PENGELOMPOKAN INDIKATOR KESEHATAN BALITA DI INDONESIA MENGGUNAKAN CENTROID LINKAGE DAN K-MEDOIDS

Aida Meimela

Abstract


Pembangunan kesehatan merupakan salah satu faktor penting dalam mendukung pembangunan suatu negara. Oleh karena itu pembangunan kesehatan dimasukkan dalam agenda global Tujuan Pembangunan Berkelanjutan /Sustainable Development Goals (TPB/SDGs). Tahun 2018 skor indikator kesehatan balita di Indonesia sebesar 0,6464 meningkat dari tahun 2013 (0,6114). Meskipun indikator kesehatan balita pada level nasional mengalami peningkatan, akan tetapi pola ini tidak diikuti oleh semua provinsi di Indonesia. Oleh karena itu analisis mengenai kesehatan balita berdasarkan kewilayahan di Indonesia sangat diperlukan guna menghindari ketimpangan pembangunan kesehatan khususnya kesehatan balita. Dalam penelitian ini analisis yang digunakan adalah analisis klaster. Analisis yang mengelompokkan objek pengamatan berdasarkan kemiripan. Analisis klaster yang digunakan adalah Centroid Linkage dan KMedoids. Tujuan penelitian ini adalah membandingkan kedua metode tersebut. Jumlah klaster optimum yang terbentuk sebanyak 4 klaster. Dari perbandingan rasio standar deviasi didalam klaster (Sw) dan antara klaster (Sb) dari kedua metode disimpulkan bahwa pengelompokkan indikator kesehatan balita di Indonesia tahun 2018 lebih baik menggunakan metode Centroid Linkage. Klaster pertama adalah kelompok dengan karateristik daerah prevalensi balita sangat pendek dan pendek paling rendah di Indonesia. Klaster kedua adalah kelompok dengan karateristik prevalensi balita sangat pendek dan pendek paling tinggi di Indonesia. Klaster ketiga adalah kelompok dengan karateristik prevalensi balita gizi buruk dan kurang yang paling tinggi serta cakupan kunjungan neo natal yang paling rendah. Klaster keempat adalah kelompok dengan karateristik prevalensi balita gemuk paling tinggi.


Keywords


clustering; centroid linkage; k-medoids; kesehatan balita; IPKM;

Full Text:

PDF

References


Atmawikarta Arum, “Investasi Kesehatan Untuk Pembangunan Ekonomi”, diunduh dari https://www.bappenas.go.id/id/data-dan-informasi-utama/makalah/artikel-majalahperencanaan/edisi-30-tahun-2003/investasi-kesehatan-untuk-pembangunan-ekonomi---oleharum-atmawikarta/

Badan Pusat Statistik, “Indikator Tujuan Pembangunan Berkelanjutan Indonesia 2018”, Jakarta, 2019.

Irfiani Eni,Siti Sulistia Rani, “Algoritma K-Means Clustering Untuk Menentukan Nilai Gizi Balita”, Jurnal Sistem dan Teknologi Informasi, Vol 6 No 4 Oktober 2018.

Risqiyani, T.A dan Kesumawati, A. “Pengelompokan Kabupaten Kota di Provinsi Jawa Tengah dengan Fuzzy C-Means Clustering”. Seminar Nasional Matematika dan Pendidikan Matematika UNY. 5 Mei 2016, Yogyakarta, Indonesia. Hal. 179-186.

Wulandari Sepnita, Robert Kurniawan, “Pengelompokkan Kabupaten/Kota di Jawa Timur Berdasarkan Kasus Stunting Balita Menggunakan Algoritme Fuzzy Particle Swarm Optimiziation_Fuzzy C-Means”, Statistika,Vol 7 No 1 Mei 2019

Donda Andrew, I Made Sumertajaya, Dyah Utami Syafitri, “Penggerombolan Desa/Kelurahan di Provinsi Nusa Tenggara Timur Menggunakan Algoritma Two Step Cluster (TSC) dan Algoritma K-Prototypes”, diunduh dari http://repository.ipb.ac.id

Kementerian dan Kesehatan Republik Indonesia, “Indeks Pembangunan Kesehatan Masyarakat 2018”, Badan Penelitian dan Pengembangan Kesehatan, Jakarta, 2018.

Joseph F. Hair JR, William C. Balck, Barry J. Babin, Rolph E. Anderson, “Multivariate Data Analysis,” Seventh Edition, 2009.

Suhaeni Cici, Anang Kurnia dan Ristiyanti,”Perbandingan Hasil Pengelompokkan Menggunakan Analisis Cluster Berhirarki, K-Means Cluster dan Cluster Ensemble (Studi Kasus Data Indikator Pelayanan Kesehatan Ibu Hamil)”, Jurnal Media Infotama, Vol 14 No

Februari 2018.

Rachmatin Dewi, “ Aplikasi Metode-Metode Agglomerative Dalam Analisis Klaster Pada Tingkat Polusi Udara”, Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 3 No 2 September 2014.

Wahyuni Rezki, Sigit Nugroho, dan Pepi Novianti, “Analisis Klaster Dengan Menggunakan Metode Single Linkage dan Metode K-Means”, diunduh dari http://sigitnugroho.id/eSkripsi/2015/12/Analisis%20Klaster%20Metode%20Single%20Linkage%20dan%20kMeans.pdf.

Puspitasari Melia Wulan, dan Mathilda Susanti, “Pengelompokkan Kabupaten/Kota Berdasarkan Faktor-Faktor yang Mempengaruhi Kemiskinan di Jawa Tengah Menggunakan Metode Ward dan Average Linkage”, Jurnal Matematika S1, Vol 6 No 6 Tahun 2016.

Rahmawati Lina, Abdayo, dan Trianingsih Erni Lestari, “ Analisis Kelompok Dengan Menggunakan Metode Hierarki Untuk Pengelompokkan Kabupaten/Kota di Jawa Timur Berdasar Indikator Kesehatan”, Jurnal Matematika, Vol 1 No 2, 2012.

Silvi Rini, “ Analisis Cluster dengan data Outlier Menggunakan Centroid Linkage dan KMeans Clustering Untuk Pengelompokkan Indikator HIV/AIDS di Indonesia”, Jurnal Matematika “MANTIK”, Vol 4 No1 Mei 2018.

Pramesti Dyang Falila, M Tanzil Furqon, dan Candra Dewi, “Implementasi Metode KMedoids Clustering Untuk Pengelompokkan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot)”, Jurnal Pengembangan Teknologi Informasi

dan Ilmu Komputer, Vol 1 No 9 Tahun 2017.

Rousseeuw, Peter J. 1987. "Silhouettes: a graphical aid to the interpretation and validation of cluster analysis." Journal of Computational and Applied Mathematics 53-65 .

Pramesti Dyang Falila, M Tanzil Furqon, dan Candra Dewi, “Implementasi Metode KMedoids Clustering Untuk Pengelompokkan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot)”, Jurnal Pengembangan Teknologi Informasi

dan Ilmu Komputer, Vol 1 No 9 Tahun 2017.

Kementerian dan Kesehatan Republik Indonesia, “Profil Kesehatan Indonesia 2018”, Jakarta 2019.

Kementerian Kesehatan Republik Indonesia, “Rencana Strategis Kementerian Kesehatan Tahun 2015-2019”, Jakarta, 2015.


Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

© 2017-2020 | Hak Cipta Dilindungi | Departemen Statistika FMIPA Universitas Padjadjaran | Powered by OJS