Pengelompokan Wilayah Rawan Penyakit di Kota Surabaya Menggunakan K-Medoids
Clustering Of Disease-Prone Areas in Surabaya Municipality Using K-Medoids
Kata Kunci:
K-Medoids, Outlier, Kerawanan PenyakitAbstrak
Peningkatan kualitas kesehatan masyarakat merupakan salah satu upaya yang terus dilakukan di berbagai wilayah. Agar upaya tersebut lebih efektif, diperlukan informasi perihal sebaran kerawanan penyakit di setiap sub-wilayah. Informasi tersebut akan sangat berguna khususnya pada wilayah padat penduduk, seperti Kota Surabaya. Untuk memperoleh informasi tersebut, pada penelitian ini dilakukan pengelompokan kecamatan di Kota Surabaya berdasarkan prevalensi dari beberapa jenis penyakit utama yang ditemukan di puskesmas. Pengelompokan dilakukan menggunakan K-Medoids dengan jumlah klaster optimum sebanyak empat klaster. Hasilnya, diperoleh 12 kecamatan pada klaster ke-1 yang paling rawan terhadap tujuh jenis penyakit dan 4 kecamatan pada klaster ke-4 yang paling rawan terhadap sebelas jenis penyakit yang lain.
Referensi
U. F. Achmadi, Manajemen Penyakit Berbasis Wilayah, Jakarta: Rajawali Pres, 2012.
C. Chistiani, P. Tedjo and B. Martono, “Analisis Dampak Kepadatan Penduduk Terhadap Kualitas Hidup Masyarakat Provinsi Jawa Tengah,” Serat Acitya, vol. 3, no. 1, pp. 102-114, 2014.
W. Rokhimah and Kismiantini, “Analisis Clustering Tingkat Kerawanan Wilayah Terhadap Kasus Penyakit di Kabupaten Sleman dengan Metode K-Means,” Jurnal Kajian dan Terapan Matematika, vol. 8, no. 1, pp. 25-37, 2022.
A. Irawan, E. Hermawan and F. Rianna, “Pemetaan Zonasi Tingkat Resiko Covid-19 Menggunakan K-Means Clustering Berbasis WebGIS di Kota Bogor,” Jurnal Ilmiah Teknologi Informasi Terapan, vol. 8, no. 2, pp. 308-319, 2022.
L. Kaufman and P. J. Rousseeuw, Partitioning Around Medoids (Program PAM), New Jersey: John Wiley & Sons, 1990, pp. 68-125.
J. W. Tukey, Exploratory Daya Analysis, Addison: Wesley, 1977.
R. A. Johnson and D. W. Wichern, Applie Multivariate Statistical Analysis, 6th ed., New Jersey: Pearson, 2007.
C. L. Shook, “The Application of Cluster Analysis in Strategic Management Research: An Analysis and Critique,” Strategic Management Journal, vol. 17, no. 6, pp. 441-458, 1996.
P. J. Rousseeuw, “Sillhouettes: A Graphical Aid to The Interpretation and Validation of Cluster Analysis,” Computational and Applied Mathematics, vol. 20, pp. 53-65, 1987.
D. L. Davies and D. W. Bouldin, “A Cluster Separation Measure,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vols. PAMI-1, no. 2, pp. 224-227, 1979.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Ilmiah Komputasi dan Statistika
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
