Implementasi K-Means Clustering untuk Optimalisasi Anggaran Penyakit Tidak Menular
Implementation of K-Means Clustering for Optimizing Non-Communicable Disease Budgets
Keywords:
Analisis, Anggaran, APBD, Clustering, K-MeansAbstract
Pandemi menunjukkan pentingnya penganggaran, baik untuk menjalankan pelayanan kesehatan yang telah ada maupun untuk menghadapi COVID-19. Pandemi juga menunjukkan bahaya penyakit komorbid seperti diabetes melitus, hipertensi, dan obesitas sebagai pemicu tingginya risiko kematian akibat COVID-19. Untuk membuat kebijakan terkait penganggaran yang tepat guna, diperlukan analisis terkait anggaran kesehatan pemerintah daerah. Dalam penelitian ini penulis melakukan analisis clustering k-means anggaran kesehatan pemerintah daerah Tahun 2021 untuk mengelompokkan anggaran terkait penyakit komorbid seperti diabetes melitus, hipertensi, dan obesitas, serta gangguan mental emosional. Tujuan dari penelitian ini adalah memberikan insight mengenai pola pendanaan pemerintah daerah terkait penyakit tersebut. Clustering menghasilkan empat cluster dengan silhouette score sebesar 0,6156. Selanjutnya berdasarkan perbandingan dengan prevalensi penyakit masing-masing terdapat indikasi potensi optimalisasi dana untuk sub kegiatan lain atau untuk digunakan sebagai dana darurat pandemi.
References
N. Aeni, “Pandemi COVID-19: Dampak Kesehatan, Ekonomi, & Sosial,” Jurnal Litbang: Media Informasi Penelitian, Pengembangan dan IPTEK, vol. 17, no. 1, pp. 17–34, 2021, doi: 10.33658/jl.v17i1.249.
D. Junaedi and F. Salistia, “Dampak Pandemi Covid-19 terhadap Pertumbuhan Ekonomi Negara-negara Terdampak,” Simposium Nasional Keuangan Negara 2020, vol. 2, no. 1, pp. 995–1013, 2020.
D. A. D. Nasution, E. Erlina, and I. Muda, “Dampak pandemi Covid-19 terhadap perekonomian Indonesia,” Jurnal Benefita, vol. 5, no. 2, pp. 212–224, Jul. 2020, doi: 10.22216/jbe.v5i2.5313.
S. Olivia, J. Gibson, and R. Nasrudin, “Indonesia in the Time of Covid-19,” Bulletin of Indonesian Economic Studies, vol. 56, no. 2, pp. 143–174, 2020, doi: 10.1080/00074918.2020.1798581.
P. A. Joko, A. Bagas, and A. Ikhwan, “The impacts of COVID-19 pandemic to informal economic sector in Indonesia: Theoretical and empirical comparison,” E3S Web Conf., vol. 200, p. 3014, 2020, doi: 10.1051/e3sconf/202020003014.
E. Purwaningsih, “Analisis kebijakan kesehatan berdasarkan analisis kelompok risiko terhadap persebaran kasus covid-19 di indonesia tahun 2020,” Jurnal Kebijakan Kesehatan Indonesia: JKKI, vol. 10, no. 2, pp. 86–93, Jun. 2021, doi: 10.22146/jkki.61663.
Kementerian Kesehatan Republik Indonesia, PROFIL KESEHATAN INDONESIA 2021. Kementerian Kesehatan Republik Indonesia, 2022.
N. Mona, “Konsep Isolasi dalam Jaringan Sosial untuk Meminimalisasi Efek Contagious (Kasus Penyebaran Virus Corona di Indonesia),” Jurnal Sosial Humaniora Terapan, vol. 2, no. 2, pp. 117–125, 2020, doi: 10.7454/jsht.v2i2.86.
R. M. A. Satria, R. V. Tutupoho, and D. Chalidyanto, “Analisis Faktor Risiko Kematian dengan Penyakit Komorbid Covid-19,” Jurnal Keperawatan Silampari, vol. 4, no. 1, pp. 48–55, 2020, doi: 10.31539/jks.v4i1.1587.
C. C. S. Nanda, S. Indaryati, and D. Koerniawan, “Pengaruh Komorbid Hipertensi dan Diabetes Melitus terhadapKejadianCOVID-19 di Rumah Sakit Kota Palembang,” Jurnal Keperawatan Florence Nightingale (JKFN), vol. 4, no. 2, pp. 68–72, 2021, doi: 10.52774/jkfn.v4i2.72.
D. H. Tjandrarini et al., Indeks Pembangunan Kesehatan Masyarakat 2018. Lembaga Penerbit Badan Penelitian dan Pengembangan Kesehatan(LPB), 2019.
Z. Zulfaizah, M. A. Nur, and M. Muzdalifah, “Strategi Peningkatan Kinerja Program Kesehatan sebagai Pembentuk Indeks Pembangunan Manusia di Provinsi Kalimantan Selatan,” WELFARE Jurnal Ilmu Ekonomi, vol. 1, no. 2, pp. 90–102, 2020, doi: 10.37058/wlfr.v1i2.1769.
