Perbandingan Algoritma K-Means dan K-Medoids Dalam Klasterisasi Kelompok Keluarga Beresiko Stunting Seluruh Desa di Jawa Barat

Stunting merupakan masalah gizi kronis yang menjadi tantangan besar di Indonesia. Provinsi Jawa Barat memiliki prevalensi 21.7%, menjadikannya provinsi dengan angka prevalensi stunting tertinggi kedua di Pulau Jawa. Untuk mendukung upaya pencegahan stunting, Penelitian ini bertujuan untuk mengelompokkan desa-desa di Jawa Barat berdasarkan kelompok keluarga berisiko stunting menggunakan algoritma K-Means dan K-Medoids, serta mengevaluasi efektivitas masing-masing algoritma. Metode yang digunakan adalah CRISP-DM. Hasilnya, K-Means membentuk tiga klaster, yaitu rendah (5196 desa), sedang (106 desa), dan tinggi (9 desa). Sementara, K-Medoids juga membentuk tiga klaster, yaitu rendah (5196 desa), sedang (105 desa), dan tinggi (14 desa). Evaluasi performa algoritma menunjukkan bahwa K-Means lebih unggul dengan nilai Silhouette Score sebesar 0,9278 dan DBI 0,9380 dibandingkan K-Medoids dengan Silhouette Score 0,9233 dan DBI 1,0699. Penelitian ini diharapkan dapat membantu pemerintah dalam menyusun prioritas intervensi stunting yang lebih tepat sasaran, serta menjadi referensi dalam pengembangan metode klasterisasi menggunakan algoritma K-Means dan K-Medoids.

Kata Kunci: Stunting, Clustering, K-Means, K-Medoids, Jawa Barat