Submission Details

Child malnutrition remains a major public health concern. Globally, an estimated 150.2 million children under five were stunted, 42.8 million were wasted, and 35.5 million were overweight in 2024. Indonesia’s stunting prevalence was 19.8% in 2024, with a national target of 14.2% by 2029. This study used the K-Means algorithm to identify nutritional status profiles among children under five at Cilongok I Community Health Center in Banyumas, Indonesia. The dataset comprised 3,676 anthropometric measurement records collected in June 2026. After data cleaning and removal of eight outliers, 3,668 records were retained. Weight-for-age (WAZ), height-for-age (HAZ), and weight-for-height (WHZ) Z-scores were standardized before clustering. Values of K from 2 to 8 were evaluated using inertia, the silhouette score, the Davies–Bouldin index, and the Calinski–Harabasz index. Four clusters were selected based on the combined evaluation metrics and clinical interpretability. The resulting clusters had a silhouette score of 0.326, a Davies–Bouldin index of 0.936, and a Calinski–Harabasz index of 2,518.2. Cluster 0 comprised 943 records (25.7%) with underweight, stunting, and wasting profiles; Cluster 1 included 1,090 records (29.7%) with low height-for-age values near the stunting threshold; Cluster 2 contained 952 records (26.0%) with generally normal nutritional profiles but a tendency toward low body weight; and Cluster 3 comprised 683 records (18.6%) with excess body weight and a risk of overnutrition. Robustness testing showed an adjusted Rand index (ARI) of 0.978 across 20 random seeds, 0.801 when WAZ was excluded, and 0.956–0.995 under alternative outlier-handling procedures. These findings suggest that K-Means may support exploratory segmentation of nutritional profiles. However, the clusters represent divisions along a continuous nutritional spectrum and should not be interpreted as distinct natural groups or clinical diagnoses.

Malnutrisi anak tetap menjadi masalah kesehatan masyarakat yang besar. Secara global, diperkirakan 150,2 juta anak di bawah lima tahun mengalami stunting, 42,8 juta mengalami wasting, dan 35,5 juta mengalami kelebihan berat badan pada tahun 2024. Prevalensi stunting di Indonesia adalah 19,8% pada tahun 2024, dengan target nasional sebesar 14,2% pada tahun 2029. Penelitian ini menggunakan algoritma K-Means untuk mengidentifikasi profil status gizi pada anak di bawah lima tahun di Puskesmas Cilongok I di Banyumas, Indonesia. Dataset terdiri dari 3.676 catatan pengukuran antropometrik yang dikumpulkan pada bulan Juni 2026. Setelah pembersihan data dan penghapusan delapan outlier, 3.668 catatan dipertahankan. Skor Z berat badan menurut usia (WAZ), tinggi badan menurut usia (HAZ), dan berat badan menurut tinggi badan (WHZ distandarisasi sebelum pengelompokan. Nilai K dari 2 hingga 8 dievaluasi menggunakan inersia, skor siluet, indeks Davies–Bouldin, dan indeks Calinski–Harabasz. Empat kluster dipilih berdasarkan metrik evaluasi gabungan dan interpretabilitas klinis. Kluster yang dihasilkan memiliki skor siluet 0,326, indeks Davies–Bouldin 0,936, dan indeks Calinski–Harabasz 2.518,2. Kluster 0 terdiri dari 943 catatan (25,7%) dengan profil berat badan kurang, stunting, dan wasting; Kluster 1 mencakup 1.090 catatan (29,7%) dengan nilai tinggi badan menurut usia yang rendah mendekati ambang stunting; Kluster 2 berisi 952 catatan (26,0%) dengan profil gizi yang umumnya normal tetapi cenderung memiliki berat badan rendah; dan Kluster 3 terdiri dari 683 catatan (18,6%) dengan kelebihan berat badan dan risiko overnutrition. Pengujian ketahanan menunjukkan indeks Rand yang disesuaikan (ARI) sebesar 0,978 di seluruh 20 benih acak, 0,801 ketika WAZ dikecualikan, dan 0,956–0,995 di bawah prosedur penanganan outlier alternatif. Temuan ini menunjukkan bahwa K-Means dapat mendukung segmentasi eksploratif profil gizi. Namun, kluster tersebut merepresentasikan pembagian sepanjang spektrum gizi yang kontinu dan tidak boleh diinterpretasikan sebagai kelompok alami yang berbeda atau diagnosis klinis.