| dc.description.abstract | K-Means Clustering merupakan metode pengklasteran berbasis jarak yang membagi data ke dalam sejumlah klaster. Sedangkan K-Medoids Clustering merupakan metode pengklasteran yang masih berkaitan dengan K-Means Clustering. Perbedaan kedua metode tersebut terletak pada pemilihan data point sebagai pusatnya. Dari perbedaan tersebut, maka peneliti ingin membandingkan hasil pengklasteran kedua metode tersebut dengan menggunakan studi kasus 121 Puskesmas di DIY tahun 2015. Dengan metode K-Means Clustering dapat diketahui bahwa pada tahun 2015 di DIY terdapat 31 Puskesmas dengan kondisi layak, 52 Puskesmas dengan kondisi cukup layak, dan 38 Puskesmas dengan kondisi kurang layak. Sedangkan dengan metode K-Medoids Clustering dapat diketahui bahwa pada tahun 2015 di DIY terdapat 35 Puskesmas dengan kondisi layak, 49 Puskesmas dengan kondisi cukup layak, dan 37 Puskesmas dengan kondisi kurang layak. Suatu Puskesmas dikatakan layak jika memenuhi kriteria kelayakan Puskesmas, meliputi lokasi, bangunan, prasarana, peralatan kesehatan, ketenagaan, kefarmasian, dan laboratorium, lebih banyak dibandingkan dengan Puskesmas lain. Dalam penelitian ini, pengklasteran menggunakan metode K-Means Clustering memiliki hasil yang lebih baik dibandingkan dengan metode K-Medoids Clustering, karena menghasilkan nilai rasio simpangan baku yang lebih kecil. | en_US |
