Penerapan Algoritma Apriori dan FP-Growth untuk Analisis Faktor Risiko Stunting di Kabupaten Tana Toraja

Stunting merupakan permasalahan kekurangan gizi kronis yang dapat menghambat pertumbuhan dan perkembangan anak. Kabupaten Tana Toraja masih menghadapi permasalahan stunting sehingga diperlukan pemanfaatan data untuk memperoleh informasi mengenai karakteristik keluarga dan pola faktor yang berasosiasi dengan risiko stunting. Metode data mining dapat digunakan untuk menggali pola tersebut dari data keluarga berisiko stunting. Penelitian ini bertujuan menganalisis karakteristik kelompok keluarga menggunakan K-Means dan K-Modes, membandingkan hasil clustering dengan clustering yang dilanjutkan Apriori, menganalisis pola asosiasi menggunakan FP-Growth serta kemampuan Decision Tree dalam mengklasifikasikan kategori risiko, dan membandingkan hasil seluruh pendekatan tersebut. Data yang digunakan merupakan data keluarga berisiko stunting Kabupaten Tana Toraja periode 2021–2024 sebanyak 106.986 data yang telah melalui preprocessing dan integrasi. K-Means dan K-Modes digunakan untuk membentuk kelompok, kemudian hasil clustering dianalisis menggunakan Apriori. FP-Growth digunakan pada keseluruhan data, sedangkan Decision Tree digunakan untuk klasifikasi kategori berisiko stunting. Hasil penelitian menunjukkan bahwa K-Means menghasilkan 10 cluster dan K-Modes 9 cluster. Apriori menghasilkan 27 aturan pada K-Means dan 18 aturan pada K-Modes, sedangkan FP-Growth menghasilkan 16 aturan. Atribut sumber air minum tidak layak dan jamban tidak layak sering muncul dalam aturan asosiasi. Decision Tree menghasilkan accuracy 80,7% dan ROC-AUC 0,917 pada skenario 70:30. Hasil komparasi menunjukkan bahwa setiap pendekatan memberikan informasi berbeda mengenai karakteristik kelompok, pola asosiasi, dan klasifikasi risiko.