Implementasi Metode K-Means++ dan Elbow Method Dalam Mengelompokkan Pemberian Makanan Tambahan (PMT) dan Daerah Penanganan Gizi Buruk dan Stunting.

Kekurangan gizi atau gizi buruk merupakan satu pemasalahan yang terjadi di negara berkembang seperti Indonesia. Berdasarkan Survei Status Gizi Indonesia (SSGI) tahun 2022 indonesia mengalami peningkatan persentase wasting sebesar 7,1% pada tahun 2021 menjadi 7,7% pada tahun 2022. Selain itu aspek underweight juga mengalami peningkatan dimana pada tahun 2021 sebesar 17,0% menjadi 17,1% pada tahun 2022. Persentase wasting dan underweigth merupakan aspek-aspek yang meperlihatkan bagaimana masalah gizi yang di alami oleh negara indonesia. Untuk membantu dalam menurunkan angka gizi buruk dan stunting Pemerintah Indonesia mengadakan program bantuan edukasi dan pengawasan nutrisi pada balita yang mengalami permasalahan gizi yaitu program Pemberian Makanan Tambahan (PMT). PMT sendiri terbagi menjadi dua yaitu PMT Penyuluhan dan PMT Pemulihan. PMT penyuluhan sendiri bertujuan untuk membantu orang tua dalam proses pengawasan dan pemantauan gizi anak agar tidak mengalami gizi buruk. Sedangkan PMT Pemulihan bertujuan untuk membantu balita dalam mengoptimalisasi tumbuh kembang pada anak dan pemulihan gizi pada anak. Oleh karena itu, penelitian ini dilakukan untuk meengelompokkan Pemberian Makanan Tambahan (PMT) pada balita dan pengelompokkan untuk mengetahui bagaimana penanganan yang terjadi pada wilayah di tingkat Desa/Kelurahan dalam menangani permasalahan gizi buruk dan stunting. Metode K-Means++ dan metode elbow dipilih menjadi metode yang digunakan untuk proses pengelompokkan dan pengambilan nilai K yang paling optimal. Data pada penelitian ini ialah data daftar status gizi balita yang di ambil melalui Puskesmas Kamal Kabupaten Bangakalan. Data ini sendiri terbagi menjadi beberapa tahun yaitu tahun 2019-2023. Dimana pada masing-masing tahun nya terdiri dari 867 data pada tahun 2019, 769 data pada tahun 2020, 618 data pada tahun 2021, 665 data pada tahun 2022, dan 203 data pada tahun 2023. Data ini terdiri dari 10 fitur yaitu Nama, Jenis Kelamin, Desa/Kelurahan, Umur (Bulan), Tinggi Badan (Cm), Berat Badan (Kg), BB/U, TB/U, BB/TB, Naik Berat Badan. Evaluasi metode pada penelitian ini menggunakan perhitungan DBI dan SSE. DBI digunakan untuk mengetahui kualitas hasil pengelompokkan, sedangkan SSE digunakan untuk proses pencarian nilai K optimal pada metode elbow. Berdasarkan hasil pengujian antara metode K-Means Konvensional dengan K-Means++ didapati hasil K optimal rata-rata pada nilai K=4 pada pengelompokkan PMT dan nilai K=3 pada pengelompokkan daerah. Selain itu berdasarkan hasil evaluasi DBI dengan data daftar status gizi dari tahun 2019-2023 algoritma K-Means++ memperlihatkan hasil kualitas pengelompokkan yang lebih baik. Dimana, rata-rata DBI sebesar 0,256 pada pengelompokkan PMT, dan 0,359 pada pengelompokkan daerah. Pada algoritma K-Means konvensional sendiri rata-rata DBI yang di hasilkan sebesar 0,354 pada pengelompokkan PMT dan 0,489 pada pengelompokkan daerah. Sedangkan pada hasil waktu komputasi dan jumlah iterasi metode K-Means++ juga menghasilkan waktu komputasi yang lebih cepat sebesar 0,297 pada pengelompokkan PMT dan 0,03 pada pengelompokkan daerah. Selain itu jumlah iterasi mununjukkan hasil rata-rata yang lebih sedikit yaitu sebesar 4,2 pada pengelompokkan PMT dan 3 pada pengelompokkan daerah.