SEGMENTASI DESA BERDASARKAN INDIKATOR KESEHATAN MENGGUNAKAN METODE CLUSTERING DAN SELF ORGANIZING MAPS BERBASIS WEB APPLICATION DI DAERAH ISTIMEWA YOGYAKARTA

Authors

  • Noeryanti Program Studi Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND, Jl. Kalisahak No.28, Yogyakarta
  • Noviana Pratiwi Program Studi Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND, Jl. Kalisahak No.28, Yogyakarta
  • Yaumi Itqi Program Studi Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND, Jl. Kalisahak No.28, Yogyakarta

DOI:

https://doi.org/10.3415/jurtek.v13i2.3224

Keywords:

segmentasi desa, kesehatan, Self Organizing Maps, Web Application, RShiny

Abstract

Indikator kesehatan dapat digunakan untuk melihat kondisi sosial masyarakat desa. Salah satu cara untuk meningkatkan kesehatan masyarakat dengan melakukan pembangunan desa dari segi kesehatan. Pembangunan harus berdasarkan data yang sesuai dengan keadaan lapangan sehingga mencapai efektivitas pembangunan maksimal. Penelitian ini bertujuan untuk mengetahui hasil cluster atau segmentasi serta karakteristik desa yang ada di provinsi Daerah Istimewa Yogyakarta berdasarkan indikator kesehatan. Metode yang akan digunakan untuk melakukan segmentasi ini adalah Clustering dan Self Organizing Maps. Metode ini merupakan implementasi dari jaringan syaraf tiruan yang sangat bagus dan populer untuk berbagai tujuan yang berbeda termasuk clustering dan visualisasi data. Hasil Segmentasi desa di provinsi Daerah Istimewa Yogyakarta menghasilkan dua cluster dimana cluster 1 terdiri dari 311 desa dan klaster 2 terdiri dari dua desa. Hasil cluster menunjukan bahwa hampir semua desa masuk ke dalam cluster yang sama, hal ini menandakan bahwa desa-desa di provinsi Daerah Istimewa Yogyakarta memiliki karakteristik yang hampir sama pada dimensi kesehatan dari indikator Indeks Ketahanan Sosial. Sedangkan desa yang memiliki karakteristik berbeda adalah desa Kedungkeris dan Dadapayu yang terletak di kabupaten Gunung Kidul. Proses clustering dirancang secara interaktif dalam bentuk web application yang dibuat menggunakan package Shiny pada RStudio.

Downloads

Download data is not yet available.

References

Arno NF dan Ahsan M, 2015, Metode Self Organizing Maps Untuk Menentukan Strategi Promosi Universitas Kanjuruhan Malang, Bimasakti 1, edisi 5, Malang.

Arniva NS and Purhadi, 2014, Pemodelan dan Pemetaan Kasus Demam Berdarah Dengue di Provinsi Jawa Timur, Jurnal Sains dan Seni ITS, vol. 5, pp. 277-282, 2016, Surabaya

BPS, 2019b. Statistik Daerah Daerah Istimewa Yogyakarta 2019. Badan Pusat Statistik Provinsi DI Yogyakarta. Yogyakarta:

Dipan R, 2016, Kualitas Pelayanan Pada Pos Kesehatan Desa (Poskesdes) Kecamatan Aertembaga Kota Bitung, Jurnal Ilmiah Society, vol 2 no 20, Unstrat, Yogyakarta

Hafiludien A dan Istiawan D, 2018, Penerapan Algoritma Self Organizing Maps untuk Pemetaan Penyandang Kesejahteraan Sosial (PMKS), University Research Colloqium 2018, Semarang.

Hermawati R dan Sitanggang IS, 2016, Web-Based clustering application using Shiny framework and DBSCAN Algorithm for hotspots data in peatland in Sumatra, Procedia Environmental Sciences 33 , 317 – 323, Bogor.

Kaufman dan Rousseeuw, 1990, Finding Groups in Data: An Introduction to Cluster Analysis, A John Wiley & Sons, Inc., Publication, Canada.

Kusumah RD, Warsito B dan Mukid AM, 2017, Perbandingan Metode K-Means dan Self Organizing Map (Studi Kasus: Pengelompokkan Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia 2015), JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 429-437, Semarang.

Luo B, Tang X, 2010, Using Self-Organizing Map for Ideas Clustering of Group Argumentation, The 11th International Symposium on Knowledge and Systems Sciences, pp. 1-6, Tokyo.

Nomaini F, 2018, Evaluasi Indeks Ketahanan Sosial Dalam penerapan Indeks membangun, Jurnal UNSRI Vol 31 no 25 , Palembang.

Perwira I, 2014, Memahami kesehatan sebagai hak asasi manusia, Jurnal ELSAM, Jakarta

Rachmanto D, 2014, Aplikasi metode Agglomerative analisis cluster pada tingkat polusi udara, Jurnal Matematika vol 3 no 2, Sekolah tinggi keguruan dan ilmu pendidikan, Bandung

Shieh S, dan Liao I, 2012, A New Approach for Data Clsutering and Visualization Using Self-Organizing Map. International Journal of Expert System with Application, 39. United Kingdom.

Silva B, Marques N, 2010, Feature Clustering with Self-Organizing Maps and An Application to Financial Time-Series for Portfolio Selection, International Conference on Neural

Ubaidilah, 2020, Mengkaji hasil penelitian variabel deviden, Jurnal Multikolinieritas, Kabays Publisher, Banten

Verzani, John, 2011, Getting Started With RStudio, O’Reilly Media, United States of America.

Witten, Ian H, Eibe F, 2005, Data Mining. Practical Machine Learning Tools and Techniques, Morgan Kaufmann Elsevier, United States of America.

Downloads

Published

2020-12-28

How to Cite

Noeryanti, Noviana Pratiwi, & Yaumi Itqi. (2020). SEGMENTASI DESA BERDASARKAN INDIKATOR KESEHATAN MENGGUNAKAN METODE CLUSTERING DAN SELF ORGANIZING MAPS BERBASIS WEB APPLICATION DI DAERAH ISTIMEWA YOGYAKARTA. Jurnal Teknologi, 13(2), 185-192. https://doi.org/10.3415/jurtek.v13i2.3224