SIDABUTAR, Mirwanto Paulima Adveliften (2025) Clustering Nutritional Status in Java Island, Indonesia Using Gaussian Mixture Models with Model-Based Hierarchical Initialization. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (145kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (153kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (135kB)
	Text 5. KATA PENGANTAR.pdf Download (500kB)
	Text 6. ABSTRAK.pdf Download (137kB)
	Text 7. ABSTRACT.pdf Download (111kB)
	Text 8. DAFTAR ISI.pdf Download (139kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (204kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (203kB)

Abstract

Malnutrisi telah menjadi masalah berkepanjangan di Indonesia, bahkan
setelah banyaknya kebijakan yang dilaksanakan selama bertahun-tahun. Kebijakan
pencegahan stunting saat ini, baik secara nasional maupun regional, masih memakai
pendekatan yang seragam, tanpa mempertimbangkan status gizi wilayah yang
beragam. Penelitian ini bertujuan untuk mengklasterkan kota-kota di Pulau Jawa,
yaitu wilayah dengan populasi terbesar di Indonesia, kedalam klaster berdasarkan
status gizinya. Status gizi tersebut berupa status kurang gizi (stunting, wasting, dan
underweight) dan status lebih gizi (overweight). Data dikumpulkan dari laporan
Kementerian Kesehatan mengenai Survei Kesehatan Indonesia tahun 2023.
Gaussian Mixture Model (GMM) dengan algoritma Expectation-Maximization
(EM) dan inisialisasi Model-based Agglomerative Hierarchical Clustering
(MBAHC) untuk mengidentifikasi klaster setiap kota. Pendekatan klasterisasi
berbasis probabilistik ini dipilih karena karakteristiknya yang fleksibel dalam
memodelkan data gizi yang kompleks dan distribusinya dapat saling tumpang
tindih. Hasil penelitian menunjukkan bahwa model dengan dua klaster dengan
koefisien campuran masing-masing klaster adalah 0,1246 dan 0,8754. Klaster satu
terdiri dari kota yang berpotensi mengalami beban malnutrisi ganda, sementara
klaster dua secara umum mengalami tingkat kurang gizi yang menengah hingga
tinggi. Hasil ini menegaskan urgensi kebijakan yang spesifik pada tiap wilayah serta
menunjukkan bahwa klasterisasi adalah alat yang efektif dalam penyusunan
kebijakan kesehatan publik yang tepat sasaran.
Kata kunci: Status gizi, GMM, algoritma EM, inisialisasi K-means, malnutrisi

Actions (login required)

View Item