Perbandingan amaodel Pengelompokan Status Gizi Balita Menggunakan Algoritma Fuzzy C-Means Dan K-Medoids

Permasalahan gizi anak balita masih menjadi isu kesehatan masyarakat yang penting di Indonesia, khususnya di Kabupaten Karawang. Ketidakseimbangan gizi, baik gizi kurang maupun gizi lebih, dapat berdampak negatif terhadap pertumbuhan dan perkembangan anak. Oleh karena itu, diperlukan metode analisis data yang mampu mengelompokkan status gizi balita secara objektif dan akurat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Fuzzy C-Means (FCM) dan K-Medoids dalam mengelompokkan status gizi balita berdasarkan dua atribut utama, yaitu berat badan dan tinggi badan. Data penelitian diperoleh dari hasil penimbangan balita di Posyandu wilayah Kecamatan Jatisari. Tahapan penelitian meliputi pra-pemrosesan data berupa pembersihan data, seleksi atribut, dan normalisasi, kemudian dilanjutkan dengan proses clustering menggunakan algoritma Fuzzy C-Means dan K-Medoids. Hasil pengelompokan dari kedua algoritma menghasilkan tiga cluster yang merepresentasikan kategori gizi kurang, gizi baik, dan gizi lebih. Pada algoritma Fuzzy C-Means, setiap data balita memiliki derajat keanggotaan pada masing-masing cluster sehingga mampu menggambarkan kondisi balita yang berada pada batas antar kategori gizi secara lebih fleksibel. Sementara itu, algoritma K-Medoids mengelompokkan data secara tegas ke dalam satu cluster berdasarkan kedekatan dengan medoid. Evaluasi kualitas clustering menggunakan Davies-Bouldin Index (DBI) menunjukkan nilai DBI sebesar 0.6005 untuk Fuzzy C-Means dan 0.6172 untuk K-Medoids. Nilai DBI yang lebih kecil menunjukkan kualitas pengelompokan yang lebih baik, sehingga dapat disimpulkan bahwa algoritma Fuzzy C-Means lebih optimal dibandingkan K-Medoids dalam pengelompokan status gizi balita.

Kata Kunci: Status gizi balita, Fuzzy C-Means, K-Medoids, Clustering, Davies-Bouldin Index, Data Mining.