Pengelompokkan Provinsi di Indonesia Berdasarkan Peubah Penyebab Stunting Menggunakan Analisis Cluster Hierarki
Abstract
Stunting merupakan suatu kondisi akibat kekurangan gizi kronis yang menyebabkan tinggi badan anak lebih pendek jika dibandingkan dengan anak seusianya. Prevalensi stunting Indonesia masih melebihi standar yang ditetapkan oleh WHO. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan karakteristik penyebab stunting. Analisis cluster merupakan salah satu metode statistika yang digunakan untuk mengelompokkan objek-objek dengan karakteristik yang mirip. Pengelompokkan provinsi dilakukan menggunakan analisis cluster hierarki yang terdiri dari single linkage, complete linkage, average linkage, Ward’s method, dan centroid method. Koefisien korelasi Cophenetic digunakan untuk menentukan metode cluster terbaik dan penentuan jumlah cluster optimal menggunakan koefisien Silhouette. Hasil analisis menunjukkan bahwa metode centroid memiliki koefisien korelasi Cophenetic tertinggi dengan empat cluster. Cluster pertama terdiri dari satu provinsi dengan karakteristik penyebab stunting rendah, cluster kedua terdiri dari tiga provinsi dengan karakteristik penyebab stunting sangat tinggi, cluster ketiga terdiri dari delapan provinsi dengan karakteristik penyebab stunting sedang, dan cluster keempat terdiri dari 22 provinsi dengan karakteristik penyebab stunting tinggi. Stunting is a condition due to chronic malnutrition that causes children to be shorter in height compared to their age. The prevalence of stunting in Indonesia still exceeds the standards set by WHO. This study aims to classify provinces in Indonesia based on the characteristics of the causes of stunting. Cluster analysis is a statistical method used to group objects with similar characteristics. Province grouping is done using hierarchical cluster analysis consisting of single linkage, complete linkage, average linkage, Ward’s method, and centroid method. The Cophenetic correlation coefficient was used to determine the best cluster method and the optimal number of clusters using the Silhouette coefficient. The analysis results show that the centroid method has the highest Cophenetic correlation coefficient with four clusters. The first cluster consists of one province with low stunting characteristics, the second consists of three provinces with very high stunting characteristics, the third consists of eight provinces with moderate stunting characteristics, and the fourth consists of 22 provinces with high stunting characteristics.