Analisis Cluster Menggunakan Algoritma K-Means Cluster Untuk Culstering Jenis Penyakit Menular Pada Puskesmas Di Kecamatan Kota Tangerang
Analisis Cluster Menggunakan Algoritma K-Means Cluster Untuk Culstering Jenis Penyakit Menular Pada Puskesmas Di Kecamatan Kota Tangerang
Karena itu, perlu diketahui setiap daerah memiliki jenis penyakit mana yang
paling dominan pada puskesmas perkecamatan Kota Tangerang dengan
dilakukannya pengklasteran pada jenis penyakit menular dengan metode
yang digunakan adalah Analisis Klaster menggunakan Algoritma K-Means
Klaster dengan perhitungan menggunakan aplikasi SPSS 22.
Metodologi Penelitian
1. Analisis Klaster
2. Metode Kmeans
3. Interpretasi analisis klaster
4. Klaster Membership
5. Final Cluster Centers
6. ANOVA
7. Number of cases
8. Profiling
Analisis Klaster
Pada tabel initial cluster centers ini merupakan proses pertama untuk
pengelompokan data aplikasi SPSS. Karena pengelompokan data ini merupakan
proses untuk pembentukan empat kluster secara kasarnya
Interpretasi Analisis
Klaster Iteration History
Pada cluster membership ini merupakan interpretasi klaster terbentuk melalui tiga kali
iterasi dan Cluster Membership dapat dikatakan hasil akhir klaster.
Final Cluster Centers
INTERPRETASI TABEL FINAL CLUSTER
Cluster 1
pada cluster 1 diperoleh bahwa DBD dan kepadatan penduduk berada di
atas rata-rata yang berada di Kota Tangerang.klaster ini tergolong
rendah karena hanya 2 variabel di atas rata-rata.
Cluster 2
Pada cluster 2 diperoleh bahwa jumlah penduduk, kepadatan penduduk,
TB. Paru, Pneumonia, dan diare di atas rata-rata yang berada di kota
Tangerang. Meskipun begitu, jika dibandingkan cluster 3, cluster
tersebut dianggap sedang.
Cluster 3
Pada cluster 3 diperoleh bahwa jumlah penduduk, kepadatan penduduk,
TB. Paru, Pneumonia, dan paru di atas rata-rata yang berada di kota
Tangerang. Oleh karenanya, cluster 3 tergolong cluster tinggi
Cluster 4
Pada cluster 4 diperoleh bahwa TB. Paru dan diare di atas rata-rata
yang berada di kota Tangerang. klaster ini tergolong rendah karena
hanya 2 variabel di atas rata-rata.
Anova
Apabila melihat tabel anova, kita bisa melihat tingkat signifikansi antar klaster. semakin
besar signifikansi berarti antar variabel mempunyai perbedaan yang signifikan. pada jurnal
telah diitung F hitung sebesar 51,30. dari perhitungan variabel 1 hasil F hitung > F tabel maka
dengan angka 51,30 > 18,366 dan signifikansi 0,000; maka 𝐻0 ditolak 𝐻1 diterima. Artinya,
keempat klaster mempunyai perbedaan yang signifikan.
Number of Cases
Pada tahap ini, untuk melihat keanggotaan tiap cluster. Nampak jelas bahwa
klaster 1 beranggotakan 12 Puskesmas, klaster 2 beranggotakan 2 Puskesmas,
klaster 3 beranggotakan 5 puskesmas, dan klaster 4 beranggotakan 11
puskesmas.
Profiling
Cluster 1
diperoleh bahwa terdapat 12 puskesmas yang terbagi pada cluster
1 dengan kasus terbanyak ada pada puskesmas Ciledug.
Cluster 2
Pada cluster 2 hanya terdapat 2 puskesmas saja dengan penamaan
pneumonia dengan kasus paling dominan berada di puskesmas
Panunggan.
Cluster 3
Pada cluster 3 terdapat 5 puskesmas dengan penamaan DBD dan
puskesmas Ketapang memiliki pasien yang terjangkit DBD lebih
banyak dari puskesmas lainnya dalam cluster 3.
Cluster 4
Pada cluster 4 dengan penamaan diare terdiri dari 11 puskesmas.
Kasus paling dominan ada di puskesmas gembor
Kesimpulan
Dari penelitian ini dihasilkan 4 klaster dengan profiling