Komparasi Algoritma K-Means Dan K-Medoids Clustering Pada Data Penyebaran Kasus Hiv Di Provinsi Jawa Barat

Abstract

Dinas Kesehatan Jawa Barat mencatat kasus HIV pada tahun 2022 di Jawa Barat terus mengalami peningkatan. Situasi ini mencerminkan penularan HIV di Jawa Barat masih berlangsung di masyarakat hingga saat ini dan memerlukan upaya pencegahan. Berdasarkan permasalahan tersebut, penelitian ini melakukan pengelompokkan dengan metode perbandingan algoritma K-Means dan K-Medoids untuk melihat algoritma mana yang paling optimal dari segi performa nilai Davies-Boudien Index (DBI) dan waktu komputasi. Analisis cluster dilakukan berdasarkan wilayah, jenis kelamin dan umur. Proses penelitian menggunakan metode KDD (Knowledge Discovery in Databases) mencakup tahap Data selection, Pre-processing, Transformation, Data mining, dan Evalution/ interpretation. Hasil penelitian menunjukkan algoritma K-Means sebagai metode yang paling baik dan optimal dalam melakukan pengelompokkan dibandingkan dengan algoritma K-Medoids. Hasil pengujian optimal pada algoritma K-Means didapat pada K=4 dengan nilai validitas DBI 0,102, berbeda dengan algoritma K-Medoids yang menunjukkan klaster optimal pada K=3 dengan nilai DBI 0,130. Selain itu, dalam hal perbandingan kinerja kecepatan didapatkan bahwa K-Means memiliki waktu komputasi lebih cepat dibandingkan dengan algoritma K-Medoids yaitu 5 detik pada algoritma K-Means dan 5 menit pada K-Medoids. Hasil penelitian diharapkan dapat membantu pemerintah dalam perencanaan dan pengembangan strategi pencegahan HIV/AIDS di Jawa Barat serta dapat digunakan sebagai panduan untuk menentukan prioritas dalam penanganan penyebaran HIV.