Pemetaan Program Indonesia Sehat dengan Pendekatan Keluarga (PIS PK) di Kabupaten Bondowoso dengan K-Medoids

Abstract View: 253, PDF Download: 213

Authors

  • Elvira Mustikawati Putri Hermanto Statistika, Universitas PGRI Adi Buana Surabaya https://orcid.org/0009-0001-5467-767X
  • Hani Brilianti Rochmanto Statistika, Universitas PGRI Adi Buana Surabaya
  • Risca Agustin Statistika, Universitas PGRI Adi Buana Surabaya

DOI:

https://doi.org/10.32665/statkom.v2i2.2307

Keywords:

Klaster, K-Medoids, PIS-PK, Silhouette

Abstract

Latar  Belakang: Kesehatan merupakan indikator pertama kesejahteraan masyarakat yang diukur dengan Usia Harapan Hidup (UHH). Semakin tinggi UHH mencerminkan dimensi umur panjang dan hidup sehat yang terus meningkat dari tahun ke tahun. Program Indonesia Sehat dengan Pendekatan Keluarga (PIS PK) digagas pemerintah sebagai bentuk tanggung jawab untuk meningkatkan derajat kesehatan. Tahun 2022, Kabupaten Bondowoso merupakan kabupaten yang memiliki UHH terendah di Provinsi Jawa Timur.

Tujuan: Merekomendasikan program kesehatan yang disusun dalam PIS PK sebagai program prioritas berdasarkan hasil klaster (kelompok) dengan K-Medoids.

Metode: Pengelompokkan kecamatan-kecamatan berdasarkan sepuluh indikator kesehatan PIS PK yang diperoleh dari Kabupaten Bondowoso Profil Kesehatan Tahun 2022. Pengelompokkan dilakukan dengan menerapkan algoritma K-Medoids.

Hasil: Berdasarkan metode Silhouette diperoleh lima klaster optimal yang dapat dibentuk. Pengelompokkan dengan K-Medoids menghasilkan 5 kecamatan mengelompok pada klaster 1, 7 kecamatan mengelompok pada klaster 2, 3 kecamatan mengelompok pada klaster 3, 7 kecamatan mengelompok pada klaster 4, dan hanya ada 1 kecamatan pada klaster 5.

Kesimpulan: Rekomendasi peningkatan kesehatan yang dapat diberikan untuk klaster 1 adalah peningkatan pelayanan kesehatan ODGJ (X8), untuk klaster 3 adalah peningkatan gizi, kesehatan ibu dan anak, serta peningkatan perilaku dan lingkungan sehat, dan untuk klaster 4 adalah peningkatan Pengendalian Penyakit Menular dan Tidak Menular.

References

BPS Provinsi Jawa Timur. (2023). Provinsi Jawa Timur Dalam Angka 2023. Jawa Timur: BPS Provinsi Jawa Timur.

Dinkes Kabupaten Bondowoso. (2023). Kabupaten Bondowoso Profil Kesehatan Tahun 2022. Bondowoso: Dinkes Bondowoso

Faqih, A. (2022). Implementasi Metode K-Modes Untuk Pengelompokkan Angkutan Sungai Dan Penyeberangan Di Kabupaten Bojonegoro. Jurnal Statistika dan Komputasi, 1(2), 54-63. https://doi.org/10.32665/statkom.v1i2.1135

Febriyanti, S., & Nugraha, J. (2022). Application of K-Medoids Clustering to Increase the 2020 Family Planning Program in Sleman Regency. Enthusiastic: International Journal of Applied Statistics and Data Science, 10-18. https://doi.org/10.20885/enthusiastic.vol2.iss1.art2

Fialine, A., Alodia, D., Endriani, D., & Widodo, E. (2021). Implementasi Metode K-Medoids Clustering untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pendidikan. Journal of Mathematics Education and Applied, 2(2).

Kassambara, A. (2017). Multivariate Analysis I: Practical Guide to Cluster Analysis in R. Unsupervised Machine Learning. http://www. sthda. com.

Kaufman, L., & Rousseeuw, P. J. (2009). Finding groups in data: an introduction to cluster analysis. John Wiley & Sons.

Madhulatha, T. S. (2011, July). Comparison between k-means and k-medoids clustering algorithms. In International Conference on Advances in Computing and Information Technology (pp. 472-481). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-22555-0_48

Mubarak, H., & Kholijah, G. (2023). Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means. Jurnal Statistika dan Komputasi, 2(1), 20-30. https://doi.org/10.32665/statkom.v2i1.1597

Nahdliyah, M. A., Widiharih, T., & Prahutama, A. (2019). Metode K-Medoids Clustering dengan Validasi Silhouette Index dan C-Index (Studi Kasus Jumlah Kriminalitas Kabupaten/Kota di Jawa Tengah Tahun 2018). Jurnal Gaussian, 8(2), 161-170. https://doi.org/10.14710/j.gauss.8.2.161-170

Ratih, I. D., Prastuti, M., Wildani, Z., Wulandari, S. P., Wibowo, W., Retnaningsih, S. M., ... & Aldiansyah, F. (2022, October). Mapping the health quality in Sumenep using K-Medoids Algorithm. In AIP Conference Proceedings (Vol. 2668, No. 1). AIP Publishing. https://doi.org/10.1063/5.0111821

Velmurugan, T., & Santhanam, T. (2010). Computational complexity between K-means and K-medoids clustering algorithms for normal and uniform distributions of data points. Journal of computer science, 6(3), 363.

Suraya, G. R., & Wijayanto, A. W. (2022). Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Methods in Grouping Provinces in Indonesia according to the Special Index for Handling Stunting: Perbandingan Metode Hierarchical Clustering, K-Means, K-Medoids, dan Fuzzy C-Means dalam Pengelompokan Provinsi di Indonesia Menurut Indeks Khusus Penanganan Stunting. Indonesian Journal of Statistics and Its Applications, 6(2), 180-201. https://doi.org/10.29244/ijsa.v6i2p180-201

UU Nomor 36 Tahun 2009. (2009).

Downloads

Published

2023-12-31

How to Cite

Hermanto, E. M. P., Rochmanto, H. B., & Agustin, R. (2023). Pemetaan Program Indonesia Sehat dengan Pendekatan Keluarga (PIS PK) di Kabupaten Bondowoso dengan K-Medoids. Jurnal Statistika Dan Komputasi, 2(2), 83–92. https://doi.org/10.32665/statkom.v2i2.2307

Issue

Vol. 2 No. 2 (2023): Jurnal Statistika dan Komputasi

Section

Articles

License

Copyright (c) 2023 Jurnal Statistika dan Komputasi

Creative Commons License

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

Authors who publish in this Journal agree to the following terms:

  1. The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
  2. Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement of its initial publication in this Journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.
Abstract View: 253, PDF Download: 213