Implementasi K-Medoids Dalam Pengelompokan Fasilitas Pelayanan Kesehatan Pada Kasus Tuberculosis

Abstract

Tuberculosis (TBC) adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium Tuberculosis, kadang disebut juga TB paru. Pada tahun 2021 kasus TBC di Kota Bogor terdapat 4855 kasus, banyaknya kasus TBC di Kota Bogor ini, diperlukan pengelompokan penyebaran penyakit TBC berdasarkan Fasilitas Pelayanan Kesehatan (FASYANKES) di Kota Bogor menggunakan algoritma K-Medoids, yang bertujuan untuk mengetahui karakteristik FASYANKES dalam kasus TBC. Algoritma K -Medoids adalah  sebuah algoritma yang menggunakan metode partisi clustering untuk mengelompokkan sejumlah n objek menjadi k klaster. Pada penelitian ini diterapkan pengujian Silhouette Coefficient untuk memaksimalkan hasil clustering, hasil clustering yang diperoleh adalah terbentuk 2 klaster dengan Silhouette = 0,574652. Sehingga dengan implementasi K-Medoids clustering diperoleh hasil 2 klaster yakni, klaster 0 terdapat 15 FASYANKES yang berisi karakteristik teridentifikasi yang tinggi dan hasil diagnosis positif TBC yang tinggi. Namun, terdapat 3 FASYANKES yang memiliki nilai jumlah pasien teridentifikasi tinggi tetapi nilai hasil diagnosis positifnya rendah. FASYANKES tersebut termasuk ke dalam klaster 0, karena dipengaruhi oleh nilai jumlah pasien teridentifikasi yang tinggi. Sedangkan klaster 1 terdapat 29 FASYANKES yang berisi karakteristik teridentifikasi yang rendah dan hasil diagnosis positif TBC yang rendah. Namun, terdapat 9 FASYANKES yang memiliki nilai jumlah pasien teridentifikasi rendah tetapi nilai hasil diagnosis positifnya tinggi. FASYANKES tersebut termasuk ke dalam klaster 1, karena dipengaruhi oleh nilai jumlah pasien teridentifikasi yang rendah.
Tuberculosis (TB) is an infectious disease caused by the bacteria Mycobacterium Tuberculosis, sometimes also called pulmonary TB. In 2021, there were 4855 cases of tuberculosis in Bogor City. The large number of tuberculosis cases in Bogor City requires clustering the spread of tuberculosis disease based on Health Service Facilities (FASYANKES) in Bogor City using the K-Medoids algorithm, which aims to determine the characteristics of FASYANKES in tuberculosis cases. The K-Medoids algorithm is an algorithm that uses the clustering partition method to group a number of n objects into k clusters. In this study, Silhouette Coefficient testing was applied to maximize clustering results, the clustering results obtained were 2 clusters formed with Silhouette = 0.574652. So that with the implementation of K-Medoids clustering, the results of 2 clusters are obtained, namely, cluster 0 there are 15 FASYANKES which contain high identified characteristics and high positive TB diagnosis results. However, there are 3 FASYANKES that have a high number of identified patients but a low value of positive diagnosis results. These FASYANKES are included in cluster 0, because they are influenced by the high number of identified patients.While cluster 1 contained 29 FASYANKES that contained low identified characteristics and low positive TB diagnosis results. However, there are 9 FASYANKES that have a low number of identified patients but a high positive diagnosis result. These FASYANKES are included in cluster 1, as they are influenced by the low number of identified patients.