Malaria Disease Clustering Analysis Using the K-Means Method in Indonesia

Jurnal Ilmiah Teknologi Informasi Asia Vol.18, No.1, Tahun 2024 ISSN: 2580-8397 (O); 0852-730X (P) Analisis Klasterisasi Penyakit Malaria Menggunakan Metode K-Means di Indonesia Luthfi Ramdhan Faqih1, Suastika Yulia Riska2* Program Studi Teknik Informatika – Institut Teknologi dan Bisnis Asia Malang 1 , 1,2* ABSTRAK. Malaria merupakan penyakit berbahaya dan berpotensi fatal di Indonesia. Penyebaran dan penularan penyakit malaria terjadi dengan sangat cepat. Tujuan dari penelitian ini adalah untuk mengidentifikasi cluster di negara bagian berdasarkan intensitas kasus malaria. Pada penelitian ini diterapkan metode K-Means pada proses clustering dengan menggunakan nilai K=2, K=3, dan K=5. Artinya, mengikuti K=2 dengan nilai indeks Davies-Bouldin sebesar 0,033, K=3 memiliki nilai indeks Davies-Bouldin sebesar 0,034, dan K=5 memiliki nilai indeks Davies-Bouldin sebesar 0,262. Hasil penelitian menunjukkan bahwa penggunaan K-Means dengan K=2 menghasilkan cluster terbaik dengan nilai indeks Davies-Bouldin terendah (0,033). Hal ini dapat membantu pemerintah merencanakan tindakan pencegahan yang lebih efektif di berbagai provinsi di Indonesia pada tahun-tahun mendatang. Oleh karena itu, penelitian ini memberikan kontribusi penting terhadap upaya pengendalian malaria untuk mengurangi kejadian malaria dan dampak kesehatan masyarakat di Indonesia. Kata Kunci: Clustering, Penyakit Malaria, K-Means, Davies-Bouldin Indexs ABSTRACT. Malaria is a dangerous and potentially deadly disease in Indonesia. The spread and transmission of malaria occurs very rapidly. The aim of this study was to identify clusters within the state based on the intensity of malaria cases. In this study, K-means was applied to the clustering process using the values of K=2, K=3, and K=5. This means that the Davis-Boldan index value for K=2 is 0.033, the Davis-Boldan index value for K=3 is 0.034, and the Davis-Boldan index value for K=5 is 0.262. The research results show that using K-Means with K=2 yields the best cluster with the lowest Davies-Bouldin index value (0.033). This will help the government plan more effective preventive measures in different provinces of Indonesia in the coming years. Therefore, this study makes an important contribution to malaria control efforts to reduce malaria incidence and public health impact in Indonesia. Keyword: Clustering, Malaria, K-Means, Davies-Bouldin Indexs PENDAHULUAN Indonesia merupakan salah satu negara yang masih menghadapi permasalahan serius terkait penyakit malaria. Berdasarkan data WHO tahun 2022, malaria masih menjadi masalah kesehatan yang perlu mendapat perhatian. Di Indonesia, dua spesies parasit malaria, Plasmodium falciparum dan Plasmodium vivax, menyebabkan penyakit malaria yang menimbulkan berbagai gejala seperti demam, sakit kepala, muntah, dan diare (Kalua et al., 2022;Yohannes et al., 2020) . Penyebab tingginya angka kejadian malaria di Indonesia adalah iklim tropis. Hal ini menjadikannya habitat pilihan nyamuk penyebab malaria (Karmila et al., 2017). Pada tahun 2019, jumlah infeksi malaria mencapai 250.644 kasus(Sari & Syakurah, 2023). Malaria masih menjadi penyebab utama kesakitan dan kematian di Indonesia, terutama pada anak-anak dan ibu hamil. Meskipun ada upaya pemberantasan, kasus dan kematian akibat malaria masih tetap tinggi di beberapa wilayah di Indonesia. Oleh karena itu, diperlukan pendekatan yang lebih efektif untuk mengatasi masalah ini. Clustering atau pengelompokan