Electronic Theses and Dissertation

Alam dan iklim indonesia yang beranekaragam berpotensi tinggi terhadap penyakit menular maupun tidak menular. penyakit menular tidak mengenal batas-batas administrasi antar daerah, sehingga menjadi masalah utama bagi kesehatan masyarakat indonesia. kemampuan teknologi komputasi dapat memberikan beberapa solusi untuk menganalisis permasalahan-permasalahan yang muncul dalam kesehatan dan dapat dijadikan sebagai acuan oleh pemerintah dalam mengambil tindakan sesuai dengan hasil pengelompokan. penelitian ini menggunakan data penyakit menular di kabupaten/kota di indonesia pada tahun 2019 sampai dengan 2022 dimana variabel yang digunakan adalah beberapa jenis penyakit menular seperti pneumonia, diare, malaria, dbd, filaris, kusta, dan tuberkulosis. metode yang digunakan dalam penelitian ini adalah pam algorithm dengan silhouette, elbow, dan gapstatistic sebagai metode perkiraan jumlah clusternya. penelitian ini bertujuan untuk memperoleh metode dan jumlah cluster optimum. selain itu, juga bertujuan untuk menentukan peringkat dan karakteristik dari cluster optimum yang terpilih. hasil penelitian menunjukkan bahwa empat cluster merupakan jumlah cluster optimum, pemilihan jumlah cluster ini menggunakan index validasi davies bouldin, dunn, dan silhouette index. karakteristik cluster 1 adalah memiliki enam penyakit menular terbanyak dibanding tiga cluster lainnya, yaitu pneumonia, diare, malaria, dbd, kusta, dan tb dengan jumlah kabupaten/kota sebanyak 468. cluster 2 memiliki karakteristik dengan enam penyakit menular terbesar kedua setelah cluster 1, yaitu pneumonia, diare, malaria, dbd, filaria, dan tb dengan jumlah kabupaten/kota sebanyak 31. cluster 3 memiliki karakteristik dengan persentase kasus filaria tertinggi dengan jumlah kabupaten/kota sebanyak 13. cluster 4 memiliki karakteristik dengan persentase paling kecil untuk enam penyakit menular, yaitu pneumonia, diare, malaria, dbd, kusta, dan bahkan tidak ada kasus tb dengan jumlah kabupaten/kota ada sebanyak 2. kata kunci: penyakit menular, kabupaten/kota, pam algorithm, clustering, validasi. 

Indonesia's diverse nature and climate have high potential for communicable and non-communicable diseases. Infectious diseases do not recognize administrative boundaries between regions, so they become a major problem for Indonesian public health. The ability of solving technology can provide several solutions to analyze problems that arise in health and can be used as a reference by the government in taking action according to the grouping results. This study uses data on infectious diseases in districts/cities in Indonesia from 2019 to 2022 where the variables used are several types of infectious diseases such as pneumonia, diarrhea, malaria, DHF, filaris, leprosy, and tuberculosis. The method used in this study is the PAM algorithm with silhouette, elbow, and GapStatistics as a method for estimating the number of clusters. This study aims to obtain the optimum method and number of clusters. In addition, it also aims to determine the ranking and characteristics of the selected optimum clusters. The results showed that four clusters were the optimal number of clusters. The selection of the number of clusters used the Davies Bouldin, Dunn, and Silhouette Index validations. The characteristic of cluster 1 is that it has the most six infectious diseases compared to the other three clusters, namely pneumonia, diarrhea, malaria, DBD, leprosy, and TB with a total of 468 districts/cities. Cluster 2 has the characteristics of the second largest six infectious diseases after cluster 1, namely pneumonia, diarrhea, malaria, DHF, Filaria, and TB with a total of 31 districts/cities. Cluster 3 has the characteristics with the highest proportion of filarial cases with a total of 13 districts/cities. Cluster 4 has the characteristics with the smallest proportion of six infectious diseases, namely pneumonia, diarrhea, malaria, DBD, leprosy, and even no cases of TB with a total of 2 districts/cities. Keywords: Infectious Diseases, District/City, PAM Algorithm, Clustering, Validation, Level.