Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pembangunan Kesehatan Menggunakan Fuzzy C-Means Cluster

Purnama, Giyanti Linda (2017) Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pembangunan Kesehatan Menggunakan Fuzzy C-Means Cluster. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1315105022-Undergraduate_Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Pembangunan kesehatan merupakan upaya untuk memenuhi salah satu hak dasar rakyat sekaligus mencapai tujuan pembagunan berkelanjutan. Permasalahan utama dalam pembangunan kesehatan adalah masih tingginya disparitas status kesehatan antar tingkat sosial ekonomi, antar kawasan, dan antara perkotaan dan pedesaan. Dalam hal gizi balita provinsi Nusa Tenggara Timur memiliki persentase balita stunting tertinggi sebesar 52%. Selain itu, 37% kelahiran di Nusa Tenggara Timur tidak dibantu oleh fasilitas kesehatan. Sehingga, pemerintah perlu meningkatkan pelayanan kesehatan. Dalam peningkatan pelayanan kesehatan, perlu dilakukan pengelompokan wilayah berdasarkan faktor-faktor pembangunan kesehatan sebagai bahan perencanaan dan evaluasi sasaran program pemerintah. Penelitian ini menggunakan metode Fuzzy C-Means Cluster yang merupakan pengembangan dari metode C-Means Cluster. Objek penelitian ini yaitu 34 Provinsi di Indonesia. Kelompok optimum yang terbentuk adalah 4 kelompok dengan fungsi keanggotaan linier naik. Kelompok 4 merupakan kelompok dengan kategori sangat baik karena telah mencapai semua target renstra. Kelompok 3 adalah kelompok dengan kategori buruk karena belum mencapai target renstra. Kelompok 2 merupakan kelompok dengan kategori kurang karena beberapa provinsi belum mencapai target renstra untuk semua indikator pembangunan kesehatan. Kelompok dengan kategori baik adalah kelompok 1 karena telah mencapai target kunjungan K4, tetapi belum mencapai target renstra untuk indikator lainnya. ================================================================= Health development is an effort to fulfill one of the basic rights of the people achieving the goal of sustainable development. The main problem in health development is the high disparity of health status among socio economic level, between regions and between urban and rural areas. In terms of toddler nutrition, East Nusa Tenggara province has the highest percentage of stunting toddlers by 52%. In addition, 37% of births in East Nusa Tenggara are not assisted by health facilities. Thus, the government needs to improve health services. In the improvement of health services, it is necessary to group the region based on the factors of health development as material for planning and evaluation of government program targets. This research uses Fuzzy C-Means Cluster method which is the development of C-Means Cluster method. The object of this research are 34 provinces in Indonesia. The optimum group formed is 4 groups with linear membership function up. Group 4 is a group with very good category because it has reached all the strategic targets. Group 3 is a category with bad category because it has not reached the target of strategic plan. Group 2 is a category with less category because some provinces have not reached the strategic plan for all health development indicators. The good category is group 1 because it has reached the target of K4 visit, but has not reached the strategic plan target for other indicators.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.53 Pur p
Uncontrolled Keywords: Fuzzy C-Means, Indikator Pembangunan Kesehatan, One-Way MANOVA, Indicators of Health Development
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA248_Fuzzy Sets
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Giyanti Linda Purnama
Date Deposited: 25 Oct 2017 01:59
Last Modified: 05 Mar 2019 04:06
URI: http://repository.its.ac.id/id/eprint/48520

Actions (login required)

View Item View Item