PENERAPAN ALGORITMA K-MEANS UNTUK MEMETAKAN PERSEBARAN FASILITAS DAN TENAGA KESEHATAN DI KOTA BANDUNG

Faqih Hamami, Iqbal Ahmad Dahlan

Abstract


Good health facilities and personnel are important elements in realizing public health. Several health facilities, such as hospitals, health centers, clinics, and pharmacies, act as a platform for health services. An unbalanced distribution of health facilities and personnel creates disparities in health quality. Population growth in Bandung City is a challenge for the distribution of health facilities. Inequality in each neighborhood has an impact on the difficulty of accessing health services and the quality of those services. Several studies have segmented health facilities separately from health workers. This study aims to map the distribution of health facilities and health workers together in Bandung City using the K-Means algorithm. Segmentation of facilities and health workers in the city of Bandung is done with the stages of data collection, data cleansing, data transformation, and data modeling, and then segmentation using a clustering approach with the K-Means algorithm. The results of the study, using the number k = 3, then formed clusters with low, middle, and high categories. Based on the segmentation results, a cluster was obtained consisting of 21 sub-districts that were lacking in health resources; 8 sub-districts were quite good, and 1 sub-district was abundant.

Fasilitas dan tenaga kesehatan yang baik merupakan elemen penting dalam mewujudkan kesehatan masyarakat. Beberapa fasilitas kesehatan seperti rumah sakit, puskesmas, klinik dan apotek berperan sebagai wadah dalam layanan kesehatan. Distribusi fasilitas dan tenaga kesehatan yang tidak berimbang akan menciptakan kesenjangan dan kualitas kesehatan. Pertumbuhan penduduk di Kota Bandung menjadi tantangan untuk distribusi sarana kesehatan. Ketidakmerataan di setiap kecamatan mempunyai dampak kesulitan akses layanan kesehatan dan kualitas layanan yang rendah. Beberapa penelitian yang telah dilakukan banyak melakukan segmentasi fasilitas kesehatan secara terpisah dari tenaga kesehatan. Penelitian ini bertujuan untuk memetakan persebaran fasilitas dan tenaga kesehatan secara bersama-sama di Kota Bandung dengan menggunakan algoritma K-Means. Segmentasi fasilitas dan tenaga kesehatan di kota Bandung dilakukan dengan tahapan data collection, data cleansing, data transformation dan data modeling kemudian dilakukan segmentasi menggunakan pendekatan clustering dengan algoritma K-Means. Hasil penelitian dengan menggunakan jumlah k = 3 maka terbentuk kluster dengan kategori low, middle dan high. Berdasarkan hasil segmentasi diperoleh cluster yang terdiri dari 21 kecamatan yang kurang dalam sumber daya kesehatan, 8 kecamatan cukup baik dan 1 kecamatan yang berlimpah.


Full Text:

PDF

References


Afrida, N. D., & Wulandari, S. P. (2022). Pemetaan Fasilitas Tenaga Kesehatan Berdasarkan Kabupaten/Kota di Provinsi Papua. Jurnal Sains Dan Seni ITS, 11(1), D57–D63. https://doi.org/10.12962/j23373520.v11i1.62871

Ali, A., & Masyfufah, L. (2021). Klasterisasi Pasien BPJS Dengan Metode K-Means Clustering Guna Menunjang Program Jaminan Kesehatan Nasional di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo. Jurnal Wiyata: Penelitian Sains Dan Kesehatan, 8(1), 8–22. https://doi.org/10.56710/wiyata.v8i1.427

Hikmah, N., Rahman, H., & Puspitasari, A. (2020). Membandingkan Ketimpangan Ketersediaan Tenaga Kesehatan Puskesmas di Wilayah Indonesia Timur. Window of Public Health Journal, 1(1), 31–37. https://doi.org/10.33096/woph.v1i1.8

Ilfiana, D. A. (2022). Pengklasteran Puskesmas di Kabupaten Kudus Menggunakan Metode K-Means dengan Perbandingan Jarak Euclidean dan Chebyshev. Prisma : Prosiding Seminar Nasional Matematika.

Komalasari, C., Faqih, A., Dikananda, F., Sulaeman, M., & Susana, H. (2023). Analisis Segmentasi Puskesmas di Kabupaten Cirebon Menggunakan Algoritma Partitioning Around Medoid Berdasarkan Indikator Penyebab Stunting. JATI : Jurnal Mahasiswa Teknik Informatika, 7(6), 3406–3413. https://doi.org/10.36040/jati.v7i6.8189

Langingi, A. R. C., & Watung, S. G. I. V. (2020). Analisis Faktor Perilaku dan Jarak Fasilitas Kesehatan Terhadap Pemamfaatan Posyandu Lansia Hipertensi di Desa Muntoi Kecamatan Passi Barat. Medical Technology and Public Health Journal (MTPHJ), 4(2), 121–126. https://doi.org/10.33086/mtphj.v4i2.1757

Lestari, S. P., Supandi, E. D., & Rahayu, P. P. (2018). Pengklasteran Kabupaten/Kota di Jawa Tengah berdasarkan Tenaga Kesehatan dengan Menggunakan Metode Ward dan K-Means. Fourier : Jurnal Matematika Dan Pembelajaran, 7(2), 103–109. https://doi.org/10.14421/fourier.2018.72.103-109

Lubis, A. S., Sabrina, D., Ginting, N. G. B., Hutajulu, S. A., & Gurning, F. P. (2022). Analisis Perkembangan Fasilitas Kesehatan Tingkat Pertama dan Fasilitas Kesehatan Rujukan Tingkat Lanjutan Pada Tahun 2022. Humantech : Jurnal Ilmiah Multidisiplin Indonesia, 1(9), 1235–1248. https://doi.org/10.32670/ht.v1i9.2028

Lubis, A. S., Zuhrah, A., Harahap, M., Ginting, N. G. B., Hutajulu, S. A., & Agustina, D. (2023). Literature Review: Peningkatan Jumlah dan Pendayagunaan Tenaga Kesehatan di Indonesia. JPDK : Jurnal Pendidikan Dan Konseling, 5(1), 2167–2174. https://doi.org/10.31004/jpdk.v5i1.11283

Nugroho, M. R., Hendrawan, I. E., & Purwantoro. (2022). Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI. Nuansa Informatika : Technology and Information Journal, 16(1), 125–133. https://doi.org/10.25134/nuansa.v16i1.5294

Pailan, B. L., Haviluddin, H., Wati, M., Puspitasari, N., & Budiman, E. (2021). Analisa Kebutuhan Tenaga Kesehatan Menggunakan Algoritma K-Means. JSAKTI : Jurnal Sains, Aplikasi Komputasi Dan Teknologi Informasi, 3(1), 1–9. https://doi.org/10.30872/jsakti.v3i1.4406

Rahmi, M. F., Prasetyo, P. S., Nurhabibah, R., Perdana, R., & Madjida, W. O. Z. (2021). Pengelompokan Provinsi di Indonesia Berdasarkan Jumlah Kasus Covid-19 dan Fasilitas Kesehatan. Jurnal Aplikasi Statistika & Komputasi Statistik, 13(1), 47–56. https://doi.org/10.34123/jurnalasks.v13i1.274

Rizqi, M. F., Martanto, M., & Hayati, U. (2024). Clustering Kunjungan Pasien Menggunakan Algoritma K-Menas Pada Rumah Sakit di Wilayah Bekasi. JATI : Jurnal Mahasiswa Teknik Informatika, 8(1), 80–87. https://doi.org/10.36040/jati.v8i1.8327

Tambaip, B., Tjilen, A. P., & Ohoiwutun, Y. (2023). Peran Fasilitas Kesehatan Untuk Kesejahteraan Masyarakat. JKP : Jurnal Kebijakan Publik, 14(2), 189–196. https://doi.org/10.31258/jkp.v14i2.8245

Wibowo, A. S., & Mulyastuti, I. D. (2022). Penerapan Algoritma K-Means Clustering Pada Jumlah Fasilitas Kesehatan Menurut Pemerintah Provinsi DKI Jakarta. TEKINFO : Jurnal Ilmiah Teknik Informatika, 23(2), 116–122. https://doi.org/10.37817/tekinfo.v23i2.2603

Yesinda, I. S., & Murnisari, R. (2018). Pengaruh Fasilitas dan Kualitas Pelayanan Terhadap Kepuasan Pasien Jasa Rawat Jalan Pada Puskesmas Kademangan Kabupaten Blitar. Penataran : Jurnal Penelitian Manajemen Terapan, 3(2), 206–214.

Yolanda, A. M., & Yunitaningtyas, K. (2021). Segmentasi Provinsi Berdasrkan Sarana dan Perlengkapan Faskes Keluarga Berencana Tahun 2021. Jurnal Keluarga Berencana, 6(1), 20–30. https://doi.org/10.37306/kkb.v6i1.70




DOI: https://doi.org/10.56486/jris.vol4no2.561

Article Metrics

Abstract view : 37 times
PDF - 29 times

Refbacks

  • There are currently no refbacks.


TERINDEKS OLEH :