Electronic Theses and Dissertation

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.

Tuberculosis remains a public health issue in Indonesia. This study aims to group 38 Indonesian provinces based on factors influencing Tuberculosis prevalence, such as environmental, social, and population conditions. The K-Means Clustering method was applied to secondary data from the Indonesian Health Survey (2023). The analysis results show that a configuration with three clusters (k=3) is the most optimal and valid. The model's validation is comprehensively supported by three clustering index metrics: the highest Silhouette Score (0.7488), the lowest Davies-Bouldin Index (0.3281), and the highest Dunn Index (1.4224). The clustering produced three distinct provincial groups: the first cluster with low prevalence (most provinces outside of Java), the second cluster with medium prevalence (most provinces on the island of Java), and the third cluster with high prevalence (the provinces in Papua). The geographical visualization of the clustering results provides a clear picture of the distribution of Tuberculosis risk in Indonesia. This finding confirms that Tuberculosis intervention strategies in Indonesia must be tailored to the specific characteristics of each cluster to achieve maximum effectiveness.