Mustika, Wanda Ayu (2024) Pengelompokan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Pembangunan Kesehatan Menggunakan Metode Fuzzy C-Means Cluster. Other thesis, Institut Teknologi Sepuluh Nopember.
Text
5003201016-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy |
Abstract
Pembangunan kesehatan merupakan indikator penting dalam Tujuan Pembangunan Berkelanjutan (SDGs) karena berperan dalam meningkatkan kesejahteraan masyarakat. Indonesia mengalami kesenjangan kesehatan yang signifikan, terutama di Provinsi Papua, yang menghadapi tantangan besar dalam akses pelayanan medis, angka kematian ibu dan bayi, serta penularan penyakit. Kesenjangan ini terutama dirasakan di daerah terpencil dan terisolir. Oleh karena itu, perlu dilakukan pengelompokan kabupaten/kota di Provinsi Papua berdasarkan kesamaan karakteristik kesehatan yang dimiliki antar daerah agar pemerintah daerah Provinsi Papua dapat mengatasi kesenjangan kesehatan antar daerah di Papua. Penelitian ini menggunakan metode Fuzzy C-Means Cluster dengan 4 fungsi keanggotaan untuk mengelompokkan kabupaten/kota di Papua berdasarkan karakteristik kesehatan, dengan jumlah kelompok optimum ditentukan oleh nilai Pseudo F-statistic tertinggi dan metode terbaik berdasarkan nilai Icdrate terendah. Hasilnya menunjukkan jumlah kelompok optimum adalah 7 cluster dengan fungsi keanggotaan linier naik. Kelompok 1, 3, dan 7 memiliki kategori yang baik dalam peningkatan kesehatan ibu dan anak, namun Kelompok 1 buruk dalam pengendalian malaria, Kelompok 3 kurang baik dalam ketersediaan rumah sakit terakreditasi, dan Kelompok 7 buruk dalam pengendalian TBC. Kelompok 2, 5, dan 6 memiliki kategori yang baik dalam pengendalian penyakit menular, namun Kelompok 2 memiliki angka kematian bayi yang tinggi, Kelompok 5 buruk dalam cakupan IDL dan rumah sakit terakreditasi, serta Kelompok 6 buruk dalam angka kematian ibu dan ketersediaan obat esensial. Kelompok 4 baik dalam akses fasilitas kesehatan namun buruk dalam prevalensi stunting dan pengendalian HIV.
=================================================================================================================================
Health development is an important indicator in the Sustainable Development Goals (SDGs) because it plays a role in improving people's welfare. Indonesia experiences significant health disparities, especially in Papua Province, which faces major challenges in access to medical services, maternal and infant mortality rates, and disease transmission. This gap is especially felt in remote and isolated areas. Therefore, it is necessary to group regencies/cities in Papua Province based on the similarity of health characteristics between regions so that the local government of Papua Province can overcome health disparities between regions in Papua. This study uses the Fuzzy C-Means Cluster method with 4 membership functions to group regencies/cities in Papua based on health characteristics, with the optimal number of groups determined by the highest Pseudo F-statistic value and the best method based on the lowest Icdrate value. The result shows that the optimal number of groups is 7 clusters with a linear ascending membership function. Groups 1, 3, and 7 have good categories in improving maternal and child health, but Group 1 is poor in malaria control, Group 3 is not good in the availability of accredited hospitals, and Group 7 is poor in TB control. Groups 2, 5, and 6 have good categories in infectious disease control, but Group 2 has high infant mortality rates, Group 5 has poor coverage of IDL and accredited hospitals, and Group 6 has poor maternal mortality rates and availability of essential medicines. Group 4 is good in accessing health facilities but poor in stunting prevalence and HIV control.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | cluster, fuzzy c-means, health development, icdrate, pseudo f-statistic, cluster, fuzzy c-means, icdrate, pembangunan kesehatan, pseudo f-statistic. |
Subjects: | Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA39.3 Fuzzy mathematics Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics) |
Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis |
Depositing User: | Wanda Ayu Mustika |
Date Deposited: | 08 Aug 2024 13:34 |
Last Modified: | 16 Aug 2024 04:24 |
URI: | http://repository.its.ac.id/id/eprint/114910 |
Actions (login required)
View Item |