S. M. Shobiha and A. F. Yuniasih, “Pengidentifikasian Determinan Pembangunan Kesehatan Kabupaten/Kota di Indonesia Tahun 2018,” Aspirasi: Jurnal Masalah-masalah Sosial, vol. 13, no. 1, pp. 71–88, 2022, doi: 10.46807/aspirasi.v13i1.2404.
R. Wowor, “Pengaruh belanja sektor kesehatan terhadap angka harapan hidup di Sulawesi Utara,” Jurnal Berkala Ilmiah Efisiensi, vol. 15, no. 2, pp. 62–73, 2015.
A. Sianturi, “Peran Pendapatan Asli Daerah Dalam Menunjang Desentralisasi Fiskal Dan Pembangunan Daerah (Studi Pada Dinas Pendapatan Kota Batu),” Jurnal Administrasi Publik Mahasiswa Universitas Brawijaya, vol. 2, no. 3, pp. 557–563, 2014.
Limasalle et al., “Subnational Governments’ Autonomy vs. Capacity: The Need for Stronger Management Systems for Health Financing in Indonesia,” Case Study Series on Devolution, Health Financing, and Public Financial Management. ThinkWell, Jakarta, Apr. 2022.
H. S. Liando, D. P. E. Saerang, and I. Elim, “Analisis Kinerja Keuangan Pemerintah Kabupaten Kepulauan Sangihe Menggunakan Metode Value for Money,” Jurnal EMBA?: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, vol. 2, no. 3, pp. 1686–1814, 2014.
A. Tuasikal, “Fenomenologis Perencanaan Dan Penganggaran Pemerintah Daerah,” Jurnal Akuntansi Universitas Jember, vol. 11, no. 2, pp. 78–91, 2015, doi: 10.19184/jauj.v11i2.1266.
M. Wance, “Dinamika perencanaan anggaran pada anggaran pendapatan belanja daerah (APBD) buru selatan,” The Indonesian Journal of Public Administration (IJPA), vol. 5, no. 1, pp. 1–17, 2019, doi: 10.52447/ijpa.v5i1.1648.
D. Novaliendry, Y. Hendriyani, C.-H. Yang, and H. Hamimi, “The Optimized K-Means Clustering Algorithms To Analyzed the Budget Revenue Expenditure in Padang,” in Proceeding of International Conference on Electrical Engineering, Computer Science and Informatics (EECSI 2015), Sep. 2015.
F. Rahmadayanti, I. Anggraini, and T. Susanti, “Pengklasterisasian Data Penyakit Hipertensi dengan Menggunakan Metode K-Means,” Journal of Information System Research (JOSH, vol. 4, no. 2, pp. 737–741, 2023, doi: 10.47065/josh.v4i2.2905.
D. R. Sandoval Serrano, J. C. Rincón, J. Mejía-Restrepo, E. R. Núñez-Valdez, and V. García-Díaz, “Forecast of Medical Costs in Health Companies Using Models Based on Advanced Analytics,” Algorithms, vol. 15, no. 4, 2022, doi: 10.3390/a15040106.
K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan rapidminer dengan K-means cluster pada daerah terjangkit demam berdarah dengue (DBD) berdasarkan provinsi,” Journal of Computer Engineering System and Science, vol. 3, no. 2, p. 173, 2018.
M. A. Sembiring, R. T. A. Agus, and M. F. L. Sibuea, “Penerapan Metode Algoritma K-Means Clustering Untuk Pemetaan Penyebaran Penyakit Demam Berdarah Dengue (DBD),” Journal of Science and Social Research, vol. 4, no. 3, pp. 336–341, 2021, doi: 10.54314/jssr.v4i3.712.
I. K. Fauzia, B. A. Dermawan, and T. N. Padilah, “Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang,” Jurnal Sistem dan Informatika (JSI), vol. 15, no. 1, pp. 88–94, 2020, doi: 10.30864/jsi.v15i1.350.
I. Hadi Al Ghozali, I. Afan, and T. Lestari, “Comparative Analysis Clustering Algorithm for Government’s Budget Performance Data,” CogITo Smart Journal, vol. 10, no. 1, pp. 157–170, 2024, doi: 10.31154/cogito.v10i1.611.578-591.
L. B. Russell, G. Bhanot, S.-Y. Kim, and A. Sinha, “Using Cluster Analysis to Group Countries for Cost-effectiveness Analysis: An Application to Sub-Saharan Africa,” Medical Decision Making, vol. 38, no. 2, pp. 139–149, 2018, doi: 10.1177/0272989X17724773.
M. Rais, R. Goejantoro, and S. Prangga, “Optimalisasi K-Means Cluster dengan Principal Component Analysis pada Pengelompokan Kabupaten/Kota di Pulau Kalimantan Berdasarkan Indikator Tingkat Pengangguran Terbuka,” EKSPONENSIAL, vol. 12, no. 2, pp. 129–136, 2021, doi: 10.30872/eksponensial.v12i2.805.
