Pengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering

Ahmad Chusyairi, Pelsri Ramadar Noor Saputra

Abstract


Peningkatan pelayanan dan penyuluhan layanan imunisasi untuk ibu, bayi dan balita di Puskesmas dalam mencapai target cakupan Imunisasi Dasar Lengkap (IDL). Kabupaten Banyuwangi memiliki 45 Puskesmas yang akan dikelompokkan menjadi 3 kategori, yaitu: Puskesmas mencapai target IDL dengan status cukup, Puskesmas mencapai target IDL dengan status kurang, dan Puskesmas mencapai target IDL dengan status sangat baik. Tujuan penelitian ini adalah untuk mengetahui Puskesmas dalam mencapai target cakupan IDL di Kabupaten Banyuwangi. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering, dimana metode ini dapat mencari partisi yang maksimal dengan prosedur iterasi yang optimal dalam mengelompokkan data secara tepat, dan memiliki ketelitian yang akurat terhadap ukuran objek, sehingga lebih terukur dan efisien dalam pengolahan data yang besar. Kesimpulan dalam penelitian ini adalah cluster pertama memiliki 19 data puskesmas dengan target imunisasi cukup, cluster kedua memiliki 24 data puskesmas dengan target imunisasi kurang, dan cluster ketiga memiliki 2 data puskesmas dengan target imunisasi sangat baik, sehingga Dinas Kesehatan dapat memberikan tugas tambahan bagi kelompok Puskesmas yang memiliki target IDL dengan status kurang untuk mengurangi angka penyakit-penyakit yang dapat dicegah dengan imunisasi (PD3I).

 

Improvement of immunization services and counselling services for mothers, infants, and toddlers in health care centres in achieving the target of Complete Basic Immunization (IDL). Banyuwangi Regency has 45 Puskesmas which will be grouped into 3 categories, namely: Puskesmas achieving IDL targets with sufficient status, Puskesmas achieving IDL targets with insufficient status, and Puskesmas achieving IDL targets with very good status. The purpose of this study was to determine the health centre in achieving the target of IDL coverage in the Banyuwangi Regency. The method used in this research is K-Means Clustering. This method will seek a maximal partition with optimum iteration procedure and has the best precision of the object measurement, so it is more scalable and efficient in processing a large data. The conclusion in this study is the first cluster has 19 health care centers data with sufficient immunization targets, the second cluster has 24 health care centers data with fewer immunization targets, and the third cluster has 2 health care centers data with very good immunization targets, so the Health Office can provide additional tasks for the Puskesmas group who have IDL targets with insufficient status to reduce the number of diseases that can be prevented by immunization (PD3I).


Keywords


K-Means Clustering; Imunisasi; Puskesmas

Full Text:

PDF (Indonesian)

References


Bastian, A., Sujadi, H., & Febrianto, G. (2018). Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka). Jurnal Sistem Informasi (Journal of Information System), 14(1), 26–32.

Chusyairi, A., Kurnia Hadi Muktining Nur, T., Haryanto, D., PGRI Banyuwangi, S., Banyuwangi, B., Kesehatan Banyuwangi Jl Jend Yani No, D. A., & Jawa Timur, B. (2018). Sistem Informasi Jadwal Imunisasi Kesehatan Bayi Dan Balita Berbasis Sms Gateway. Jurnal Teknologi Informasi, 13(1), 38–43.

Dompas, R. (2014). Gambaran Pemberian Imunisasi Dasar Pada Bayi Usia 0-12 Bulan. Jurnal Ilmiah Bidan (Jidan), 2(2), 71–76.

Hidayah, N., Sihotang, H. M., & Lestari, W. (2018). Faktor Yang Berhubungan Dengan Pemberian Imunisasi Dasar Lengkap Pada Bayi Tahun 2017. Jurnal Endurance, 3(1), 153–161.

Izza, N., & Soenarnatalina. (2015). Analisis Data Spasial Penyakit Difteri di Provinsi Jawa Timur Tahun 2010. Buletin Penelitian Sistem Kesehatan, 18(2), 211–219.

Kaunang, M. C., Rompas, S., & Bataha, Y. (2016). Hubungan Pemberian Imunisasi Dasar Dengan Tumbuh Kembang Pada Bayi (0-1 Tahun) Di Puskesmas Kembes Kecamatan Tombulu Kabupaten Minahasa. Ejournal Keperawatan (E-Kp), 4(1), 1–8.

Kusuma, B. M. A. (2015). Implementasi Program Jaminan Pelayanan Kesehatan Masyarakat Banyuwangi (JPKMB) Dalam Mewujudkan Pelayanan Kesehatan Primer Bagi Seluruh Lapisan Masyarakat. IJPA-The Indonesian Journal of Public Administration, 2(1), 103–117.

Lailiyah, S., Prayoga, D., Haksama, S., & Mandagi, A. M. (2016). Analisis Pengembangan Simpus “Si Jempol Sehat Wangi” Di Kabupaten Banyuwangi. Jurnal IKESMA, 12(1), 8–17.

Mustaffa, Z., & Yusof, Y. (2011). A Comparison of Normalization Techniques in Predicting Dengue Outbreak. In International Conference on Business and Economics Research (Vol. 1, pp. 345–349). Malaysia.

Nasari, F., & Sianturi, C. J. M. (2016). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat. Cogito Smart Journal, 2(2), 108–119.

Oktaviasari, K. E. (2018). Hubungan Imunisasi Campak Dengan Kejadian Campak Di Provinsi Jawa Timur. Jurnal Berkala Epidemiologi, 6(2), 166–173. https://doi.org/10.20473/jbe.v6i22018.166-173

Patro, S. G. K., & Sahu, K. K. (2015). Normalization : A Preprocessing Stage. arXiv Preprint arXiv:1503.06462.

Purnamaningsih, C., Saptono, R., & Aziz, A. (2014). Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA. Jurnal ITSmart, 3(1), 27–33.

Sani, A. (2018). Penerapan Metode K-Means Clustering Pada Perusahaan. Jurnal Teknologika, 8(1).

Sari, D. N. I., Basuki, S. W., & Triastuti, N. J. (2016). Hubungan Pengetahuan Ibu Tentang Imunisasi Dasar Dengan Kelengkapan Imunisasi Dasar Bayi Di Wilayah Kerja Puskesmas Bendo Kabupaten Magetan. Biomedika, 8(2), 6–12.

Simhachalam, B., & Ganesan, G. (2014). Possibilistic Fuzzy C-Means Clustering On Medical Diagnostic Systems. In International Conference on Contemporary Computing and Informatics (IC3I) (pp. 1125–1129).

Swardana, N. F., & Wahyuni, C. U. (2014). Faktor Yang Mempengaruhi Ibu Terhadap Ketidakikutsertaan Batita Pada Sub Pin Difteri. Jurnal Berkala Epidemiologi, 2(2), 227–239.

Taslim, & Fajrizal. (2016). Penerapan Algorithma K-Mean Untuk Clustering Data Obat Pada Puskesmas Rumbai. Jurnal Teknologi Informasi & Komunikasi Digital Zone, 7(2), 108–114.




DOI: http://dx.doi.org/10.35671/telematika.v12i2.848

Refbacks

  • There are currently no refbacks.




Indexed by:

     http://click.accelo.com/wf/click?upn=KMJOFt8368XHDV6m09YF-2BTGnIfzAj8ov81j3S3dKrgX-2FSP8SBOSe2Y-2FRl3XtyVdizj-2FkXxL-2F-2FBp-2BQ3h3JmTUMA-3D-3D_m-2BrHp932aZXzO0XgkbwedgKvn5QWlonE5sMgaivZdq7OsTVSTY4hEqzD-2Bq18nXAyLJBneuiZlt38H2UV92XxYUTcMxEriSXBXl4R62YQbqlgPCj4HTJTRlEeMBija8NFLIgPs2I1UuCR2UCZXSiKb2ocM6V4QaW-2FslHJUiSZesKuX9OlsnCNztILLyuQC4ZZvCegHVeQWDMYSYLvWzv-2FxgZ4v9s-2B2Ehf-2FEsLNi2Ea97Xe1t2vA4kmxioKhj90qGfUs7WlNUb-2B3FL0DjX8F4BTUuUiemqtsGMdQg-2By7qV9RY-3D      

Telematika

ISSN 2442-4528 (online) | ISSN 1979-925X (print)
Published by : Universitas Amikom Purwokerto
Jl. Let. Jend. POL SUMARTO Watumas, Purwonegoro - Purwokerto Telp (0281) 623321 Fax (0281) 621662
Email: telematika@amikompurwokerto.ac.id

 This work is licensed under a Creative Commons Attribution-ShareAlike 4.0