PEMETAAN POLA SEBARAN KASUS STUNTING BERBASIS SISTEM INFORMASI GEOGRAFIS PADA WILAYAH PUSKESMAS PASEH

Search by:

All Author Subject ISBN/ISSN Advanced Search

Last search:

SKRIPSI SI

PEMETAAN POLA SEBARAN KASUS STUNTING BERBASIS SISTEM INFORMASI GEOGRAFIS PADA WILAYAH PUSKESMAS PASEH

ERLANGGA, MUHAMMAD RIKO - Personal Name;

ABSTRAK

Stunting merupakan permasalahan gizi kronis yang berdampak pada pertumbuhan anak serta kualitas sumber daya manusia di masa depan. Penelitian ini bertujuan untuk menganalisis pola sebaran stunting di wilayah Puskesmas Paseh dengan memanfaatkan metode K-Means Clustering yang diimplementasikan ke dalam sebuah sistem WebGIS. Data yang digunakan adalah data gabungan tahun 2022–2024 yang meliputi jumlah balita, jumlah kasus stunting, serta koordinat geografis masing-masing desa. Proses analisis diawali dengan normalisasi data menggunakan Min-Max Normalization, kemudian dilanjutkan dengan penentuan jumlah cluster optimal melalui metode Elbow. Hasil analisis menunjukkan bahwa jumlah cluster optimal adalah tiga, yang dikategorikan menjadi desa dengan prevalensi stunting rendah, sedang, dan tinggi. Implementasi K-Means menghasilkan informasi spasial yang divisualisasikan dalam bentuk peta interaktif berbasis web, sehingga dapat membantu puskesmas dalam menentukan prioritas intervensi penanganan stunting. Dengan demikian, penelitian ini diharapkan mampu menjadi dasar dalam pengambilan keputusan dan perumusan kebijakan penanggulangan stunting secara lebih efektif

Kata kunci: Stunting, K-Means Clustering, WebGIS, Prevalensi, Normalisasi

ABSTRACT

Stunting is a chronic nutritional problem that affects child growth and the quality of human resources in the future. This research aims to analyze the distribution pattern of stunting in Paseh Community Health Center, by applying the K-Means Clustering method implemented in a WebGIS system. The data used consists of combined datasets from 2022 to 2024, including the number of children under five, the number of stunting cases, and the geographical coordinates of each village. The analysis process begins with data normalization using Min-Max Normalization, followed by determining the optimal number of clusters through the Elbow Method. The results indicate that the optimal number of clusters is three, categorized as villages with low, medium, and high stunting prevalence. The implementation of K-Means produces spatial information visualized in the form of an interactive web-based map, providing valuable support for local governments in prioritizing stunting intervention programs. Therefore, this study is expected to serve as a basis for decision-making and policy formulation in effectively tackling stunting issues.

Keywords: Stunting, K-Means Clustering, WebGIS, Prevalence, Normalization

Ketersediaan

S250929012 607.2 ERL p Perpustakaan STMIK AMIKBANDUNG Tersedia

Informasi Detil

Judul Seri: -
No. Panggil: 607.2 ERL p
Penerbit: : ., 2025
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subyek: -
Info Detil Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

JURNAL

Komentar

You must be logged in to post a comment