Segmentasi Jumlah Tenaga Kesehatan Berdasarkan Kecamatan di Kabupaten Karawang Menggunakan Metode K-Medoids

  • Aqib Fharaj Zhaky
  • Sutan Faisal
  • Yana Cahyana
Keywords: Tenaga Kesehatan Algoritma K-Medoids Data Mining

Abstract

Pembangunan Kesehatan merupakan bagian dari pembangunan nasional yang pada hakekatnya kesehatan adalah merupakan pelaksanaan dalam kesehatan yang upaya kebugaran prosess memperoleh potensi hidup sehat bagi setiap penduduk masyarakat karawang sehingga terwujud derajat kesehatan yang diperoleh dari tenaga kesehatan kabupaten karawang yang bermutu. salah satunya ada di dinas kesehatan di Kabupaten Karawang, Tenaga kesehatan yang cukup kurang memadai di beberapa kecamatan di Karawang akan memudahakan masyarakat di kabupaten karawang di dinas kesahatan jumlah tenaga kesehatan di kecamatan karawang tersebut untuk hidup sehat dan mengobati penyakitnya. Penelitian ini menggunakaan teknik data minning dalam proses pengolahan data dengan metode K-Medoids clustering.Metode K-Medoids adalah salah satu bagian partitioning clustering yang efisien dalam dataset berukuran kecil sekaligus mencari titik yang paling refresentatif. Kelebihan metode ini terletak pada kemampuan mengatasi kelemahan metode K-Means yang sensitif terhadap outlier. Selain itu, hasil proses clustering tidak bergantung pada urutan masuk dataset. Metode tersebut dapat diterapkan ke dalam data presentase tenaga kesehatan yang bersumber pada tingkat kecamatan, sehingga dapat diketahui pengklasifikasian kecamatan sesuai data tersebut. Berdasarkan data pengelompokan tiga cluster tersebut yaitu cluster pertama sebagai cluster terendah sebanyak 13 (empat belas) kecamatan, cluster 2 yaitu 8 (delapan) kecamatan sebagai cluster sedang dan 9 (sembilan) kecamatan sebagai cluster tertinggi yaitu cluster 3 dari presentasi tenaga kesehatan pada setiap kecamatan di kabupaten Karawang. Diharapkan penelitian ini memberikan informasi kepada pemerintah kabupaten Karawang tentang pengelompokkan data tenaga kesehatan yang berdampak pada pemerataan jumlah tenaga kesehatan dalam pelayanan kesehatan terhadap masyarakat di kabupaten Karawang.

References

[1] Batra. Aishwarya. Analysis and Approach: K-Means and K-Medoids Data MiningAlgorithms. 5th IEEE International Conference on Advanced Computing & Communication Technologies.
[2] D. E. Kurniawan and A. Fatulloh, ‘Clustering of Social Conditions in Batam, Indonesia Using K-MedoidsAlgorithm and Geographic Information System’, Int. J. Earth Sci. Eng. IJEE, vol. 10, no. 5, pp. 1076–1080, 2017.
[3] F. Nasution, ‘Penerapan Metode K-Medoids Clustering untuk Mengelompokkan Ketahanan Tanaman Pangan Kabupaten/Kota di Provinsi Sumatera Utara’, 2019.
[4] https://jurnal.stmikprofesional.ac.id/index.php/Progress/article/view/146/22
[5] Journal of Applied Informatics and Computing (JAIC) Vol.6, No.1, Juli 2022, pp. 46~54 e-ISSN: 2548-6861.
[6] Junaedi, Hartanto., Herman, Budianto, 2011. Data Transformation Pada Data Mining. Prosiding Konferensi nasional “Inovasi dalam Desain dan Teknologi”. IDeaTech 2011.
[7] K. K. Republik Indonesia, (2022) ‘Peraturan Pemerintah Republik Indonesia no 32 tahun 1996 tentang tenaga kesehatan’. https://kemkes.go.id/ (accessed May 10, 2022).
[8] Kalpit G. Soni and Dr. Atul Patel. “Comparative Analysis of K medoidsand K-medoids Algorithm on IRIS Data”. International Journal of Computational Intelligence Research ISSN 0973-1873 Volume 13, Number 5 (2017), pp. 899-906.
[9] L.Maulida, ‘Penerapan Data Mining dalam Mengelompokkan Kunjungan Wisatawan ke Objek Wisata Unggulan di Prov. DKI Jakarta dengan K-Means’, JISKA J. Inform. Sunan Kalijaga, vol. 2, no. 3, pp. 167–174, 2018.
[10] Mustakim. Pemetaan Digital dan Pengelompokan Lahan Hijau di Wilayah Provinsi Riau Berdasarkan Knowledge Discovery in Databases (KDD) dengan TeknikK-Means Mining. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI). Pekanbaru. 3 Oktober 2012.
[11] Mulyati, S., Husein, S. M., & Ramdhan. (2020). Rancang Bangun Aplikasi Data Mining Prediksi Kelulusan Ujian Nasional Menggunakan Algoritma K- Medoids Dan Metode Euclidean Distance. Jurnal Teknik Informatika (JIKA) Universitas Muhammadiyah Tangerang, 4(1), 65–73.
[12] Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma K- Medoids.Edik Informatika, 2(2), 213–219.
[13] Prihatmono, M. W., & Watratan, A. F. (2019). Implementasi Algoritma K- Medoids Menggunakan Python Untuk Klasifikasi Kepuasan Konsumen. Progres, 49– 55.
[14] Sutan Faisal (2019)Klasifikasi Data Mining menggunakan Algoritma C4.5Terhadap Kepuasan Pelanggan Sewa Kamera Cikarang, Jurnal Ilmu Komputer &Teknologi Informasi(TechnoXplore)2503-054.
[15] Yana Cahyana (2018)Penerapan Algoritma K-Means Pada Pengelompokan Daerah Penderita Filariasis. Jurnal Ilmu Komputer dan Teknologi Informasi (Techno Xplore) 2503-054
Published
2024-07-31