data merupakan suatu metode analisis data yang dapat digunakan untuk mengidentifikasi pola dan hubungan pada data yang besar dan kompleks (Sindi et al., 2020). Dalam konteks malaria, pengelompokan data dapat membantu mengidentifikasi pola sebaran penyakit, faktor risiko, dan karakteristik populasi yang rentan terhadap penyakit ini. Penelitian mengenai wabah malaria di Indonesia mungkin sudah pernah dilakukan sebelumnya, namun masih terfokus pada beberapa provinsi saja (Bete et al., 2023). Oleh karena itu, penelitian ini akan berfokus pada penerapan algoritma K-Means untuk mengelompokkan data penyakit malaria di Indonesia dan memperoleh wawasan baru yang dapat digunakan untuk perencanaan dan pengambilan keputusan dalam pengendalian penyakit ini. Masalah yang dihadapi dalam penelitian ini adalah menggunakan algoritma K-Means untuk clustering penyakit malaria di Indonesia. Penelitian ini bertujuan untuk mengetahui pola dan distribusi penyakit malaria 60 Jurnal Ilmiah Teknologi Informasi Asia Vol.18, No.1, Tahun 2024 berdasarkan jenis, usia, dan bulan kejadian serta mengidentifikasi cluster yang relevan untuk penyakit malaria di berbagai provinsi Indonesia (Karmila et al., 2017)(Sroyer et al., 2022a). Beberapa studi sebelumnya menggunakan metode K-Means untuk analisis cluster penyakit malaria, seperti penelitian yang dilakukan di Aceh (Zohra et al., 2019) dan Papua (Sroyer et al., 2022b). Sementara itu, penelitian ini membahas penerapan algoritma K-means dalam mengklasifikasikan kasus malaria di Indonesia dan berbagai provinsi. Data diolah dan dianalisis menggunakan algoritma K-Means untuk mengidentifikasi cluster yang terkait dengan malaria. Hasil penelitian ini diharapkan dapat memberikan wawasan yang lebih baik mengenai prevalensi dan pola malaria di Indonesia serta dapat digunakan untuk mengembangkan strategi pencegahan dan pengobatan malaria di negara ini. Penelitian ini bertujuan untuk mengidentifikasi klaster penyakit malaria terkait dan memberikan wawasan yang lebih baik mengenai distribusi dan pola malaria di Indonesia dengan menggunakan algoritma K-Means. Hasil penelitian ini diharapkan dapat digunakan untuk mengembangkan strategi pencegahan dan pengobatan malaria di tanah air, sehingga membantu mengurangi kejadian malaria di Indonesia. Dalam konteks analisis data sosial dan kesehatan, penggunaan K-Means telah terbukti efektif dalam berbagai studi, seperti dalam mengoptimalkan performa K-Means clustering dengan PCA dalam menganalisis tingkat kemiskinan di Jawa Barat (Nurohmah et al., 2023). Dalam konteks kesehatan, terdapat penelitian yang mengidentifikasi faktor risiko stunting pada anak dengan menggunakan metode K-Means (Ranjawali et al., 2023). Selain itu, K-Means juga digunakan dalam optimalisasi strategi pemasaran dengan segmentasi pelanggan pada transaksi online retail (Febrianty et al., 2023). Dari penelitian-penelitian tersebut dapat disimpulkan bahwa penggunaan K-means dalam konteks clustering terbukti efektif dalam berbagai penelitian yang menganalisis data sosial, kesehatan, dan budaya. Oleh karena itu, penggunaan K-means dalam konteks pengelompokan malaria di Indonesia dapat menjadi pendekatan potensial untuk mengelompokkan data kasus malaria dan berkontribusi pada pemahaman dan pengendalian malaria di Indonesia.. METODE Malaria merupakan masalah kesehatan masyarakat di Indonesia, khususnya di daerah pedesaan yang rentan. Menurut Kementerian Kesehatan RI, jumlah infeksi malaria pada tahun 2015 hingga 2019 masih sangat tinggi dan diperlukan upaya (...truncated)