PERBANDINGAN METODE K-MEDOIDS DAN FUZZY POSSIBILISTIC C-MEANS DALAM MENGELOMPOKKAN TINGKAT KESEHATAN BALITA BERDASARKAN PENANGANAN KASUS STUNTING DI INDONESIA

ADAM RAMADHAN, . (2025) PERBANDINGAN METODE K-MEDOIDS DAN FUZZY POSSIBILISTIC C-MEANS DALAM MENGELOMPOKKAN TINGKAT KESEHATAN BALITA BERDASARKAN PENANGANAN KASUS STUNTING DI INDONESIA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (521kB)
	Text BAB 2.pdf Restricted to Registered users only Download (791kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (932kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (509kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (506kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (988kB) | Request a copy

Abstract

Clustering adalah teknik pengelompokan data yang pada dasarnya dilakukan atas suatu kesamaan atau karakteristik tertentu, seperti jarak, kemiripan dan lain sebagainya. Dalam proses clustering terdapat beberapa metode yang biasa digunakan, diantaranya adalah K-Medoids dan Fuzzy Possibilistic C-Means. Untuk K-Medoids dalam proses perhitungannya akan memerlukan distance metric berupa jarak euclidean dan menggunakan metode elbow serta silhouette untuk menentukan jumlah cluster (c) optimal. Sedangkan, untuk Fuzzy Possibilsitic C-Means dalam proses perhitungannya akan memerlukan distance metric berupa jarak square euclidean dan menggunakan nilai PE, PC serta MPC untuk menentukan jumlah cluster (c) optimal. Penelitian ini bertujuan untuk mengelompokkan tingkat kesehatan balita dari 34 provinsi di Indonesia ditinjau berdasarkan 11 indikator variabel penanganan kasus stunting dengan c = 2,3,...,6. Menggunakan K-Medoids berdasarkan metode elbow diperoleh bahwa c optimal adalah sebanyak 3 cluster, sedangkan berdasarkan metode silhouette diperoleh bahwa c optimal adalah sebanyak 4 cluster. Menggunakan Fuzzy Possibilistic C-Means berdasarkan nilai PE, PC dan MPC diperoleh bahwa c optimal adalah sebanyak 2 cluster. Berdasarkan perbandingan menggunakan nilai davies-bouldin index (DBI) diperoleh bahwa untuk K-Medoids dengan c = 3 nilai DBI-nya yaitu 1.662832, sedangkan untuk c = 4 nilai DBI-nya yaitu 1.265332. Dengan menggunakan Fuzzy Possibilistic C-Means dengan c = 2 diperoleh nilai DBI-nya yaitu 1.762145. Jadi, pengelompokan tingkat kesehatan balita berdasarkan penanganan kasus stunting di Indonesia akan lebih baik menggunakan K-Medoids dengan jumlah cluster (c) optimal ditentukan berdasarkan metode silhouette dimana c = 4. ***** Clustering is a data grouping technique that is basically performed based on certain similarities or characteristics, such as distance, similarity, and so on. In the clustering process, there are several methods that are commonly used, including K-Medoids and Fuzzy Possibilistic C-Means. For K-Medoids, the calculation process requires an Euclidean distance metric and uses the elbow and silhouette methods to determine the optimal number of clusters (c). Meanwhile, for Fuzzy Possibilistic C-Means, the calculation process requires a square Euclidean distance metric and uses the PE, PC, and MPC values to determine the optimal number of clusters (c). This study aims to group the health levels of toddlers from 34 provinces in Indonesia based on 11 indicators of stunting case management with c = 2, 3, ..., 6. Using K-Medoids based on the elbow method, it was found that the optimal c is 3 clusters, while based on the silhouette method, it was found that the optimal c is 4 clusters. Using Fuzzy Possibilistic C-Means based on the PE, PC, and MPC values, it was found that the optimal c is 2 clusters. Based on a comparison using the Davies-Bouldin Index (DBI), it was found that for K-Medoids with c = 3, the DBI value is 1.662832, while for c = 4, the DBI value is 1.265332. Using Fuzzy Possibilistic C-Means with c = 2, the DBI value is 1.762145. Therefore, clustering the health status of infants based on stunting case management in Indonesia is better achieved using K-Medoids with the optimal number of clusters (c) determined using the silhouette method, where c = 4.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Eti Dwi Wiraningsih, S.Pd., M.Si. ; 2). Dr. Yudi Mahatma, M.Si.
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Users 28054 not found.
Date Deposited:	31 Jul 2025 03:28
Last Modified:	31 Jul 2025 03:28
URI:	http://repository.unj.ac.id/id/eprint/57062

Actions (login required)

View Item