Density based spatial clustering of application with noise using flower pollination algorithm for leptospirosis clustering

Finansiya S. Abd. Karim, Emli Rahmi, Siti Nurmardia Abdussamad, Isran K. Hasan, Nisky Imansyah Yahya

Abstract


Leptospirosis is an important health problem in Indonesia, with most cases found in East Java and Central Java provinces. This study aims to identify the distribution pattern of leptospirosis in the two provinces using a clustering approach. The Density-Based Spatial Clustering of Applications with Noise (DBSCAN) method is used to cluster areas based on leptospirosis spread factors, but DBSCAN requires optimal parameter determination for accurate results. Therefore, this research implements Flower Pollination Algorithm (FPA) to optimize the epsilon (ϵ) and minimum points (MinPts) parameters in DBSCAN. This research uses secondary data obtained from data on the Number of Natural Disaster Events by Regency / City in East Java and Central Java Provinces in 2023 and data on Population Density by Regency / City in East Java and Central Java Provinces in 2023. The population in this study uses all observations, namely all people in the districts and cities in East Java and Central Java. The sampling technique is saturated sampling, that is, the entire population in the study is sampled. The clustering results using FPA-DBSCAN resulted in two main clusters, with 30 districts/municipalities detected as noise, 23 districts/municipalities belonging to cluster 0, and 20 districts/municipalities in cluster 1. The validation test using Silhouette Coefficient showed a value of 0.1892, indicating that the clustering is quite valid. The results of this clustering can serve as a strategic reference for local governments in optimizing disease surveillance and targeted health interventions.

Keywords


Clustering, Density Based Spatial Clustering of Application with Noise, Flower Pollination Algorithm, Leptospirosis.

Full Text:

PDF

References


Abdussamad, S. N., Astutik, S., & Effendi, A. (2020). Evaluation of Implementation Context Based Clustering In Fuzzy Geographically Weighted Clustering-Particle Swarm Optimization Algorithm. Jurnal EECCIS, 14(1). https://doi.org/https://doi.org/10.21776/jeeccis.v14i1.609

Achjar, K. A. H., Agusfina, M., Yesika, R., Aminah, S., Laksono, R. D., Sujati, N. K., … Ifadah, E. (2024). Penyakit Menular. PT. Sonpedia Publishing Indonesia.

Afiff, R., Adi, M. S., Saraswati, L. D., & Wuryanto, M. A. (2019). Gambaran Faktor Resiko Leptospirosis Pada Dataran Tinggi Menggunakan Pedoman Kerawanan Leptospirosis Di Dataran Tinggi Dengan Lokasi Penelitian Kabupaten Semarang. Jurnal Kesehatan Masyarakat, 7(3), 2356–3346. Retrieved from http://ejournal3.undip.ac.id/index.php/jkm

Ali, M., Siswanto, A., & Baehaqi, M. (2024). Flower Polination Algorithm Sebagai Optimalisasi LFC Pada Hybrid Pembangkit Wind-Diesel. Jurnal FORTECH, 5(1), 41–47. https://doi.org/10.56795/fortech.v5i1.5106

Amin, N. F., Garancang, S., & Abunawas, K. (2023). Konsep Umum Populasi Dan Sampel Dalam Penelitian. JURNAL PILAR: Jurnal Kajiam Islam Kontemporer, 14(1).

Ariani, N., & Wahyono, T. Y. M. (2020). Faktor-Faktor yang Mempengaruhi Kejadian Leptospirosis di 2 Kabupaten Lokasi Surveilans Sentinel Leptospirosis Provinsi Banten Tahun 2017-2019. Jurnal Epidemiologi Kesehatan Indonesia, 4.

Aziz, T., & Suwandi, J. F. (2019). Leptospirosis : Intervensi Faktor Resiko Penularan. Majority, 8(1), 232.

Dewi, H. C., & Yudhastuti, R. (2019). Faktor Risiko Kejadian Leptospirosis di Wilayah Kabupaten Gresik (Tahun 2017-2018). Jurnal Keperawatan Muhammadiyah, 4.

Elfaladonna, F., Sartika, D., & Putra, A. M. (2024). Exploratory Data Analysis on the Process of Determining the Relationship between Student Interest and Talent Variables. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 21(2), 418–424.

