Klasterisasi Status Gizi Balita di Jawa Barat Menggunakan Self-Organizing Maps (SOM)

Abstract. Nutritional problems among toddlers remain a critical issue in Indonesia, particularly in West Java Province, which has the largest population and a stunting prevalence of 21.7% in 2023 exceeding the WHO threshold of 20%. This study aims to identify regional distribution patterns of toddler nutritional status using the Self Organizing Maps (SOM) clustering method. SOM, a neural network technique developed by Teuvo Kohonen, employs unsupervised learning to cluster high dimensional data into a two-dimensional map while preserving data proximity. This study classifies 27 districts/cities in West Java based on several nutritional factors: stunting prevalence, exclusive breastfeeding, low birth weight (LBW), access to proper sanitation, average years of schooling, complete basic immunization, and poverty rate. The data were obtained from the 2023 Indonesian Nutrition Status Survey (SSGI) and Statistics Indonesia (BPS). Clustering performance was evaluated using the Silhouette Coefficient and Dunn Index. The results revealed two main clusters: the first comprises 7 regions with better social and environmental indicators, lower stunting and LBW, and higher exclusive breastfeeding, sanitation, and education; the second cluster comprises 20 regions facing greater nutritional challenges. Internal validation indicates optimal clustering with a Silhouette Coefficient of 0.2538 and a Dunn Index of 0.3639. Abstrak. Permasalahan gizi balita masih menjadi isu penting di Indonesia, khususnya di Provinsi Jawa Barat yang memiliki prevalensi stunting sebesar 21,7% pada tahun 2023, melebihi ambang batas WHO. Penelitian ini bertujuan mengidentifikasi pola sebaran wilayah berdasarkan status gizi balita menggunakan metode klasterisasi Self Organizing Maps (SOM), yakni metode pembelajaran tanpa pengawasan pada jaringan syaraf tiruan yang memetakan data berdimensi tinggi ke dalam peta dua dimensi. Sebanyak 27 kabupaten/kota di Jawa Barat dikelompokan berdasarkan tujuh indikator: prevalensi stunting, ASI eksklusif, persentase bayi lahir dengan berat rendah (BBLR), akses sanitasi layak, rata-rata lama sekolah, cakupan imunisasi dasar lengkap, dan persentase penduduk miskin. Data bersumber dari SSGI dan BPS tahun 2023. Evaluasi hasil klaster menggunakan Silhouette Coefficient dan Dunn Index. Hasil penelitian menunjukkan dua klaster utama: Klaster 1 terdiri dari 7 wilayah dengan kondisi sosial dan lingkungan yang lebih baik, prevalensi stunting dan BBLR rendah, serta cakupan ASI, sanitasi, dan pendidikan tinggi; Klaster 2 mencakup 20 wilayah dengan tantangan gizi lebih besar. Validasi internal menghasilkan Silhouette Coefficient sebesar 0,2538 dan Dunn Index sebesar 0,3639 yang menunjukkan kualitas klasterisasi cukup optimal.