Implementasi Possibilistic Fuzzy C-Means dengan validitas modified partition coefficient pada clustering prevalensi balita stunting di Indonesia

INDONESIA:

Stunting pada balita merupakan masalah kesehatan masyarakat yang signifikan di Indonesia karena berpotensi menghambat tumbuh kembang anak dan menyebabkan dampak buruk jangka panjang. Pengelompokan prevalensi stunting dapat memberikan wawasan yang berharga untuk merancang kebijakan pencegahan yang efektif. Penelitian ini menggunakan metode Possibilistic Fuzzy C-Means (PFCM), yang divalidasi menggunakan algoritma Modified Partition Coefficient (MPC), untuk mengelompokkan prevalensi stunting di Indonesia. Metode PFCM mengintegrasikan Fuzzy C-Means (FCM) dan Possibilistic C-Means (PCM), yang menyeimbangkan derajat keanggotaan dan derajat kemungkinan. Keunggulan utama metode ini adalah kemampuannya untuk memproses data dengan derajat keanggotaan yang tidak pasti, sensitivitas yang rendah terhadap noisy, dan fleksibilitas dalam menentukan nilai keanggotaan yang bersifat probabilistik. Hasil penelitian menunjukkan bahwa 22 kabupaten/kota sebagai daerah dengan prevalensi stunting rendah, 87 kabupaten/kota sebagai daerah dengan prevalensi stunting sedang, dan 290 kabupaten/kota sebagai daerah dengan prevalensi stunting tinggi. Nilai validitas MPC sebesar 0,704 mengonfirmasi keefektifan metode PFCM dalam mengelompokkan prevalensi stunting dengan baik, sehingga dapat menjadi alat yang kuat untuk mendukung pembuatan kebijakan dalam pencegahan stunting.

ENGLISH:
\

Stunting in toddlers is a significant public health problem in Indonesia due to its potential to inhibit child development and cause long-term adverse effects. Clustering the prevalence of stunting provides valuable insights for designing effective prevention policies. This study employs the Possibilistic Fuzzy C-Means (PFCM) method, validated using the Modified Partition Coefficient (MPC) algorithm, to cluster stunting prevalence in Indonesia. The PFCM method integrates Fuzzy C-Means (FCM) and Possibilistic C-Means (PCM), balancing membership degrees and probabilistic measures. The main advantages of this method include its ability to process data with uncertain membership degrees, low sensitivity to noise, and flexibility in determining probabilistic membership values. The results categorize 22 districts/cities as areas with low stunting prevalence, 87 districts/cities as areas with moderate stunting prevalence, and 290 districts/cities as areas with high stunting prevalence. The MPC validity score of 0,704 confirms the effectiveness of the PFCM method in categorizing stunting prevalence well, making it a robust tool to support policy making in stunting prevention efforts.

ARABIC:

يعتبر التقزم دون سن الخامسة مشكلة صحية عامة كبيرة في إندونيسيا حيث أن له القدرة على إعاقة نمو الطفل والتسبب في آثار ضارة طويلة الأجل. ويمكن أن يوفر تجميع انتشار التقزم رؤى قيمة لتصميم سياسات وقائية فعالة. وإستخدمت هذه الدراسة طريقة التجميع Possibilistic Fuzzy C-Means، التي تم التحقق من صحتها باستخدام خوارزمية Modified Partition Coefficient، لتجميع انتشار التقزم في إندونيسيا. تدمج طريقة Possibilistic Fuzzy C-Means بين طريقة Fuzzy C-Means وطريقة Possibilistic C-Means، والتي توازن بين درجة العضوية ودرجة الاحتمالية. وتتمثل المزايا الرئيسية لهذه الطريقة في قدرتها على معالجة البيانات ذات درجات العضوية غير المؤكدة، والحساسية المنخفضة للضوضاء، والمرونة في تحديد قيم العضوية الاحتمالية. أظهرت النتائج أنه تم تصنيف ٢٢ منطقة/مدينة كمناطق ذات انتشار منخفض للتقزم، و٨٧ منطقة/مدينة كمناطق ذات انتشار متوسط للتقزم، و٢٩٠ منطقة/مدينة كمناطق ذات انتشار مرتفع للتقزم. أكدت قيمة صلاحية Modified Partition Coefficient البالغة ٠٫٧٠٤ على فعالية طريقة Possibilistic Fuzzy C-Means في تصنيف انتشار التقزم بشكل جيد، لذلك يمكن أن تكون أداة قوية لدعم صنع السياسات في الوقاية من التقزم.