Pengklasteran Kabupaten/Kota di Jawa Tengah berdasarkan Tenaga Kesehatan dengan Menggunakan Metode Ward dan K-Means

  • Sri Puji Lestari UIN Sunan Kalijaga
  • Epha Diana Supandi UIN Sunan Kalijaga
  • Pipit Pratiwi Rahayu UIN Sunan Kalijaga
Keywords: Analisis klaster, metode K-Means, metode Ward, tenaga kesehatan

Abstract

Analisis klaster merupakan suatu metode yang digunakan untuk mengelompokkan objek (kasus) ke dalam klaster (kelompok) yang relatif sama.  Tujuan penelitian ini untuk mengklasterkan Kabupaten/Kota di Provinsi Jawa Tengah berdasarkan tenaga kesehatan tahun 2015 seperti tenaga medis, tenaga keperawatan, tenaga kebidanan, tenaga kefarmasian dan tenaga kesehatan lainnya dengan menggunakan metode Ward dan K-Means. Hasil penelitian menunjukkan ada tiga klaster terbentuk dimana metode Ward menghasilkan nilai rasio simpangan baku sebesar 0,3019% lebih besar jika dibandingkan dengan nilai rasio simpangan baku pada metode K-Means yaitu 0,2974%. Pada kasus ini, metode K-Means merupakan metode yang lebih baik dibandingkan metode Ward.

[Cluster analysis is a method used to group objects (cases) into clusters (groups) that are relatively the same. The purpose of this study is to classify districts/cities in Central Java Province based on health worker in 2015 such as medical personnel, nursing staff, midwifery staff, pharmacy personnel and health workers using the Ward and K-Means methods. The results show that there are three clusters formed where the Ward method produce a standard deviation ratio of 0.3019% greater than the standard deviation ratio in the K-Means method, which is 0.2974%. In this case, the K-Means method is a better method than the Ward method.]

Author Biographies

Sri Puji Lestari, UIN Sunan Kalijaga

Program Studi Matematika Fakultas Sains dan Teknologi

Epha Diana Supandi, UIN Sunan Kalijaga

Program Studi Matematika Fakultas Sains dan Teknologi

Pipit Pratiwi Rahayu, UIN Sunan Kalijaga

Program Studi Matematika Fakultas Sains dan Teknologi

References

[1] Gudono. 2014. Analisis Data Multivariat. Yogyakarta: BPFE.
[2] J. Supranto. 2010. Analisis Multivariat – Arti dan Interpretasi. Jakarta, Rineka Cipta.
[3] R.A. Johnson and D.W. Wichern. 2001. Applied Multivariate Statistical Analysis (5th Edition). New York, Prentice Hall.
[4] Rafsanjani, M Kuchaki., Varzaneh, Z Asghari., and Chukanlo, N Emami. (2012). A Survey of Hierarchical Clustering Algorithms. The Journal of Mathematics and Computer Science, 5(3), 229-240.
[5] Sitepu, Robinson., Irmeilyana., dan Gultom, Berry. (2011). Analisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan. Jurnal Penelitian Sains, 14, 14303 11-14303 17.
[6] T. Aftina, B. Santosa dan A.L Barakbah. (2012). Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi Kasus: Problem Kerja Praktek Jurusan Teknik Industri ITS). Jurnal Teknik ITS. 1(1), A 521 – A 525.
[7] Yim, Odilia., & Ramdeen, Kylee T. (2015). Hierarchical Cluster Analysis: Comparison of Three Linkage Measures and Application to Psychological Data. The Quantitative Metods for Psychology, 11(1), 8-21.
Published
2018-10-31
Section
Articles