SITI RIEKA NUR FATHINAH Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2024

Skripsi

Era digital menyebabkan dunia menghasilkan data dalam jumlah yang semakin besar dan kompleks, sehingga membutuhkan pemrosesan data yang lebih canggih. Evaluasi metode clustering penting dilakukan agar memperoleh metode optimal dalam memproses suatu data. Data penyakit menular disetiap provinsi di Indonesia memiliki pola yang berbeda-beda. Sehingga pengelompokkan provinsi berdasarkan karakteristik penyebaran penyakit menular dilakukan agar strategi penanggulangan dapat disesuaikan dengan kebutuhan setiap provinsi. Penelitian ini bertujuan untuk mengevaluasi metode Partitional Based Clustering dan Density Based Clustering dalam pengelompokan provinsi-provinsi di Indonesia berdasarkan penyakit menular langsung untuk memfasilitasi intervensi kesehatan setiap provinsi. Penelitian ini menggunakan data penyakit menular langsung dari profil kesehatan Indonesia tahun 2022. Analisis komparatif dilakukan dengan menggunakan metode Partitional Based Clustering (K-Means dan CLARA) dan metode Density Based Clustering (DBSCAN dan OPTICS). Pemilihan cluster optimal pada partitional based clustering menggunakan metode Gap Statistics, Elbow, dan Silhouette. Pemilihan MinPts dan epsilon terbaik menggunakan metode KNN. Pendekatan optimal ditentukan berdasarkan metode evaluasi clustering yaitu indeks Calinski Harabasz, Sum of Square Between-cluster, dan indeks C. Pendekatan Density Based Clustering menghasilkan nilai yang sama untuk kedua metodenya, yaitu nilai indeks Calinski Harabasz terbesar senilai 3.624,245, nilai indeks Sum of Square Between-cluster terbesar senilai 72,131 dan indeks C terkecil senilai 0,002 yang mengindikasikan nilai optimal. Pengelompokan optimal mengelompokkan provinsi ke dalam 3 cluster, Cluster 1 terdiri dari 23 provinsi, Cluster 2 terdiri dari 2 provinsi, dan Cluster 3 (noise) terdiri dari 9 provinsi. Penelitian ini menegaskan keunggulan Density Based Clustering dibandingkan Partitional Based Clustering dalam data penyakit menular langsung dalam mengelompokkan provinsi ke dalam kelompok yang bermakna untuk strategi kesehatan masyarakat. Identifikasi cluster penyakit menular langsung dapat membantu otoritas kesehatan dalam menyesuaikan intervensi dan mengalokasikan sumber daya secara lebih efisien. Kata kunci: Pengelompokan berbasis partisi, Pengelompokan berbasis densitas, Penyakit menular langsung, CLARA, DBSCAN, OPTICS. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 124874 2024-07-12 12:13:40 2024-07-12 15:40:56 machine generated