Harjanto, T. D., Vatresia, A., & Faurina, R. (2021). Analisis Penetapan Skala Prioritas Penanganan Balita Stunting Menggunakan Metode Dbscan Clustering. Jurnal Rekursif, 9(1). Retrieved from http://ejournal.unib.ac.id/index.php/rekursif/30

Husni, S. H., Martini, Suhartono, Budiyono, & Raharjo, M. (2023). Faktor Lingkungan Yang Berpengaruh Terhadap Keberadaan Tikus Serta Identifikasi Bakteri Leptospira sp. di Pemukiman Sekitar Pasar Kota Semarang Tahun 2022. Jurnal Kesehatan Lingkungan Indonesia, 22(2), 134–141. https://doi.org/10.14710/jkli.22.2.134-141

Id, I. D., Astrid, & Mahdiyah, E. (2017). Modifikasi DBSCAN (Density-Based Spatial Clustering With Noise) pada Objek 3 Dimensi. Jurnal Komputer Terapan, 3(1). Retrieved from http://jurnal.pcr.ac.id

Munir, M. M., Wartana, I. M., & Suslistiowati, I. B. (2023). Integrasi Pembangkit Listrik Tenaga Mikrohidro Pada Sistem Distribusi 20kV Guna Mengurangi Rugi-rugi Daya dan Meningkatkan Profil Tegangan.

Pribadi, W. W., Yunus, A., & Wiguna, A. S. (2022). Perbandingan Metode K-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang. Jurnal Mahasiswa Teknik Informatika, 6(2).

Purnama, S. E., & Hartono, B. (2022). Faktor Risiko Kejadian Leptospirosis Di Indonesia: Literature Review. PREPOTIF Jurnal Kesehatan Masyarakat, 6(3).

Puspita, R. N. (2021). Analisis K-Means Cluster Pada Kabupaten/Kota Di Provinsi Banten Berdasarkan Indikator Indeks Pembangunan Manusia. Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 2(3).

Putri, M. M., Dewi, C., Siam, E. P., Wijayanti, G. A., Aulia, N., & Nooraeni, R. (2021). Comparison of DBSCAN and K-Means Clustering for Grouping the Village Status in Central Java 2020 Komparasi DBSCAN dan K-Means Clustering pada Pengelompokan Status Desa di Jawa Tengah Tahun 2020. Jurnal Matematika, Statistika & Komputasi, 17(3), 394–404. https://doi.org/10.20956/j.v17i3.11704

Ramadani, A. R. (2021). Pemodelan Statistical Downscaling menggunakan Regresi Komponen Utama dengan Metode Minimum Vector Variance untuk Pendugaan Curah Hujan. (Studi Kasus: Data Curah Hujan Kabupaten Pangkep). Universitas Hasanuddin, Makassar.

Sakti, F. P., & Putra, J. T. (2019). Optimal Reactive Power Dispatch untuk Meminimalkan Rugi Daya Menggunakan Flower Pollination Algorithm. Jurnal Teknik Elektro, 11(2).

Samosir, V. B., Widodo, A. M., Anwar, N., Sekti, B. A., & Erzed, N. (2024). Identifikasi Outlier Menggunakan Teknik Data Mining Clustering Untuk Analisis Data Tracer Study Pada Fakultas Ilmu Komputer Universitas Esa Unggul. IKRAITH-INFORMATIKA, 8(1). https://doi.org/10.37817/ikraith-informatika.v8i1

Sriningsih, M., Hatidja, D., & Prang, J. D. (2018). Penanganan Multikolinearitas Dengan Menggunakan Analisis Regresi Komponen Utama Pada Kasus Impor Beras Di Provinsi Sulut. Jurnal Ilmiah Sains, 18(1).

Warolemba, M. W., Resmawan, & Isa, D. R. (2023). Analisis Cluster Fuzzy C-Means dan Diskriminan untuk Pengelompokan Data Kesejahteraan Rakyat. Jurnal Sainsmat, XII(2), 141–152. Retrieved from http://ojs.unm.ac.id/index.php/sainsmat

Yang, X.-S. (2012). Flower Pollination Algorithm for Global Optimization. Unconventional Computation and Natural Computation 2012, Lecture Notes in Computer Science, 7445. https://doi.org/10.1007/978-3-642-32894-7_27

Zukhruf, I. A., & Sukendra, D. M. (2020). Analisis Spasial Kasus Leptospirosis Berdasarkan Faktor Epidemologi dan Faktor Risiko Lingkungan. HIGEIA JOURNAL OF PUBLIC HEALTH RESEARCH AND DEVELOPMENT, (4). https://doi.org/10.15294/higeia/v4i4/36324




DOI: https://doi.org/10.33373/pyth.v14i1.7505

Refbacks

  • There are currently no refbacks.


 Lisensi Creative Commons

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.