Clustering K-Means for Data Distribution of Treatment Classes, Provinces, and Facilities

  • Ihsanul Fikri Universitas Prima Indonesia
  • Evta Indra Universitas Prima Indonesia

Abstract

BPJS Kesehatan merupakan badan hukum yang menyelenggarakan program Jaminan Kesehatan Nasional dengan tujuan memberikan akses pelayanan kesehatan kepada seluruh masyarakat Indonesia. Meskipun memberikan banyak manfaat, namun persebaran kepesertaan BPJS Kesehatan masih belum merata di seluruh Indonesia. Penelitian ini bertujuan untuk menganalisis persebaran peserta BPJS Kesehatan dengan menerapkan algoritma K-Means Clustering. Proses analisis meliputi serangkaian proses preprocessing data, penerapan Metode Elbow untuk menentukan jumlah cluster yang optimal, dan evaluasi kualitas cluster menggunakan metode Davies-Bouildin Index (DBI). Hasil penelitian ini menunjukkan bahwa terdapat lima cluster yang terbaik dengan nilai DBI sebesar 0,50 yang menunjukkan bahwa clustering telah terbentuk dengan baik, jelas dan terpisah.

References

[1] BAPPENAS RI, “Negara Republik Indonesia Tahun 1945,” Warga dan Negara, vol. 1945, pp. 1–166, 1945.
[2] A. Rahim, S. A. Fajriah, S. Diniah, V. I. Sabilah, and S. Suryadi, “Implementasi Pengawasan Bagi Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan Ditinjau dari Hukum Administrasi Negara,” JIIP - J. Ilm. Ilmu Pendidik., vol. 6, no. 8, pp. 5795–5800, 2023, doi: 10.54371/jiip.v6i8.2573.
[3] A. F. Diba and G. Oka Warmana, “Sosialisasi Bpjs Kesehatan Pada Pegawai Security Untuk Mengetahui Pentingnya Jaminan Kesehatan Di Ciputra Surabaya,” J. Pengabdi. Kpd. Masy., vol. 2, no. 3, pp. 198–202, 2022, [Online]. Available: https://jurnalfkip.samawa-university.ac.id/karya_jpm/index
[4] BPJS Kesehatan, “BPJS Kesehatan.” 2024. [Online]. Available: https://bpjs-kesehatan.go.id/#/
[5] E. A. Djamhari et al., “Defisit Jaminan Kesehatan Nasional ( JKN ): Mengapa dan Bagaimana Mengatasinya ?,” Prakarsa, pp. 67–68, 2020, [Online]. Available: https://repository.theprakarsa.org/media/302060-defisit-jaminan-kesehatan-nasional-jkn-m-4c0ac9c6.pdf
[6] A. Ahdiat, “Persentase Penduduk yang Tak Punya Jaminan Kesehatan Berdasarkan Provinsi (2023),” databoks. Accessed: Jul. 15, 2024. [Online]. Available: https://databoks.katadata.co.id/datapublish/2023/12/21/jaminan-kesehatan-belum-merata-ini-kondisinya-di-tingkat-provinsi
[7] M. G. H. Omran, A. P. Engelbrecht, and A. Salman, “An overview of clustering methods,” Intell. Data Anal., vol. 11, no. 6, pp. 583–605, 2007, doi: 10.3233/ida-2007-11602.
[8] R. Khoirina and F. Akhmad, “Sikap Sopan Santun - 7116-21857-2-Pb,” no. 2014, pp. 250–255, 2021.
[9] F. A. Rahman, R. Kassim, Z. Baharum, H. A. M. Noor, and N. A. Haris, “Data Cleaning in Knowledge Discovery Database-Data Mining (KDD-DM),” Int. J. Eng. Adv. Technol., vol. 8, no. 6s3, pp. 2196–2199, 2019, doi: 10.35940/ijeat.f1100986s319.
[10] P. Karkare, “Handling Missing Values in Data,” Medium.Com, no. October, pp. 750–756, 2019, [Online]. Available: https://medium.com/x8-the-ai-community/handling-missing-values-in-data-54e1dc77e24f
[11] G. V. Dhivyabharathi and S. Kumaresan, “A survey on duplicate record detection in real world data,” ICACCS 2016 - 3rd Int. Conf. Adv. Comput. Commun. Syst. Bringing to Table, Futur. Technol. from Arround Globe, pp. 1–5, 2016, doi: 10.1109/ICACCS.2016.7586397.
[12] E. Dariato, “Analisis dan Perancangan Feature Engineering Pada SQL Execution Plan Aplikasi Apache Spark,” Arcitech J. Comput. Sci. Artif. Intell., vol. 1, no. 2, p. 83, 2021, doi: 10.29240/arcitech.v1i2.4120.
[13] C. Herdian, A. Kamila, and I. G. Agung Musa Budidarma, “Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding dan One-Hot Encoding Pada Metode Linear Regresi,” Technol. J. Ilm., vol. 15, no. 1, p. 93, 2024, doi: 10.31602/tji.v15i1.13457.
[14] Azkar and Kusrini, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasterisasi Pasien Rawat Jalan di Puskesmas dengan Menggunakan Metode Algoritma Clustering K-Means,” Media Online, vol. 4, no. 5, pp. 2628–2636, 2024, doi: 10.30865/klik.v4i5.1832.
[15] T. A. WIDYANINGSIH and D. Pratama, “Penerapan Metode K-Means Clustering Dalam Mengelompokkan Jumlah Peserta Bpjs Kesehatan Jkn/Kis Di Kabupaten Cirebon,” E-Link J. Tek. Elektro dan Inform., vol. 18, no. 1, p. 17, 2023, doi: 10.30587/e-link.v18i1.5330.
[16] A. F. Khairani, A. Nazir, T. Darmizal, Y. Vitriani, and Y. Yusra, “Klasterisasi Peserta BPJS Berdasarkan Rekam Medis Menggunakan Algoritma K-Means,” J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 625–631, 2023, doi: 10.47065/josyc.v4i3.3442.
Published
2025-06-23
How to Cite
FIKRI, Ihsanul; INDRA, Evta. Clustering K-Means for Data Distribution of Treatment Classes, Provinces, and Facilities. JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 6, n. 2, p. 2423-2433, june 2025. ISSN 2747-1233. Available at: <http://ojs.unud.ac.id/index.php/jitter/article/view/127905>. Date accessed: 17 sep. 2025.
Warning: Invalid argument supplied for foreach() in /var/www/ojs.unud.ac.id_backup/plugins/generic/recommendByAuthor/RecommendByAuthorPlugin.inc.php on line 114

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.