Pengelompokan Kabupaten/Kota di Jawa Barat Berdasarkan Faktor Risiko Stunting Balita Menggunakan Metode Subtractive Fuzzy C-Means

Abstract. The stunting rate among infants in West Java Province increased from 20.2% in 2022 to 21.7% in 2023, highlighting the urgency of developing targeted intervention strategies. This study aims to group districts/cities in West Java based on the similarity of stunting risk factor patterns using the Subtractive Fuzzy C-Means (S-FCM) method. This method combines the advantages of Subtractive Clustering in determining the number and initial position of cluster centers with Fuzzy C-Means in the iterative clustering process. Five variables were used: percentage of complete basic immunization, exclusive breastfeeding coverage, babies born with low birth weight, poor population, and BPJS participation. Clustering results were evaluated using stunting prevalence and the Human Development Index (HDI). The results showed two optimal clusters at a radius of 0.95. The first cluster consists of 16 regions with high stunting risk and lower HDI, while the second cluster includes 11 regions with relatively better conditions. This grouping is expected to serve as a basis for formulating more effective and targeted stunting intervention policies. Abstrak. Angka stunting balita di Provinsi Jawa Barat meningkat dari 20,2% pada tahun 2022 menjadi 21,7% pada tahun 2023, menunjukkan urgensi dalam penyusunan strategi intervensi yang tepat sasaran. Penelitian ini bertujuan mengelompokkan wilayah Kabupaten/Kota di Jawa Barat berdasarkan kemiripan pola faktor risiko stunting menggunakan metode Subtractive Fuzzy C-Means (S-FCM). Metode ini menggabungkan keunggulan Subtractive Clustering dalam menentukan jumlah dan posisi awal pusat klister serta Fuzzy C-Means dalam proses klasterisasi iteratif. Lima variabel yang digunakan meliputi persentase imunisasi dasar lengkap, cakupan ASI eksklusif, bayi lahir dengan BBLR, penduduk miskin, dan kepesertaan BPJS. Evaluasi hasil klasterisasi dilakukan menggunakan prevalensi stunting dan Indeks Pembangunan Manusia (IPM). Hasil menunjukkan dua klaster optimal pada radius 0,95. Klaster pertama terdiri dari 16 wilayah dengan risiko stunting tinggi dan IPM lebih rendah, sedangkan klaster kedua mencakup 11 wilayah dengan kondisi yang relatif lebih baik. Pengelompokan ini diharapkan menjadi dasar dalam perumusan kebijakan intervensi stunting yang lebih efektif dan terarah.