HOSTJOURNALSHOSTJOURNALS

Bulletin of Computer Science ResearchBulletin of Computer Science Research

Ketimpangan kesehatan ibu dan anak di wilayah perkotaan menjadi tantangan kritis dalam pencapaian target Sustainable Development Goals (SDGs). Penelitian ini bertujuan memetakan disparitas risiko kesehatan bayi dan balita di 44 kecamatan DKI Jakarta melalui analisis tiga indikator, yaitu prevalensi berat badan lahir rendah (BBLR), kematian bayi, dan gizi kurang. Data cross-sectional tahun 2024 (n=176) dinormalisasi menggunakan teknik Min-Max scaling untuk meminimalkan bias skala. Proses klasterisasi menggunakan algoritma K-Means dilakukan setelah penentuan jumlah klaster optimal (k=5) melalui metode Elbow. Validasi klaster dilakukan dengan tiga metrik Silhouette Score (0,65), Davies-Bouldin Index (0,45), dan Calinski-Harabasz Index (82,2), yang menunjukkan konsistensi model. Analisis stabilitas melalui subsampling turut mengonfirmasi reliabilitas hasil (deviasi standar <0,1). Teridentifikasi lima pola risiko (1) dua klaster rendah (BBLR <1,0%; gizi kurang <2%), (2) dua klaster sedang (BBLR 1,0–1,75%; kematian bayi 0,5–3%), dan (3) satu klaster tinggi (BBLR >1,75%; gizi kurang >8%). Kecamatan Jagakarsa dan Kepulauan Seribu Selatan teridentifikasi sebagai hotspot prioritas intervensi akibat tingginya risiko komorbid. Temuan menunjukkan bahwa pendekatan K-Means efektif dalam mendukung kebijakan alokasi sumber daya berbasis bukti, terutama dalam optimalisasi layanan NICU dan program suplementasi gizi pada wilayah berisiko tinggi. Pendekatan berbasis spasial ini juga memungkinkan visualisasi yang lebih intuitif dalam perencanaan program kesehatan tingkat lokal secara lebih terarah dan efisien.

Penelitian ini berhasil memetakan disparitas risiko kesehatan bayi dan balita di 44 kecamatan DKI Jakarta menggunakan algoritma K-Means dengan lima klaster optimal berdasarkan indikator utama.prevalensi Berat Badan Lahir Rendah (BBLR), kematian bayi, dan balita gizi kurang.Evaluasi model menunjukkan kualitas klaster baik hingga sangat baik, ditandai dengan Silhouette Score 0,65, Davies-Bouldin Index 0,45, dan Calinski-Harabasz Index 82,2.Hasil klasterisasi mengidentifikasi dua wilayah prioritas darurat, Kecamatan Jagakarsa (BBLR 2,48%) dan Kepulauan Seribu Selatan (gizi kurang 1,11%), yang memiliki risiko 2-3 kali lipat di atas rata-rata agregat.Klaster risiko sangat rendah (BBLR <1,0%) mencerminkan efektivitas layanan kesehatan dasar di wilayah perkotaan padat.Temuan ini mendukung kebijakan alokasi sumber daya berbasis bukti, seperti penguatan layanan NICU di wilayah risiko tinggi dan program suplementasi gizi ibu hamil.Analisis juga mengungkap korelasi negatif antara rasio BBLR dan kepadatan kelahiran (r=-0,33), mengisyaratkan perlunya strategi berbeda untuk wilayah urban dengan terpencil.

Penelitian lanjutan dapat mengintegrasikan variabel sosioekonomi-lingkungan seperti tingkat pendidikan ibu, akses sanitasi, dan paparan polusi untuk meningkatkan akurasi segmentasi risiko. Selain itu, eksplorasi metode klasterisasi alternatif seperti Fuzzy C-Means atau DBSCAN dapat dikembangkan untuk membandingkan efektivitasnya dalam menangani ketidakpastian data kesehatan. Terakhir, studi tentang dampak faktor lingkungan eksternal seperti kebijakan pemerintah daerah atau perubahan iklim terhadap pola risiko kesehatan bayi dan balita perlu dilakukan untuk memperkaya kerangka teoritis dan rekomendasi kebijakan.

  1. Classification of Healthy Family Indicators in Indonesia Based on a K-means Cluster Analysis. healthy... doi.org/10.3961/jpmph.23.497Classification of Healthy Family Indicators in Indonesia Based on a K means Cluster Analysis healthy doi 10 3961 jpmph 23 497
  2. Clustering of Child Stunting Data in Tangerang Regency Using Comparison of K-Means, Hierarchical Clustering... ajosh.org/index.php/jsh/article/view/422Clustering of Child Stunting Data in Tangerang Regency Using Comparison of K Means Hierarchical Clustering ajosh index php jsh article view 422
Read online
File size848.09 KB
Pages10
DMCAReport

Related /

ads-block-test