Clustering Wilayah Kerawanan Stunting Menggunakan Metode Fuzzy Subtractive Clustering

Authors

  • Ratna Dwi Christyanti Universitas Kaltara
  • Dady Sulaiman Universitas Kaltara
  • Adymas Putro Utomo Universitas Kaltara
  • Muhammad Ayyub Universitas Kaltara

DOI:

https://doi.org/10.32815/jitika.v17i1.877

Keywords:

Stunting, Clustering, Fuzzy Subtractive Clustering

Abstract

Stunting is a chronic lack of nutrition experienced by toddlers, causing the body to be too short for its age. In Bulungan Regency, stunting is a problem that the government focuses on handling. Based on these problems, this study aims to determine the clusters of stunting susceptibility levels. The method used is Fuzzy Subtractive Clustering (FSC). The method stages in this research are data collection; clustering process using the FSC method; the process of determining the candidate cluster center; the cluster center consideration process using various parameters; then clustering the previously given data into the appropriate cluster based on the degree of membership of each. From this study it can be concluded that the radius (r) of 0.92 produces the best number of clusters. The number of clusters formed is 7 clusters as follows, cluster 1 has 2 sub-districts, cluster 2 has 3 sub-districts, cluster 3 has 3 sub-districts, cluster 4 has 1 sub-district, cluster 5 has 1 sub-district, cluster 6 has 1 sub-district, and cluster 7 has 1 district.

Keywords: Stunting; Clustering ; Fuzzy Subtractive Clustering (FSC)

Downloads

Download data is not yet available.

References

1. Siswati T, Hoekstra T, Kusnanto H. Stunting among children Indonesian urban areas: What is the risk factors? Jurnal Gizi dan Dietetik Indonesia (Indonesian Journal of Nutrition and Dietetics). 2020 Aug 27;8(1):1–8.
2. Ni’mah K, Nadhiroh SR. Faktor yang berhubungan dengan kejadian stunting pada balita. Media Gizi Indonesia. 2015;10(1):13–9.
3. Budiastutik I, Nugraheni SA. Determinant of stunting in indonesia: a review article. Indonesian Journal of Healthcare Research. 2018;1(2):43–9.
4. Mulyaningsih T, Mohanty I, Widyaningsih V, Gebremedhin TA, Miranti R, Wiyono VH. Beyond personal factors: Multilevel determinants of childhood stunting in Indonesia. PLOS ONE. 2021 Nov 19;16(11):e0260265.
5. Ahmed M, Seraj R, Islam SMS. The k-means Algorithm: A Comprehensive Survey and Performance Evaluation. Electronics. 2020 Aug;9(8):1295.
6. Nagari SS, Inayati L. IMPLEMENTATION OF CLUSTERING USING K-MEANS METHOD TO DETERMINE NUTRITIONAL STATUS. Jurnal Biometrika dan Kependudukan. 2020 Jun 15;9(1):62–8.
7. Safitri D, Rahmawati R, Hitasari OK. Fuzzy subtractive clustering berdasarkan kejadian bencana alam pada kabupaten/kota di jawa tengah. Jurnal Statistika Universitas Muhammadiyah Semarang [Internet]. 2017 [cited 2022 Feb 13];5(2). Available from: https://jurnal.unimus.ac.id/index.php/statistik/article/view/3190
8. Haryati AE, Surono S. Comparative study of distance measures on fuzzy subtractive clustering. MEDIA STATISTIKA. 2022 Jan 11;14(2):137–45.
9. Haryati AE, Surono S, Suparman S. Implementation of minkowski-chebyshev distance in fuzzy subtractive clustering. EKSAKTA: Journal of Sciences and Data Analysis. 2021 Jun 23;2(2):82–7.
10. Setare, M. R. and Sajadi, S. N. Clustering with Principal Component Analysis and Fuzzy Subtractive Clustering Using Membership Function Exponential and Hamming Distance. The 5th International Conference on Information Technology and Digital Applications (ICITDA). 2020 Mar 17: 2(2):17–57
11. Alashwal H, El Halaby M, Crouse JJ, Abdalla A, Moustafa AA. The Application of Unsupervised Clustering Methods to Alzheimer’s Disease. Frontiers in Computational Neuroscience [Internet]. 2019 [cited 2022 Jun 23];13. Available from: https://www.frontiersin.org/article/10.3389/fncom.2019.00031.
12. Hayati, M. N., Goejantoro, R., et al. Penerapan metode subtractive fuzzy c-means pada tingkat partisipasi pendidikan jenjang sekolah menengah atas/sederajat di kabupaten/kota pulau kalimantan tahun 2018. Journal of Statistics and Its Applications.2020 Des:2(2):63–74.
13. Efendi M. Penerapan metode k-means clustering pada sistem pendukung keputusan penentuan status gizi batita. JATI (Jurnal Mahasiswa Teknik Informatika). 2018 Sep 3;2(2):184–9.
14. Mahmudi A, Nataly S, Kusyanti DE. Pengelompokan pekerjaan pembenahan jaringan irigasi tersier di kabupaten malang menggunakan metode k-means clustering. Sinteks : Jurnal Teknik. 2018 Jul 9;7(1):9–15.
15. Liu Y, Zhang Y, Chao H. Incremental fuzzy clustering based on feature reduction. Journal of Electrical and Computer Engineering [Internet]. 2022 Mar 28 [cited 2022 Jun 23];2022:e8566253. Available from: https://www.hindawi.com/journals/jece/2022/8566253/.
16. Zolghadr A, Jalalian A. A fuzzy clustering based method for the spatio-temporal data analysis. Journal of Computer Science [Internet]. 2022 Jun 13 [cited 2022 Jun 23];18(6):480–95. Available from: https://thescipub.com/abstract/jcssp.2022.480.495.
17. Fitri, N. A., Hayati, M. N., and Goejantoro, R. Grouping Districts/Cities in Kalimantan Island Based on The People’s Welfare Indicators Using Fuzzy C-Means and Subtractive Fuzzy C-Means Methods. Jurnal Matematika, Statistika dan Komputasi. 2021 Sep:18(1):141–149.
18. Azizah N, Yuniarti D, Goejantoro R. Penerapan metode fuzzy subtractive clustering. EKSPONENSIAL. 2019 Jan 22;9(2):197–206.
19. Kusumadewi, S & Purnomo, H. Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu. 2013.
20. Cahyaningrum, P. L. S. (2019). Indonesian community welfare levels clustering using the fuzzy subtractive clustering ( FCM ) method. Journal of Physics . 2019Jan 21-22: 4(8).

Downloads

Published

12-10-2022

How to Cite

Christyanti, R. D., Sulaiman, D., Utomo, A. P., & Ayyub, M. (2022). Clustering Wilayah Kerawanan Stunting Menggunakan Metode Fuzzy Subtractive Clustering. Jurnal Ilmiah Teknologi Informasi Asia, 17(1), 1–8. https://doi.org/10.32815/jitika.v17i1.877

Issue

Vol. 17 No. 1 (2023): Volume 17 Nomor 1 (8)

Section

Articles

License

Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi,  hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia (Jitika) dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.

Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, atau pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal Jitika, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.

Anda bebas untuk:

Bagikan - salin dan sebarkan materi dalam media atau format apa pun.

Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi