Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Pemetaan Kejadian Stunting Berdasarkan Status Ekonomi Keluarga Di Puskesmas Bangil Menggunakan Algoritma X-Means l@ti.
uinOong Alfa Salasa1.
Muhammad Faisal 2 SMK 1 Pasuruan, 2Magister Informatika.
Fakultas Sains dan Teknologi.
Universitas Islam Negeri Maulana Malik Ibrahim Malang 2006015210014@student.
uin-malang.
id, 2 mfaisal@ti.
uin-malang.
id malang.
ABSTRAK
Stunting adalah masalah kekurangan asupan gizi dari makanan yang berlangsung cukup lama, upaya penurunan kejadian stunting merupakan salah satu prioritas program pemerintah dalam bidang kesehatan.
Pemetaan wilayah berdasarkan kejadian stunting akan sangat membantu petugas kesehatan pada wilayah kerja untuk menurunkan prevalensi stunting.
Dalam penelitian ini, penulis akan memetakan wilayah yang rentan terjadi stunting berdasarkan faktor status ekonomi keluarga dengan teknik data mining Clustering menggunakan algoritma X-Means.
Untuk mengetahui scoring cluster yang optimal menggunakan Davies Bouldin Index (DBI).
Agar memudahkan pembacaan hasil analisa clustering di integrasikan dalam sebuah peta berbasis Sistem Informasi Geografis (SIG).
Hasil penelitian memberikan gambaran mengenai pengelompokan wilayah dengan nilai scoring evaluasi DBI sebesar 0,47.
Disarankan untuk memanfaatkan metode yang berbeda dan membandingkannya agar kevaliditasannya menjadi lebih Kata kunci: Stunting.
Clustering.
X-Means.
Sistem Informasi Geografis (SIG) ABSTRACT Stunting is a problem of lack of nutritional intake from food that lasts quite a long time.
Efforts to reduce the incidence of stunting are one of the priorities of government programs in the health sector.
Regional mapping based on the incidence of stunting will greatly assist health workers in their work areas to reduce the prevalence of stunting.
In this study, the authors will map areas that are prone to stunting based on family economic status factors using the Clustering data mining technique using the X-Means algorithm.
To determine the optimal scoring cluster using the Davies Bouldin Index (DBI).
In order to make it easier to read the results of the clustering analysis, it is integrated into a map based on a Geographic Information System (GIS).
The results of the study provide an overview of the grouping of regions with a DBI evaluation scoring value of 0.
It is recommended to use different methods and compare them so that their validity is maximized.
Keywords: Stunting.
Clustering.
X-Means.
Geographic Information System (GIS) PENDAHULUAN Melalui halaman resmi UNICEF Global Nutrition Report mengeluarkan informasi tingkat malnutrisi anak tahun 2021.
pernyataan itu menguak keadaan jutaan kanak- kanak yang obesitas, kurang nutrisi, sampai stunting di bumi.
Diperkirakan terdapat 149, 2 juta kanak- kanak yang alami stunting.
Nilai itu sebanding 22 persen balita di semua negera pada 2020 .
Masih banyak ditemukan balita stunting di Kabupaten Pasuruan, khususnya di wilayah kerja Puskesmas Bangil selama periode tahun 2022 yaitu sebanyak 132 kasus.
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Dari data kejadian stunting tiap desa di seluruh wilayah Puskesmas Bangil Kabupaten Pasuruan, melalui metode clustering menggunakan algoritma X-Means akan mengelompokkan desa-desa berdasarkan kesamaan pola atau kesamaan kelompoknya.
Algoritma X-Means merupakan hasil perbaikan dari beberapa kekuarangan dari algoritma KMeans, melalui perulangan pengelompokan beberapa kali sehingga menemukan titik terbaik dari nilai yang telah ditentukan.
Menggunakan angka Bayesian Information Criterion (BIC) sebagai indikator untuk melakukan pemecahan kelompok data.
Hasil pengelompokan dipetakan menggunakan program Sistem Informasi Geografis (SIG), dalam menghasilkan gambar denah suatu wilayah ataupun area tertutup yang bersumber pada informasi spasial mencakup posisi, objek serta keterikatan ruang di alam yang dikenal dengan peta.
Dengan pengelompokan desa di wilayah Puskesmas Bangil berdasarkan faktor sosial ekonomi keluarga sebagai penyebab stunting dalam visualisasi peta persebaran, akan menjadi referensi untuk menetapkan wilayah yang menjadi prioritas dalam penanganan stunting.
METODOLOGI PENELITIAN
Tahapan dalam penelitian ini diawali mengumpulkan data collection yang terdiri dari data peta wilayah kerja Puskesmas Bangil (Spasial Dat.
, kemudian diolah menggunakan SIG menjadi peta.
Kemudian untuk data collection non spasial data sosial ekonomi dari balita stunting dikelompokkan menggunakan algoritma X-Means menjadi Data clustering Prevalensi Stunting.
Dari hasil spasial data berupa peta dan non spasial data berupa data clustering diintegrasikan menghasilkan pemetaan persebaran stunting di wilayah Puskemas Bangil.
Proses langkah-langkah dalam penelitian ditunjukkan oleh Gambar 1 berikut ini:
Data Collection Spasial Data Peta Wilayah Kerja Puskesmas Bangil Non Spasial Data Data Koordinat Desa Data Sosial Ekonomi Georeferensi peta dasar Teknik Data Mining:
- Algoritma X-Means Digitasi Peta Data Clustering Prevalensi Stunting Pemberian simbol pada peta digital Integrasi Peta Visualisasi Peta Persebaran Gambar 1: Flowchart Desain Penelitian Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
1 Pengumpulan Data (Data Collectio.
Pengumpulan informasi yang berkaitan dengan teori diambil dari artikel, literatur dan jurnal penelitian serta sumber-sumber lain berhubungan dengan permasalahan yang dibahas.
Sebaliknya informasi yang hendak dipergunakan dalam riset ini adalah informasi inferior.
Untuk sumber data sekunder yang digunakan di bagi menjadi 2 data yaitu Data Spasial dan Data Non Spasial:
1 Data Spasial Data spasial merupakan fakta yang dapat membuktikan posisi informasi di dataran alam.
Informasi spasial mempunyai rujukan posisi pemetaan yang di formatkan dalam bentuk koordinat.
Informasi spasial kerap pula di katakan sebagai informasi geospasial, informasi geografis, ataupun geodata .
Georeferensi Peta Dasar Data spasial mempunyai rujukan letak posisi pemetaan dan digambarkan dalam suatu titik koordinat UTM (Universal Transerve Mercato.
, dengan data koordinat sebagai berikut:
Tabel 1 Titik Koordinat Desa Wilayah Kerja Puskesmas Bangil No.
Desa Bendo Mungal Gempeng Kauman Kersikan Kidul Dalem Kolursari Pogar Titik Koordinat Digitasi Peta Pembuatan peta dilakukan dengan digitasi .
enggambaran peta dilakukan secara on-screen pada layer monito.
yang akan menjadi sebuah peta digital.
Gambar 2.
Peta Digital Batas Administrasi Desa Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Pemberian model simbol pada peta digital Melalui pemberian simbol atau labelling berupa nama desa dapat memberikan keterangan yang bermanfaat bagi pengguna.
Gambar 3.
Peta Batas Administrasi Desa 2 Data Non Spasial Data sekunder ini berupa data yang di peroleh dari Puskesmas Bangil Kesehatan tentang faktor sosial ekonomi keluarga dari anak yang mengalami stunting tahun 2022 sebanyak 246 anak.
Adapun dataset faktor sosial ekonomi keluarga penyebab terbanyak stunting digunakan variabel dalam penelitian yang di tampilkan pada tabel berikut:
Tabel 2.
Dataset Faktor Sosial Ekonomi Keluarga Faktor Sosial Ekonomi Keluarga No.
Desa Tingkat ibu tinggi Bendomungal Gempeng Kauman Kersikan Kidul Dalem Kolursari Pogar Kategori keluarga tinggi Jumlah Total Status Pekerjaan Orang Tua Rendah Rumah yang sanitasi layak Jumlah 2 Teknik Data Maining Dalam penelitian ini proses pengelompokan data, teknik data mining yang digunakan algoritma X-Means.
Pengembangan perbaikan Algoritma yang dilakukan Dan Pelleg dan Andre Moore pada tahun 2000.
Langkah penyelesaian untuk menentukan kelompok diproses secara terus menerus memakai nilai maksimal serta minimal sajian oleh pemakai.
Prosedur penyelesaian ini meliputi 2 tahap hingga berakhir.
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Menaikkan Nilai Paramater, menjalankan algoritam k-means sampai tidak ada perubahan yang terjadi dalam pengelompokan.
Menggunakan nilai k sebagai batasan bawah yang sudah ditentukan diawal oleh pemakai.
Memperbaiki susunan kelompok, dalam tahap ini memecah kelompok berdasarkan titik pusat menjadi dua bagian dengan seleksi random.
Untuk menentukan nilai pusat cluster dengan menyamakan nilai BIC.
Bila K =kmax.
atasan ata.
menyudahi serta menginformasikan ke bentuk evaluasi terbaik yang ditemui sepanjang pencarian, bila tidak berangkat ke Tahap 1.
Untuk mengetahui hasil evaluasi clustering seberapa baik dalam pengelompokan data, maka dipergunakan prosedur Davies Bouldin Index( DBI).
Prosedur DBI mengukur penilaian cluster pada sesuatu prosedur pembentukan kelompok, keterikatan data dikonfirmasi selaku jumlah berdasarkan kefekatan informasi pada nilai pusat kelompok dari cluster yang disertai, sebaliknya separasi ditentukan pada jarak dampingi nilai pusat kelompok dari cluster.
Angka perbandingan yang didapat itu dikenakan guna mencari angka DBI dengan persesuaian berikut:
DBI A
Eu max iC j ( Ri, j ) k i A1 Berdasarkan rumus DBI, sejumlah kelompok di identifikasi menggunakan nilai k.
Perolehan hasil perhitungan mendekati nilai 1 .
on-negatif >= .
, maka pengelompokan sangat ideal.
3 Integrasi Peta Dalam melakukan penggabungan peta dengan data klaster dibutuhkan aplikasi Bahasa pemrograman Phyton yang menggunakan library geopandas.
Peta digitasi yang sudah dibuat dengan file eksktensi .
shp diintegrasikan dengan data klaster dimana setiap klaster data sudah ditentukan warna background.
4 Visualisasi Peta Visualisasi peta digunakan untuk menganalisis dan menampilkan data geografis dan menyajikannya dalam bentuk tipe peta yang berbeda.
Informasi yang lebih mungkin diungkapkan melalui visualisasi menjadi lebih jelas dan lebih intuitif.
Dapat melihat distribusi atau proporsi data di setiap area, sehingga memudahkan orang untuk terlibat dengan informasi dan membuat keputusan yang lebih baik.
HASIL DAN PEMBAHASAN
Berdasarkan penjelasan pada bab sebelunya, proses penelitian mulai dari pembacaan data sampai proses visualisasi peta persebaran menggunakan aplikasi jupiter notebook dengan menggunakan bahasa pemrograman Python.
Dalam penyelesaian masalah menggunakan bahasa pemrograman python dibutuhkan beberapa library pendukung.
Library bantuan yang dipakai antara lain:
PyClustering merupakan library untuk machine learning digunakan untuk proses pengelompokan data melalui proses pembobotan sebelumnya Scikit-learn .
termasuk library python, dalam penelitian ini digunakan dalam perhitungan score dari proses pembentukan kelompok dengan metode DBI.
Pandas digunakan dalam mengerjakan sekumpulan dataset.
Matplotlib digunakan untuk melakukan visualisasi data seperti membuat plot grafik untuk satu sumbu atau lebih.
Geopandas digunakan untuk membuat visualisasi data Geospasial.
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Pembacaan data Proses pertama dalam melakukan machine learning yaitu membaca dan menampilkan dataset faktor sosial ekonomi keluarga pada balita stunting yang sudah tersimpan dengan nama SosialEkonomi.
Gambar 4.
Perintah membaca dan menampilkan data set Hasil tampilan pembacaan data SosialEkonomi.
csv, terlihat data jumlah balita stunting setiap desa yang dipengaruhi oleh faktor sosial ekonomi dipakai sebagai variabel penelitian.
Untuk memudahkan dan efisiensi penulisan variabel dituliskan dalam bentuk kode.
Keterangan kode variabel di jelaskan pada tabel berikut:
Tabel 2.
Kode Variabel Faktor Sosial Ekonomi Keluarga Kode Variabel Keterangan Faktor Sosial Ekonomi Keluarga Tingkat pendidikan ibu tinggi Kategori pendapatan keluarga tinggi Status Pekerjaan Orang Tua Rendah Rumah tangga yang memiliki sanitasi layak.
Menentukan Inisialisasi Center dari klaster Inisialisasi jumlah klaster dimulai dengan klaster terkecil (C = .
dengan titik pusat kelompok 1 dan kelompok 2 diambil secara acak menggunakan metode means_plusplus_initializer yang sudah disediakan oleh library python PyClustering.
Gambar 5.
Perintah inisialisasi pusat klaster Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Dihasilkan pusat klaster awal bisa diamati pada bagan 5 di bawah ini:
Tabel 4.
Inisialisasi Pusat Klaster Awal Desa Kidul Dalem Kolursari Teknik Data Mining Proses teknik data mining clustering menggunakan metode X-Means dengan kelebihan memudahkan dalam menentukan jumlah cluster terbaik pada data yang besar.
Gambar 5.
Perintah clustering metode X-Means Proses kerja dari metode X-Means adalah data dikelompokkan menggunakan metode Bayesian Information Criterion (BIC), untuk mencari pengelompokan data secara optimal berdasarkan inisialisasi pusat klaster yang sudah ditentukan secara acak.
Data Clustering Hasil proses clustering menggunakan X-Means menggunakan perintah python seperti berikut.
Gambar 6.
Perintah menampilkan hasil clustering dan Nilai Pusat cluster Hasil proses clustering menggunakan cara pengelompokan Bayesian Information Criterion (BIC) menghasilkan 4 kelompok data.
Gambar 7.
Perintah menampilkan hasil klaster Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Hasil Evaluasi Clustering Berdasarkan perhitungan proses clustering yang dihasilkan, maka untuk mengetahui evaluasi internal cluster, dimana baik atau tidaknya hasil pengelompokan Davies-Bouldin Index (DBI) merupakan metode menghitung validitas kelompok pada suatu metode pengelompokan.
Gambar 8.
Perintah Perhitungan Perhitungan Davies-Bouldin Index (DBI) Bersumber pada perhitungan skoring DBI, semakin rendah nilai DBI .
idak negati.
>= 0 maka cluster yang didapat semakin berkualitas dengan menggunakan pengelompokan x-means.
Integrasi Peta Data georeferensi peta dasar wilayah Puskesmas Bangil di tampilkan menggunakan geopandas dan ditampilkan dalam bentuk peta plot.
Gambar 9.
Perintah menampilkan data geometry wilayah kerja Puskesmas Bangil Perintah menampilkan data geometry wilayah kerja Puskesmas dari data georeferensi peta dasar menggunakan geopandas, digunakan sebagai penenetuan titik koordinat dalam pemetaan.
Gambar 10.
Perintah menampilkan peta wilayah kerja Puskesmas Bangil Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Peta dihasilkan dari koordinat wilayah yang di rendering dalam bentuk plot menggunakan library Visualisasi Peta Peta plot hasil integrasi peta di kombinasikan dengan data klaster dimana setiap klaster sudah ditentukan warna background.
Gambar 11.
Perintah menampilkan keterangan klaster Berdasarkan ketentuan pemerintah Jawa Timur tentang status wilayah stunting, terdapat 4 kategori yaitu status wilayah stunting Rendah (Background Warna Bir.
Sedang (Background Warna Hija.
Tinggi (Background Warna Kunin.
dan Sangat Tinggi (Background Warna Mera.
Gambar 12.
Perintah menampilkan integrasi peta dengan klaster Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Perintah integrasi melalui tiga proses ketika menampilkan dalam bentuk peta.
Proses pertama menggabungkan data klaster ke dalam data geometri, langkah ke dua peta sesuai dengan data klaster dan proses ke tiga memberi label nama wilayah dalam tampilan peta.
Gambar 13.
Peta Persebaran Prevalensi Stunting Berdasarkan hasil clustering menggunakan algoritma X-Means terbentuk 4 kelompok, ketika di integrasikan kedalam peta menghasilkan peta persebaran prevalensi stunting di wilayah Puskesmas bangil seperti yang terlihat pada gambar 13.
Pada peta persebaran prevalensi stunting terlihat status stunting desa berdasarkan background warna, dengan keterangan sebagai berikut:
C Background warna merah Legenda peta dengan warna background merah merupakan wilayah desa dengan status stunting sangat tinggi, yaitu desa Bendo Mungal dan desa Kidul Dalem.
C Background warna biru Legenda peta dengan warna background biru merupakan wilayah desa dengan status stunting tinggi, yaitu desa Kauman dan desa Gempeng.
C Background warna hijau Legenda peta dengan warna background kuning merupakan wilayah desa dengan status stunting sedang, yaitu desa Kolursari.
C Background warna kuning Legenda peta dengan warna background kuning merupakan wilayah desa dengan status stunting rendah, yaitu desa Pogar dan kersikan.
KESIMPULAN
Hasil penelitian menghasilkan beberapa kesimpulan sebagai berikut:
Pengelompokan wilayah desa kejadian stunting, berdasarkan data status ekonomi keluarga di wilayah Puskesmas Bangil menggunakan algoritma X-Means menghasilkan 4 kelompok Dengan hasil keakuratan cluster sebesar 0.
47 menggunakan DBI, dimana nilai yang mempunyai tingkatan ketepatan yang bagus dengan angka DBI mendekati 0.
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM).
Vol.
4 No.
1 April 2023
ISSN: 2722-435X
Melalui proses menggunakan library geopandas metode plot pada python tidak terjadi kesalahan pada proses integrasi peta dengan hasil pengelompokan data.
Serta didapatkan hasil klaster data sesuai dengan background warna yang telah ditentukan.
visualisasi peta persebaran prevalensi stunting dapat digambarkan status desa dengan background warna merah untuk status kejadian stunting sangat tinggi, background warna biru untuk status kejadian stunting tinggi, background warna hijau untuk status kejadian stunting sedang dan background warna kuning untuk status kejadian stunting rendah.
DAFTAR PUSTAKA