<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1705071">
 <titleInfo>
  <title>PENGELOMPOKAN PREVALENSI TUBERKULOSIS DI INDONESIA MENGGUNAKAN METODE K-MEANS CLUSTERING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>SABARUDDIN</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Tuberkulosis masih menjadi permasalahan kesehatan masyarakat di Indonesia. Penelitian ini bertujuan untuk mengelompokkan 38 provinsi di Indonesia berdasarkan faktor-faktor yang berpengaruh terhadap prevalensi tuberkulosis, seperti kondisi lingkungan, sosial, dan populasi penduduk. Metode klasterisasi K-Means Clustering diterapkan pada data sekunder dari Survei Kesehatan Indonesia (2023). Hasil analisis menunjukkan bahwa konfigurasi dengan tiga cluster (k=3) adalah yang paling optimal dan valid. Validasi model secara komprehensif didukung oleh tiga metrik indeks klasterisasi: Silhouette Score tertinggi (0,7488); Davies-Bouldin Index terendah (0,3281); dan Dunn Index tertinggi (1,4224). Klasterisasi menghasilkan tiga kelompok provinsi yang berbeda: cluster pertama dengan prevalensi rendah (sebagian besar provinsi di luar Jawa), cluster kedua dengan prevalensi sedang (sebagian besar provinsi di Pulau Jawa), dan cluster ketiga dengan prevalensi tinggi (provinsi-provinsi di Papua). Visualisasi geografis hasil klasterisasi memberikan gambaran yang jelas mengenai sebaran risiko tuberkulosis di Indonesia. Temuan ini menegaskan bahwa strategi intervensi tuberkulosis di Indonesia harus disesuaikan dengan karakteristik spesifik setiap cluster untuk mencapai efektivitas yang maksimal.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1705071</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-10-27 11:21:23</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-10-27 11:31:20</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>