KLASTERISASI PREVALENSI STUNTING MENGGUNAKAN K-PROTOTYPE PADA DATA CAMPURAN
Analisis klaster merupakan metode statistik untuk mengelompokkan objek berdasarkan kesamaan karakteristik setiap objek. Salah satu algoritma yang digunakan dalam analisis klaster adalah K-Prototype, yang dikembangkan untuk menangani data campuran, yaitu data numerik dan kategorik. Metode validasi yang digunakan untuk menentukan jumlah klaster optimal dalam analisis klaster K-Prototype adalah metode Elbow. Tujuan penelitian untuk mengetahui jumlah klaster optimal dan hasil klaster optimal. Data pada penelitian yang digunakan yaitu prevalensi stunting dan indikator yang mempengaruhi prevalensi stunting di Indonesia pada tahun 2022. Hasil penelitian menunjukkan jumlah klaster optimal yang dihasilkan sebanyak 4 klaster, dengan grafik Elbow diperoleh nilai WCSS yang optimal sebesar 65,83. Klaster 1 terdiri dari 2 provinsi, klaster 2 terdiri dari 7 provinsi, klaster 3 terdiri dari 10 provinsi, dan klaster 4 terdiri dari 15 provinsi. Setiap klaster memiliki karakteristik unik yang dapat memberikan wawasan tambahan tentang faktor-faktor yang memengaruhi prevalensi stunting di wilayah tersebut.
Ketersediaan
Detail Information
Judul | KLASTERISASI PREVALENSI STUNTING MENGGUNAKAN K-PROTOTYPE PADA DATA CAMPURAN |
---|---|
Pengarang | Aldwin Falah Hasan Marsandy - Personal Name |
No. Panggil | SKRIPSI ALD k 2024 |
Subyek | Analisis Klaster Prevalensi Stunting Elbow K-Prototype |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2024 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY