Analisa Kebutuhan Tenaga Kesehatan Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.30872/jsakti.v3i1.4406Keywords:
Clustering, Tenaga Kesehatan, Puskesmas, K-MeansAbstract
Penempatan tenaga kesehatan yang bersesuaian keahlian pada Pusat Kesehatan Masyarakat (Puskesmas) sangat diperlukan namun belum merata terdistribusi. Penelitian ini bertujuan untuk menganalisa tenaga kesehatan yang sesuai bidang keahliannya untuk ditempatkan pada setiap Puskesmas di Provinsi Kalimantan Timur. Tenaga kesehatan yang bersesuaian keahlian dianalisa untuk ditempatkan pada 179 Puskesmas di kawasan perkotaan, kawasan pedesaan, dan kawasan terpencil/sangat terpencil dengan menggunakan algoritma cerdas yaitu algoritma K-Means. Berdasarkan percobaan, Puskesmas terbagai ke dalam 4 kelompok terdiri dari kelompok 1 sebanyak 82 Puskesmas kawasan pedesaan dengan fasilitas non rawat inap; kelompok 2 sebanyak 23 Puskesmas kawasan perkotaan dengan fasilitas non rawat inap; kelompok 3 sebanyak 59 Puskesmas kawasan pedesaan dengan fasilitas rawat inap; dan kelompok 4 sebanyak 15 Puskesmas kawasan perkotaan dengan fasilitas rawat inap. Hasil penelitian memperlihatkan bahwa Puskesmas kelompok 1 masih kekurangan tenaga kesehatan dokter gigi dan ahli gizi; Puskesmas kelompok 2 masih kekurangan tenaga kesehatan farmasi; Puskesmas kelompok 3 masih kekurangan tenaga kesehatan ahli gizi; dan Puskesmas kelompok 4 sudah memenuhi standar minimal tenaga kesehatan. Hal ini menunjukkan bahwa pengelompokkan Puskesmas tersebut dapat dijadikan acuan dalam mengambil kebijakan yang diharapkan dapat menjawab permasalahan distribusi penempatan tenaga kesehatan yang tidak merata di Provinsi Kalimantan Timur.References
Agrawal, A., & Gupta, H. (2013). Global K-Means (GKM) Clustering Algorithm: A Survey. International Journal of Computer Applications, 79(2), 0975–8887. https://doi.org/10.5120/13713-1472
Bastian, A., Sujadi, H., & Febrianto, G. (2018). Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka). Jurnal Sistem Informasi, 14(1).
Bunkers, M. J. (1996). Definition of Climate Regions in the Nothern Plains Using an Objective Cluster Modification Technique. Journal of Climate. https://doi.org/10.1017/CBO9781107415324.004
Ghosh, S., & Dubey, S. K. (2012). “ A Comparative Analysis of Fuzzy C-Means Clustering and K Means Clustering Algorithms .” International Journal of Computational Engineering Research, 2(3), 737–739.
Kaur, K., Dhaliwal, D. S., & Vohra, R. K. (2013). Statistically Refining the Initial Points for K-means Clustering Algorithm. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 2(11), 2972–2977.
Murtioso, O. A. (2019). Clustering Pemakaian Obat Menggunakan Algoritma K-Means Pada Puskesmas Lempake. X(X), 1–7.
Nasari, F., & Darma, S. (n.d.). Seminar Nasional Teknologi Informasi dan Multimedia 2015 PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS POTENSI UTAMA).
Nishom, M. (2019). Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square. Jurnal Informatika: Jurnal Pengembangan IT, 4(1), 20–24. https://doi.org/10.30591/jpit.v4i1.1253
Pérez-Ortega, J., Almanza-Ortega, N. N., Vega-Villalobos, A., Pazos-Rangel, R., Zavala-Díaz, C., & Martínez-Rebollar, A. (2019). The K-Means Algorithm Evolution. In In Introduction to Data Science and Machine Learning. IntechOpen.
Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(1), 62. https://doi.org/10.26418/jp.v5i1.29611
Purnawansyah, & Haviluddin. (2017). K-Means clustering implementation in network traffic activities. Proceedings - CYBERNETICSCOM 2016: International Conference on Computational Intelligence and Cybernetics. https://doi.org/10.1109/CyberneticsCom.2016.7892566
Puspitasari, N., & Haviluddin. (2016). Penerapan metode k-means dalam pengelompokkan curah hujan di kalimantan timur. Proceedings SNRIK 2016, Volume 1.
Susanti, Y. H., & Widodo, E. (2017). Perbandingan K-Means dan K-Medoids Clustering terhadap Kelayakan Puskesmas di DIY Tahun 2015. 1(1), 116–122.
Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis Cluster Dengan Menggunakan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 119–128. https://doi.org/10.30598/barekengvol11iss2pp119-128
Yudi Agusta. (2007). K-Means – Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem Dan Informatika, 3(Februari), 47–60.
Downloads
Published
Issue
Section
License
Sains, Aplikasi, Komputasi dan Teknologi Informasi allows readers to read, download, copy, distribute, print, search, or link to its articles' full texts and allows readers to use them for any other lawful purpose. The journal allows the author(s) to hold the copyright without restrictions. Finally, the journal allows the author(s) to retain publishing rights without restrictions
- Authors are allowed to archive their submitted article in an open access repository
- Authors are allowed to archive the final published article in an open access repository with an acknowledgment of its initial publication in this journal
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 Generic License.
