Detail Cantuman Kembali

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

LOADING LIST...

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...

Informasi
DETAIL CANTUMAN
Kembali ke sebelumnya  
UPT. PERPUSTAKAAN UNMUL

DIGITAL LIBRARY


Jl. Kuaro Gunung Kelua