ANALISIS POLA PERSEBARAN HIPERTENSI DI SUMATERA UTARA DENGAN MENGGUNAKAN ALGORITMA K-MEANS
DOI:
https://doi.org/10.54314/kz87sy51Keywords:
K-Means Clustering, hypertension, euclidean distance, min-max normalization, silhouette scoreAbstract
Abstract: The fluctuating spread of hypertension requires accurate mapping for the allocation of medical resources. Often, regions with a consistent level of cases escape government attention compared to regions experiencing the highest case spikes in a specific year. Addressing this issue, this study aims to cluster 33 regencies/cities in North Sumatra using the K-Means Clustering algorithm to map the stability of disease spread based on 5-year historical data 2020–2024. The features used include mean prevalence X_1, growth rate X_2, and fluctuation level X_3. Data normalization was carried out using Min-Max Normalization and measured using Euclidean Distance. System testing reached convergence at the 3rd iteration, grouping regions into three clusters: High Priority C1; 15 regions, Medium Priority C2; 9 regions, and Low Priority C3; 9 regions. Quality evaluation using Silhouette Score resulted in a global average score of +0.3941 Weak Structure. The developed web-based system serves as a decision support tool for health authorities in formulating targeted medical intervention strategies.
Keyword: K-Means Clustering, Hypertension, Euclidean Distance, Min-Max Normalization, Silhouette Score..
Abstrak: Penyebaran penyakit hipertensi yang berfluktuasi memerlukan pemetaan akurat dalam penentuan alokasi sumber daya medis. Selama ini, wilayah yang secara konsisten berada pada tingkat kasus tertentu sering kali luput dari perhatian pemerintah dibandingkan wilayah yang mengalami lonjakan tertinggi pada satu waktu tertentu. Penelitian ini bertujuan mengelompokkan 33 kabupaten/kota di Sumatera Utara menggunakan algoritma K-Means Clustering untuk memetakan kestabilan penyebaran penyakit hipertensi berdasarkan data historis 5 tahun 2020–2024. Fitur yang digunakan meliputi rata-rata prevalensi X_1, laju pertumbuhan X_2, dan tingkat fluktuasi X_3. Seluruh data dinormalisasi dengan metode Min-Max Normalization dan dihitung jaraknya menggunakan Euclidean Distance. Hasil pengujian sistem mencapai titik konvergen pada iterasi ke-3, mengelompokkan wilayah ke dalam tiga klaster: Prioritas Tinggi C1; 15 wilayah, Prioritas Sedang C2; 9 wilayah, dan Prioritas Rendah C3; 9 wilayah. Evaluasi kualitas struktur klaster menggunakan Silhouette Score menghasilkan skor rata-rata global sebesar +0,3941 kategori Weak Structure. Sistem berbasis web yang dibangun dapat membantu instansi kesehatan dalam penentuan strategi penanganan kesehatan yang objektif dan tepat sasaran.
Kata kunci: K-Means Clustering, Hipertensi, Euclidean Distance, Min-Max Normalization, Silhouette Score
Downloads
References
Fadillah, A. (2024). Pengembangan Aplikasi Mobile Berbasis Flutter untuk Pengenalan Objek dalam Video Real-Time. 1–11.
Faqih, A., & Basysyar, F. M. (2022). Sistem Informasi Kepegawaian Mengunakan Metode Agile Development di CV . Angkasa Raya. 12, 30–45. Https://doi.org/10.34010/jati.v12i1
Fithryani, N. M., Dikananda, A. R., & Rohman, D. (2025). ALGORITMA K-MEANS UNTUK. 13(1), 997–1003.
Hasanah, N. A., Rodianto, R., Yuliadi, Y., & Sumbawa, U. T. (2025). Rancang Bangun Aplikasi Sistem Pakar Menggunakan Metode Forward Chaining untuk Mendiagnosa Penyakit pada Ayam 1,2. 12(2), 425–441.
Ina, W. T., Mesakh, Y., & Pella, S. E. (2022). Klusterisasi penyakit endemis pada kecamatan sabu barat , kabupaten sabu raijua menggunakan algoritma k-means. Xi(1), 39–44. Https://doi.org/10.35508/jme.v0i0.6508
Laelatul, & Lorenza. (2025). Jurnal Processor Penerapan Clustering. 20(1), 44–57.
Maulia, S., Ginting, B. S., & Sihombing, A. (2021). Implementasi data mining pengelompokan jenis penyakit pasien menggunakan metode clustering ( studi kasus : puskesmas sambirejo ). 5(1), 71–80.
Meida, T., Tyas, M., & Purnamasari, A. I. (2023). Penerapan Algoritma K - means dalam Mengelompokkan Demam Berdarah Dengue Berdasarkan Kabupaten.
Qirom, D. S., Faqih, A., & Dwilestari, G. (2024). Implementasi algoritma k-means untuk klasterisasi pasien. 8(2), 2056–2063.
Sari, indsari, I. P., Jannah, A., Meuraxa, A. M., Syahfitri, A., & Omar, R. (2022). P. S. I. P. D. M. B. W. A. P., Jannah, A., Meuraxa, A. M., Syahfitri, A., & Omar, R. (2022). Perancangan Sistem Informasi Penginputan Database Mahasiswa Berbasis Web.
Widiyanto, D. (2022). Perancangan sistem informasi manajemen inventori berbasis web ( studi kasus : smk ypt purworejo ). 10(1), 24–31
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Eldo Yusri, Azrai Sirait (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
