MODELING THE DISTRIBUTION OF HIV CASES WITH K-MEANS CLUSTERING CASE STUDY OF WEST JAVA PROVINCE

Muhammad Difa Prakoso Fuadi; Tukino; Agustia Hananto; Fitria Nurafriani

doi:10.34288/jri.v7i3.374

Authors

Muhammad Difa Prakoso Fuadi Universitas Buana Perjuangan Karawang
Tukino Universitas Buana Perjuangan Karawang
Agustia Hananto Universitas Buana Perjuangan Karawang
Fitria Nurafriani Universitas Buana Perjuangan Karawang

(*) Corresponding Author

DOI:

https://doi.org/10.34288/jri.v7i3.374

Keywords:

HIV, jawa barat, K-Means, Clustering, Visualization

Abstract

In Indonesia, the problem of HIV/AIDS is a serious concern because the trend of cases tends to increase in several regions, including in West Java Province, 2018 data from the Health Office shows a significant variation in the number of HIV cases among districts and cities in the province, in this journal, a visualization process is carried out using Google Colaboratory (Google Colab) to provide an overview of the distribution pattern of cases based on the results of the K-Means Clustering algorithm. The results showed the existence of three main clusters, namely areas with low, medium, and high numbers of cases. Large cities such as Bandung and Bekasi were in the group with the highest number of cases, while peripheral and rural areas showed lower numbers of cases. This finding is expected to be the basis for formulating more effective health policies, especially in education programs, early detection, and community-based interventions to support the goal of eliminating HIV by 2030, then what can be done is to carry out intervention strategies or steps to prevent the spread of HIV tailored to the risk level of each cluster resulting from clustering analysis. Local governments are expected to utilize the results of this mapping to develop more detailed prevention strategies according to the characteristics of each region.

Downloads

Download data is not yet available.

References

UNAIDS, “Global HIV & AIDS statistics — Fact sheet,” UNAIDS, 2023. [Online]. Available: https://www.unaids.org/en/resources/fact-sheet

Kementerian Kesehatan RI, Profil Kesehatan Indonesia Tahun 2022. Jakarta: Kemenkes RI, 2023.

Dinas Kesehatan Provinsi Jawa Barat, Jumlah Kasus HIV Berdasarkan Kabupaten/Kota Tahun 2018, 2018. [Dataset].

Ariyanto, D. (2022). Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi Penyakit Infeksi Saluran Pernafasan Akut. Jurnal Sistim Informasi dan Teknologi, 13-18.

Dewi, D. P. (2023). Penerapan Algoritma K-means Pada Kasus HIV Di Jawa Barat Untuk Pengelompokan Berdasarkan Tingkat Penyebaran Di Setiap Kabupaten/Kota MenggunakanRapid Miner. JTSI, 289-300.

Gustientiedina. (2022). Clustering Data Menggunakan Self Organizing Maps dan Algoritma K-Means. Samudra Biru.

Heriana, C. (2015). DISTRIBUSI SPASIAL DAN DETERMINAN KEJADIAN HIV/AIDS DI PROPINSI JAWA BARAT TAHUN 2014. JURNAL ILMU-ILMU KESEHATAN, 1-10.

Hidayat, T. (2022). Klasifikasi Data Jamaah Umroh Menggunakan Metode K-means clustering. Jurnal Sistim Informasi dan Teknologi, 19-24.

Hutagalung, J. (2021). Buku Kombinasi K-Means Clustering dan Metode MOORA. Deepublish.

Irtawaty, A. S. (2017). Klasifikasi Penyakit Ginjal dengan Metode K-Means. JURNAL TEKNOLOGI TERPADU, 49-53.

Ismayati, N. (2023). Media Informasi Kesehatan untuk Pencegahan HIV/AIDS Yang Disukai Generasi Z: Upaya Penurunan Kasus HIV/AIDS di Kalangan Remaja di Indonesia . Jurnal Ilmu Perpustakaan dan Informasi , 54-66.

Likas, A. (2001). The global k-means clustering algorithm. Technical Reports, 1-13.

Masita, M. W. (2020). Data Mining: Penerapan Algoritma K-Means Clustering dan K-Medoids Clustering. Yayasan Kita Menulis.

Maulana, M. F. (2024). Melonjaknya Kasus HIV Dikalangan Remaja Indonesia. AMSIR COMMUNITY SERVICE JOURNAL, 1-7.

P.S.Bradley. (2000). Constrained K-Means Clustering. 1-9.

Penerapan Algoritma K-means Pada Kasus HIV Di Jawa Barat Untuk Pengelompokan Berdasarkan Tingkat Penyebaran Di Setiap Kabupaten/Kota MenggunakanRapid Miner. (Dica Parameswari Syifa Dewi). JTSI, 289-300.

Pramesti, A. A. (2024). Penerapan Teknik Clustering dengan Metode K-Means untuk Mengelompokkan Buku di Perpustakaan AMIKOM. Universitas AMIKOM Yogyakarta.

Romli, I. (2021). PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASIFIKASI PENYAKIT ISPA. Indonesian Journal of Business Intelligence, 10-15.

Rosida, W. (2023). Klasterisasi Penyakit HIV/AIDS di Jawa Barat Menggunakan Algoritma K-Means Clustering. BLEND SAINS JURNAL TEKNIK , 306-315.

Shaluhiyah, Z. (2015). Stigma Masyarakat terhadap Orang dengan HIV/AIDS . Artikel Penelitian, 333-339.

SINAGA, K. P. (2020). Unsupervised K-Means Clustering Algorithm. Digital Object Identifier, 80716-80727.

Sugiharti. (2014). GAMBARAN KEPATUHAN ORANG DENGAN HIV-AIDS (ODHA) DALAM MINUM OBAT ARV DI KOTA BANDUNG, PROVINSI JAWA BARAT. 1-11.

Suprawoto, T. (2016). KLASIFIKASI DATA MAHASISWA MENGGUNAKAN METODE K-MEANS UNTUK MENUNJANG PEMILIHAN STRATEGI PEMASARAN. Jurnal Informatika dan Komputer, 12-18.

Tanjung, A. A. (2024). Perancangan Segmentasi Pasar Menggunakan K-Means Clustering untuk Pembukaan Kedai Kopi pada Bisnis Rintisan Kopi Mangandrew. Universitas Telkom.