JudulPenerapan Algoritma Trimmed K-Means Pada Pengelompokan Provinsi Di Indonesia Berdasarkan Jumlah Penyebaran Penyakit Menular Tahun 2023 |
Nama: AINANUR |
Tahun: 2025 |
Abstrak Penyakit menular adalah kondisi kesehatan yang disebabkan oleh mikroorganisme yang dapat berpindah antar individu. Tingginya kasus penyakit menular di Indonesia terutama dikarenakan iklim tropis yang mendukung penyebarannya. Dalam kasus ini, terdapat provinsi dengan tingkat penyebaran yang sangat tinggi dibanding provinsi lainnya, sehingga menyebabkan adanya outlier dalam data. Oleh karena itu, dilakukan penelitian untuk mengklasterkan wilayah berdasarkan jumlah penyebaran penyakit menular menggunakan metode Trimmed K-Means, yang memungkinkan pemangkasan data outlier sebelum proses pengelompokan dilakukan, sehingga hasil klasterisasi menjadi lebih representatif terhadap pola penyebaran penyakit menular di Indonesia. Hasil penelitian menunjukkan terdapat 2 outliers berdasarkan parameter trimming alpha 5%, lalu diperoleh jumlah cluster optimal berdasarkan metode Silhouette yaitu 2 cluster utama dan 1 cluster outliers. Cluster 1 dengan anggota 30 provinsi memiliki jumlah penyebaran penyakit menular rendah, lalu cluster 2 memiliki jumlah penyebaran penyakit menular sedang dengan anggota 6 provinsi, sedangkan cluster outliers dengan 2 provinsi memiliki jumlah penyebaran penyakit menular tinggi. Kata Kunci: Outliers, Pengelompokan, Penyakit Menular, Silhouette Coefficient, Trimmed K-Means. |