PENERAPAN DBSCAN CLUSTERING TERHADAP FAKTOR RISIKO STUNTING PADA LEVEL KECAMATAN DI PROVINSI KEPULAUAN BANGKA BELITUNG

Abstract

Provinsi Kepulauan Bangka Belitung mengalami peningkatan prevalensi stunting yang berlawanan dengan tren nasional, dari 18,5% (2022) menjadi 20,6% (2023), yang mengindikasikan perlunya pendekatan yang lebih terfokus. Penelitian ini bertujuan untuk memetakan kerentanan stunting dengan mengelompokkan kecamatan berdasarkan faktor risiko anak menggunakan algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise). Algoritma ini dipilih karena kemampuannya mengidentifikasi klaster berbasis densitas tanpa menentukan jumlah klaster sebelumnya dan secara eksplisit mendeteksi wilayah outlier. Data sekunder cross-sectional tahun 2023 dari Dinas Kesehatan Provinsi dianalisis dengan empat variabel: prevalensi Bayi Berat Lahir Rendah (BBLR), cakupan Inisiasi Menyusui Dini (IMD), pemberian ASI Eksklusif, dan Imunisasi Dasar Lengkap. Hasil pemodelan DBSCAN dengan parameter epsilon 0.8 dan minimum samples 4 menghasilkan tiga profil wilayah. Klaster 0 (4 kecamatan) merupakan wilayah dengan performa terbaik, ditandai dengan BBLR terendah (4,40%) dan cakupan IMD (97,27%) serta ASI Eksklusif (83,65%) tertinggi. Klaster 1 (7 kecamatan) adalah wilayah dengan risiko gizi, memiliki BBLR tertinggi (7,07%) meskipun cakupan imunisasi tinggi. Klaster -1 (noise/outlier, 36 kecamatan) diidentifikasi sebagai area prioritas utama dengan kompleksitas masalah, termasuk BBLR 5,16%, IMD 75,61%, dan ASI Eksklusif terendah (63,01%). Nilai Silhouette Score 0,762 mengkonfirmasi kualitas klaster yang kuat. Penelitian ini menyimpulkan bahwa DBSCAN efektif untuk memetakan kerentanan stunting dan mengidentifikasi wilayah prioritas, sehingga dapat menjadi dasar bagi pemangku kebijakan dalam merancang intervensi yang tepat sasaran.