Comparison of Agglomerative Hierarchical and K-Means in Grouping Provinces Based on Maternal Health Services

Azzahra, Alya; Wijayanto, Arie Wahyu

doi:10.32520/stmsi.v11i2.1829

Cited by 5 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dalam suatu wilayah contohnya pedesaan pasti memiliki aspek yang berbeda satu sama lain. Dalam Potensi Desa (PODES) telah menyediakan data tentang sarana Kesehatan, potensi ekonomi, sosial dan lainnya [4].…”

Section: Pendahuluanunclassified

Agglomerative Nesting Cluster Analyst in Mapping District/City Health Facilities in West Java Province

Alwani,

Megawati,

Fitrianto

et al. 2024

View full text Add to dashboard Cite

The use of Hierarchical Clustering is used to group districts or cities in West Java according to the number of health facilities, distance to health facilities and population density using Agglomerative Nesting (AGNES). Clustering in this study utilizes complete linkage clustering. The elbow method produces two optimal clusters which are then validated with the sillhoute coefficient and Calinski-Harabasz. In this study, there are 27 variables in the form of health facilities spread across 27 regencies/cities in West Java in 2021. The results of the cluster analysis formed in this study are 18 districts/cities in cluster one and 9 districts/cities in cluster two

show abstract

Section: Pendahuluanunclassified

Agglomerative Nesting Cluster Analyst in Mapping District/City Health Facilities in West Java Province

Alwani,

Megawati,

Fitrianto

et al. 2024

View full text Add to dashboard Cite

show abstract

“…"Beberapa penelitian sebelumnya yang telah dilakukan adalah pengelompokan provinsi berdasarkan data sosial ekonomi dengan k-means yang dilakukan oleh Ahmar tahun 2018 [6], pengelompokan provinsi berdasarkan ,pengelompokan provinsi berdasarkan data pelanggan air bersih dengan k-means yang dilakukan oleh Windarto tahun 2019 [7], kemiskinan dengan metode hierarki dan partisi yang dilakukan oleh Afira tahun 2021 [8], pengelompokan kabupaten/kota di Provinsi Maluku berdasarkan indikator pendidikan dengan metode ward yang dilakukan oleh Dewi tahun 2021 [9], dan pengelompokkan provinsi berdasarkan pelayanan kesehatan maternal dengan agglomerative hierarchical dan k-means yang dilakukan oleh Azzahra tahun 2022 [10]. "…”

Section: Pendahuluanunclassified

Analisis Cluster Kualitas Pemuda di Indonesia pada Tahun 2022 dengan Agglomerative Hierarchical dan K-Means

Novaldi,

Wijayanto

2023

Komputika

View full text Add to dashboard Cite

Pemuda adalah generasi yang akan memegang masa depan Indonesia. Menurut BPS, seperempat penduduk Indonesia merupakan pemuda. Dengan demikian, pemerintah memerlukan gambaran mengenai kualitas pemuda saat ini untuk merumuskan kebijakan yang tepat untuk tiap daerah. Penelitian ini bertujuan untuk mengelompokan provinsi-provinsi di Indonesia menurut data kepemudaan dengan menggunakan metode hierarki aglomeratif dan K-Means. Berdasarkan nilai indeks validitas internal dan stabilitas, hierarki aglomeratif (Ward’s method) dengan jumlah cluster 2 dipilih sebagai metode pengelompokan terbaik. Metode ini menghasilkan 2 cluster yang masing-masing terdiri dari 11 dan 23 provinsi. Secara umum, Cluster 1 berisi provinsi-provinsi dengan kualitas pemuda yang lebih baik, di mana nilai rata-rata RLS pemuda, persentase pemuda dengan akses internet, persentase pemuda dengan jaminan kesehatan yang lebih tinggi dari Cluster 2 meskipun memiliki TPT yang lebih tinggi. Sebaliknya, Cluster 2 memiliki nilai yang lebih tinggi pada indikator Angka Kesakitan Pemuda, persentase pemuda dengan usia kawin pertama 16 – 18 tahun, dan persentase pemudi yang melahirkan bayi dengan BBLR

show abstract

“…AHC adalah metode pengelompokan hierarkis bottom-up yang menggabungkan n cluster menjadi satu cluster [20]. Alur dari proses AHC meliputi tahapan berikut [20], [21]: 1) Dimulai dengan n cluster, setiap cluster terdapat satu entitas dan matriks simetris N×N jarak atau kemiripan 2) Menemukan matriks jarak tiap pasangan cluster terdekat. Misal: jarak antara cluster A dan B dilambangkan 𝑑 𝑎𝑏 3) Cluster A dan B digabungkan dan dibuat cluster baru yaitu AB.…”

Section: Model Clustering Menggunakan Agglomerative Hierarchical Clus...unclassified

Clustering Earthquake Event Points in the Southeast Asia Region using Agglomerative Hierarchical Clustering

Arifin

2023

SISTEMASI

View full text Add to dashboard Cite

Gempabumi adalah suatu bencana alam yang tidak dapat dihindari dan paling berbahaya karena terjadi seketika dan tidak terkendali. Gempabumi juga sering terjadi di wilayah Asia Tenggara yang menyebabkan kerusakan infrastruktur, kehilangan nyawa, dan gangguan ekonomi. Oleh karena itu, perlu dilakukan upaya mitigasi risiko gempabumi. Salah satunya dengan cara mengelompokkan data gempabumi di Wilayah Asia Tenggara. Data yang digunakan dalam penelitian ini adalah data gempabumi yang diperoleh dari The Seismological Facility for the Advancement of Geoscience (SAGE) adalah fasilitas yang didanai NSF yang dioperasikan oleh Incorporated Research Institutions for Seismology (IRIS). Penelitian ini menggunakan Agglomerative Hierarchical Clustering (AHC) dalam mengelompokkan data ke dalam beberapa cluster. Metode yang digunakan untuk menguji validitas cluster yang terbentuk dengan menggunakan Silhouette Score Index (SSI), Davies Doublin Index (DBI) dan Calinski Harabasz Index (CHI). Pada penelitian ini terdapat 2 proses pengelompokan yang menghasilkan 3 cluster untuk pengelompokan pertama yang bertujuan untuk membuat atribut baru yaitu, Area dan 3 cluster untuk pengelompokan kedua yang bertujuan untuk mengidentifikasi jenis gempa yang ada di wilayah Asia Tenggara. 3 cluster yang terbentuk ini memiliki nilai SSI, DBI, dan CHI sebesar 0,434353, 0.887791 dan 3769.030146 yang artinya AHC mampu mengelompokkan data gempabumi dengan cukup baik. Hasil penelitian ini menjadi acuan dalam mengembangkan penelitian lain seperti prediksi gempabumi yang akan datang dan dapat menjadi acuan untuk menyusun mitigasi bencana yang akan datang agar lebih waspada ke depannya

show abstract

Comparison of Agglomerative Hierarchical and K-Means in Grouping Provinces Based on Maternal Health Services

Cited by 5 publications

References 0 publications

Agglomerative Nesting Cluster Analyst in Mapping District/City Health Facilities in West Java Province

Agglomerative Nesting Cluster Analyst in Mapping District/City Health Facilities in West Java Province

Analisis Cluster Kualitas Pemuda di Indonesia pada Tahun 2022 dengan Agglomerative Hierarchical dan K-Means

Clustering Earthquake Event Points in the Southeast Asia Region using Agglomerative Hierarchical Clustering

Contact Info

Product

Resources

About