PERBANDINGAN ALGORITMA PILLAR K-MEANS DAN ALGORITMA K-MEANS PADA DATASET STUNTING UNTUK CLUSTERING WILAYAH DI PULAU SUMATERA
Belum tercapainya prevalensi stunting di Pulau Sumatera sesuai dengan standar World Helath Organization (WHO) memerlukan metode yang efektif untuk menganalisis dan mengelompokkan daerah-daerah tersebut berdasarkan faktor-faktor yang berkaitan dengan stunting. Salah satu upaya pemerintahan dalam melakukan aksi konvergensi intervensi dalam penurunan pervalensi stunting adalah melakukan identifikasi pesebaran stunting, maka dari itu penelitian ini menggunakan metode klasterisasi. Klasterisasi adalah teknik yang digunakan untuk membagi data ke dalam kelompok dengan karakteristik serupa. Penelitian ini berfokus kepada perbandingan kinerja algoritma Pillar K-Means dengan algoritma K-Means pada dataset stunting di Pulau Sumatera. Kedua algoritma akan diterapkan, dan hasilnya akan dievaluasi berdasarkan Davies Bouldin Index (DBI). Dengan hasil algoritma Pillar K-Means membuktikan lebih optimal dan efesien dikarenakan menghasilkan DBI sebesar 0,052 dan 4 iterasi sedangkan K-Means menghasilkan DBI 0,174 dan 10 iterasi.
URI
https://repo.itera.ac.id/depan/submission/SB2411260016
Keyword
Stunting, Pillar, K-Means, Clustering