Perbandingan Algoritma K-Means Dan Hierarchical Clustering Dalam Pengelompokan Kasus Gizi Buruk Pada Kabupaten Dan Kota di Jawa Barat

Data Dinas Kesehatan Jawa Barat (2019) mencatat 1.986.890 balita mengalami masalah gizi, dan hasil Studi Status Gizi Indonesia (SSGI) menempatkannya pada kategori tinggi. Peningkatan jumlah kasus gizi buruk setiap tahun menimbulkan ancaman serius terhadap kesehatan anak-anak, yang menimbulkan masalah seperti tubuh kurus, wasting, stunting, hingga kematian. Adapun tujuan penelitian ini yaitu, untuk mengelompokan kabupaten/kota di Jawa Barat berdasarkan kategori gizi buruk kedalam 2 klaster menggunakan teknik data mining dengan algoritma K-Means dan Hierarchical Clustering. Berdasarkan hasil perbandingan Algoritma K-Means membentuk 2 klaster, klaster 1 (14 kabupaten/kota) dan klaster 2 (13 kabupaten/kota). Hierarchical Clustering membentuk 2 klaster, klaster 1 (3 kabupaten/kota) dan klaster 2 (24 kabupaten/kota). Adapun hasil evaluasi klaster terbaik berdasarkan Silhouette Coeficient dan Davies Bouldin Index adalah K-Means dengan nilai 0.5955 dan Davies Bouldin Index 0.5046. Hasil nilai Evaluasi tersebut termasuk kedalam klaster dengan kualitas yang baik.

Kata Kunci: Clustering; DBI; Hierarchical Clustering; K-Means; Silhouette Coefficient.