasarkan Usia, Penyebab dan Pekerjaan Orang Tua Dengan Menggunakan Metode Clustering (Studi Kasus : Dinas Kesehatan Kabupaten Langkat)

Nurma Yulia; Rusmin Saragih; Indah Ambarita

Nurma Yulia STMIK Kaputama Binjai
Rusmin Saragih STMIK Kaputama Binjai
Indah Ambarita STMIK Kaputama Binjai

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Data mining berisi pencarian pola yang diinginkan dalam database besar untuk membantu pengambilan keputusan diwaktu akan datang. Secara sederhana data mining adalah kegiatan mengekstrasi atau menambang pengetahuan dari data yang berjumlah besar dan menghasilkan informasi.Stunting adalah balita dengan masalah gizi kronik, yang memiliki status gizi berdasarkan panjang atau tinggi badan, dan terjadi pada saat janin masih dalam kandungan dan baru nampak saat anak berusia 2 tahun. Maka dari itu balita perlu mendapatkan perhatian khusus karena dapat menyebabkan terhambatnya pertumbuhan fisik, perkembangan mental dan status kesehatan pada anak. Dan hasil yang diperoleh berdasarkan analisis ini yaitu jumlah kelompok yang terbentuk sebanyak 3 kelompok. Group 1 Centroid (2.03;2,42;2.65) dengan data anak stunting padagroup usia adalah 13-20 Bulan dengan penyebab yaitu Tidak Mendapatkan ASI Ekslusifdan pekerjaan orang tua nya ialah Wiraswasta, untuk Group 2 Centroid (4.05;4.40;3.43) dengan data anak stunting padagroup usia adalah 29-36 Bulan dengan penyebab yaitu Janin Kurang Asupan Makanandan pekerjaan orang tua nya ialah Buruh, dan untuk Group 3 Centroid (4.91;2.07;2.63) dengan data anak stunting padagroup usia adalah 37-44 Bulan dengan penyebab yaitu Tidak Mendapatkan ASI Ekslusifdan pekerjaan orang tua nya ialah Wiraswasta.

References

[1] Isy Karima Fauzia, Budi Arif Dermawan, and Tesa Nur Padilah, “Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang,” J. Sist. dan Inform., vol. 15, no. 1, 2020, doi: 10.30864/jsi.v15i1.350.
[2] L. Magdalena and R. Fahrudin, “Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM,” J. Digit, vol. 9, no. 2, 2020.
[3] K. Handoko, “Penerapan Data Mining dalam Meningkatkan Mutu Pembelajaran Menggunakan Metode K-MEANS Clustering,” J. Nas. Teknol. dan Sist. Inf., vol. 2, no. 3, 2016, doi: 10.25077/teknosi.v2i3.2016.31-40.
[4] T. Syahputra, J. Halim, and E. P. Sintho, “Penerapan Data Mining Dalam Menentukan Pilihan Jurusan Bidang Studi Sma Menggunakan Metode Clustering Dengan Teknik Single Linkage,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. IV, no. 2, 2018.
[5] M. Bakri, “Penerapan Data Mining untuk Clustering Kualitas Batu Bara dalam Proses Pembakaran di PLTU Sebalang Menggunakan Metode K-Means,” J. Teknoinfo, vol. 11, no. 1, 2017, doi: 10.33365/jti.v11i1.3.
[6] A. Wibowo and A. R. Handoko, “Segmentasi Pelanggan Ritel Produk Farmasi Obat Menggunakan Metode Data Mining Klasterisasi Dengan Analisis Recency Frequency Monetary (RFM) Termodifikasi,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 3, 2020, doi: 10.25126/jtiik.2020702925.
[7] M. F. I. Al-Rizki, I. Widaningrum, and G. A. Buntoro, “Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi Rapidminer,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 1, 2020, doi: 10.31544/jtera.v5.i1.2019.1-10.