Analisa Kebutuhan Tenaga Kesehatan Menggunakan Algoritma K-Means

Brins Leonard Pailan, Haviluddin Haviluddin, Masna Wati, Novianti Puspitasari, Edy Budiman

Abstract


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.

Keywords


Clustering; Tenaga Kesehatan; Puskesmas; K-Means

Full Text:

PDF

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.




DOI: http://dx.doi.org/10.30872/jsakti.v3i1.4406

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Sains, Aplikasi, Komputasi dan Teknologi Informasi

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

 

2nd Floor, Faculty of Computer Science and Information Technology
Jl. Panajam Kampus Gn. Kelua Universitas Mulawarman Samarinda-Kalimantan Timur 75123
Phone: +62 813 31112002 (Haviluddin) +62 811 8207777 (Reza)
E-Mail: jurnal.sakti.fkti@gmail.com; sakti@unmul.ac.id

Creative Commons License
Sains, Aplikasi, Komputasi dan Teknologi Informasi by http://e-journals.unmul.ac.id/index.php/jsakti eISSN: 2684-8473 is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.