IMPLEMENTASI K-MEANS CLUSTERING DALAM PEMETAAN WILAYAH RAWAN PENYAKIT LEPTOSPIROSIS DI JAWA TIMUR

Abstract

Leptospirosis merupakan penyakit endemis yang banyak ditemukan pada wilayah dengan tingkat curah hujan tinggi. Bakteri Leptospira sp. merupakan bakteri penyebab Leptospirosis yang dapat menginfeksi hewan dan manusia secara langsung maupun tidak langsung. Kasus Leptospirosis termasuk kasus terabaikan dan terus meningkat setiap tahunnya, khususnya pada Provinsi Jawa Timur yaitu ditemukan 273 kasus di Tahun 2020 menjadi 606 kasus di Tahun 2023. Penelitian ini memiliki tujuan untuk melakukan pemetaan wilayah rawan Leptospirosis di Jawa Timur menggunakan K-Means Clustering. Data yang digunakan terdiri dari jumlah kasus Leptospirosis, jumlah kematian akibat Leptospirosis, CFR, jumlah penduduk, jumlah petani, jumlah kasus banjir, jumlah kasus tanah longsor, luas wilayah, dan luas wilayah tegal/kebun. Hasil penelitian didapatkan 5 kategori cluster yaitu C1 dengan kategori sangat aman terdiri dari 4 Kab/Kota, C2 kategori aman terdiri dari 7 Kabupaten dan Kota, C3 kategori cukup aman terdiri dari 13 Kabupaten dan Kota, C4 kategori sangat rawan terdiri dari 11 Kabupaten dan Kota, dan C5 kategori rawan terdiri dari 3 Kabupaten dan Kota di Provinsi Jawa Timur dengan hasil akurasi sebesar 0.65 menggunakan Silhoutte Coefficient.

Leptospirosis is an endemic disease that is commonly found in areas with high levels of rainfall. Leptospira sp. is a bacterium that causes Leptospirosis which can infect animals and humans directly or indirectly. Leptospirosis cases are neglected cases and continue to increase every year, especially in East Java Province where 273 cases were found in 2020 to 606 cases in 2023. This study aims to map Leptospirosis-prone areas in East Java using K-Means Clustering. The data used consists of the number of Leptospirosis cases, the number of deaths due to Leptospirosis, CFR, population, number of farmers, number of flood cases, number of landslide cases, area, and area of farmland. So that the research results obtained 5 cluster categories, namely C1 with a very safe category consisting of 4 districts/cities, C2 safe category consisting of 7 districts/cities, C3 fairly safe category consisting of 13 districts/cities, C4 very vulnerable category consisting of 11 districts/cities, and C5 vulnerable category consisting of 3 districts/cities in East Java Province with an accuracy result of 0.65 using Silhoutte Coefficient.