Metode Subtractive Fuzzy C-Means dalam Pengelompokan Provinsi di Indonesia Berdasarkan Keluarga Risiko Stunting

Fathina Nafisa Putri, Admi Salma

Abstract


Stunting merupakan permasalahan gizi kronis yang masih dihadapi Indonesia saat ini. Salah satu upaya dalam percepatan penurunan stunting yang dilakukan pemerintah yaitu melalui pendekatan keluarga berisiko stunting (KRS). Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan KRS. Metode yang digunakan yaitu metode Subtractive Fuzzy C-Means dengan 8 variabel penelitian diperoleh dari data KRS yang terdiri dari keluarga sasaran dan faktor risiko. Hasil analisis menggunakan metode Subtractive Fuzzy C-Means dengan jari-jari 0.5 menghasilkan 2 klaster. Klaster pertama terdiri dari 35 provinsi dengan jumlah keluarga berisiko stunting yang relatif rendah dibandingkan klaster 2 dengan jumlah keluarga berisiko stunting tinggi sehingga memerlukan perhatian lebih dan menjadi prioritas dalam pelaksanaan program percepatan penurunan stunting melalui pendekatan keluarga berisiko stunting.

Keywords


Stunting; Subtractive Fuzzy C-Means; Clustering

Full Text:

PDF

References


Kementerian Kesehatan Republik Indonesia, “Survei Status Gizi Indonesia (SSGI) 2024,” Jakarta, 2024.

Kementerian Kesehatan Republik Indonesia, “Survei Kesehatan Indonesia (SKI) 2023,” Jakarta, 2023.

K. G. Dewey and K. Begum, “Long-term consequences of stunting in early life,” Matern. Child Nutr., vol. 7, no. SUPPL. 3, pp. 5–18, 2011, doi: 10.1111/j.1740-8709.2011.00349.x.

Indonesia, “Peraturan Presiden Republik Indonesia Nomor 72 Tahun 2021 tentang Percepatan Penurunan Stunting,” 2021.

Badan Kependudukan dan Keluarga Berencana Nasional, “Modul 3 Pemutakhiran, Verifikasi dan Validasi Data Sasaran Keluarga Berisiko Stunting,” Jakarta, 2022. [Online]. Available: http://www.mercubuana.ac.id

Badan Kependudukan dan Keluarga Berencana Nasional, “Publikasi Data Keluarga Berisiko Stunting (KRS) Tahun 2024,” Jakarta, 2024.

W. Y. Liu, C. J. Xiao, B. W. Wang, Y. Shi, and S. F. Fang, “Study On Combining Subtractive Clustering With Fuzzy C-Means Clustering,” Proc. Second Int. Conf. Mach. Learn. Cybern., no. November, 2003.

D. S. Rahayu and M. P. Wijayanto, “Journal of science and technology,” vol. 5, no. 2, pp. 165–176, 2025.

Hariati Ainun Nisa, Admi Salma, Dodi Vionanda, and Tessy Octavia Mukhti, “Impelementation of Subtractive Fuzzy C-Means Method in Clustering Provinces in Indonesia Based on Factors Causing Stunting in Toddlers,” UNP J. Stat. Data Sci., vol. 2, no. 2, pp. 165–172, 2024, doi: 10.24036/ujsds/vol2-iss2/164.

S. L. Chiu, “Fuzzy Model Identification Based on Cluster Estimation,” J. Intell. fuzzy Syst., vol. 2(3), pp. 267–278, 1994.

A. Kolus, “Application of Neuro-Fuzzy Modelling for Accurate Estimation of Oxygen Consumption from Heart Rate,” pp. 610–621, 2023, doi: 10.46254/bd05.20220185.

N. Azizah, D. Yuniarti, and R. Goejantoro, “Penerapan Metode Fuzzy Subtractive Clustering (Studi Kasus: PengelompokkanKecamatan di Provinsi Kalimantan Timur Berdasarkan Luas Daerah dan Jumlah Penduduk Tahun 2015),” J. EKSPONENSIAL, vol. 9, no. 2, pp. 197–206, 2018.

H. Sabit and A. Al-Anbuky, “Multivariate spatial condition mapping using subtractive fuzzy cluster means,” Sensors (Switzerland), vol. 14, no. 10, pp. 18960–18981, 2014, doi: 10.3390/s141018960.

Bezdek, J.C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. New York: Plenum Press.

N. A. Fitri, M. N. Hayati, and R. Goejantoro, “Grouping Districts/Cities in Kalimantan Island Based on The People’s Welfare Indicators Using Fuzzy C-Means and Subtractive Fuzzy C-Means Methods,” J. Mat. Stat. dan Komputasi, vol. 18, no. 1, pp. 141–149, 2021, doi: 10.20956/j.v18i1.14416.

N. I. Kalla, S. Annas, and M. Fahmuddin, “Metode Subtractive Fuzzy C-Means (SFCM) dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Indikator Kemiskinan,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 2, pp. 95–108, 2022, doi: 10.35580/variansiunm25.

D. Nurmin, M. N. Hayati, R. Goejantoro, L. S. Terapan, and U. Mulawarman, “Penerapan Metode Fuzzy C-Means Pada Pengelompokan Kabupaten / Kota di Pulau Kalimantan Berdasarkan Indikator Kesejahteraan Rakyat Tahun 2020 Application of the Fuzzy C-Means Method in the Grouping of Regencies / Cities in Kalimantan Island Based on People,” J. EKSPONENSIAL, vol. 13, pp. 189–196, 2022.

K. M. Bataineh, M. Naji, and M. Saqer, “A comparison study between various fuzzy clustering algorithms,” Jordan J. Mech. Ind. Eng., vol. 5, no. 4, pp. 335–343, 2011.

P. J. Rousseeuw, “Silhouettes: A graphical aid to the interpretation and validation of cluster analysis,” J. Comput. Appl. Math., vol. 20, no. C, pp. 53–65, 1987, doi: 10.1016/0377-0427(87)90125-7.




DOI: https://doi.org/10.15548/jostech.v6i1.13745

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 JOSTECH Journal of Science and Technology

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.