Penerapan Data Mining untuk Klasterisasi Cakupan Imunisasi di Kabupaten Ponorogo
Imtinan Nasywa Syakira, Dr.techn. Annisa Maulida Ningtyas, S.Kom., M.Eng.
2025 | Tugas Akhir | D4 MANAJEMEN INFORMASI KESEHATAN
Latar Belakang: Imunisasi
merupakan metode pencegahan dini dari berbagai risiko
kesehatan yang bermanfaat terutama bagi anak-anak dalam mencegah penularan
Penyakit yang Dapat Dicegah dengan Imunisasi (PD3I). Kabupaten
Ponorogo memiliki variasi capaian imunisasi di berbagai wilayahnya, sehingga
diperlukan analisis yang lebih mendalam untuk memahami pola keberhasilan
tersebut. Pendekatan data mining, khususnya teknik klasterisasi, dapat
memberikan gambaran yang lebih informatif dalam pengelompokan wilayah
berdasarkan keberhasilan imunisasi.
Tujuan: Mengetahui dan menganalisis pola keberhasilan
imunisasi di Kabupaten Ponorogo dengan menggunakan algoritma K-Means dan hierarki dalam klasterisasi data keberhasilan imunisasi di Kabupaten Ponorogo, guna memberikan memperoleh pola pengelompokan yang dapat digunakan
sebagai dasar dalam perumusan strategi peningkatan cakupan imunisasi.
Metode: Jenis penelitian ini adalah kuantitatif dengan pendekatan cross-sectional. Data yang digunakan berupa indikator cakupan imunisasi dari 21 kecamatan di Kabupaten Ponorogo tahun 2022 dan 2023. Proses klasterisasi dilakukan menggunakan algoritma K-Means dan hierarki. Klasterisasi dilakukan dengan Python dan visualisasi menggunakan Looker Studio.
Hasil: Hasil klasterisasi menunjukkan bahwa
wilayah di Kabupaten Ponorogo dapat dikelompokkan ke dalam dua klaster berdasarkan tingkat
keberhasilan cakupan imunisasi. Klaster 2 menggambarkan wilayah dengan capaian imunisasi tinggi dan
konsisten, sedangkan klaster 1
menunjukkan wilayah dengan cakupan imunisasi yang masih perlu mendapat
perhatian lebih.
Kesimpulan: Penerapan algoritma data mining
dalam klasterisasi cakupan imunisasi mampu menghasilkan pengelompokan wilayah
yang representatif dan informatif. Hasil ini dapat dijadikan dasar dalam
evaluasi dan penyusunan strategi peningkatan cakupan imunisasi oleh Dinas
Kesehatan maupun pihak terkait lainnya.
Background: Immunization
is an early prevention method against various health risks, particularly
beneficial for children in preventing the transmission of Vaccine-Preventable
Diseases.
Ponorogo Regency exhibits variations in immunization coverage across different
areas, requiring deeper analysis to understand the patterns of success. A data
mining approach, particularly clustering techniques, can provide a more
informative overview in grouping regions based on immunization performance.
Objective: This
study aims to identify and analyze patterns of immunization success in Ponorogo
Regency using K-Means and Hierarchical algorithms in the clustering of immunization
success data, in order to obtain grouping patterns that can be used as a basis
for formulating strategies to improve immunization coverage.
Methods: This
research was quantitative with a cross-sectional approach. The data used
included immunization coverage indicators from 21 sub-districts in Ponorogo
Regency for the years 2022 and 2023. The clustering process was carried out
using K-Means and Hierarchical algorithms. Clustering was performed with
Python, and the visualization was created using Looker Studio.
Results: The
clustering results show that the areas in Ponorogo Regency can be grouped into
two clusters based on immunization coverage levels. Cluster 2 represents areas
with high and consistent immunization performance, while Cluster 1 consists of
areas with lower immunization coverage that require more attention.
Conclusion: The
application of data mining algorithms in immunization coverage clustering
successfully produced representative and informative area groupings. These
results can serve as a foundation for evaluation and strategic planning to
improve immunization coverage by the Health Office and other related
stakeholders.
Kata Kunci : Data Mining, Klasterisasi, K-Means, Hierarki, Imunisasi
