Analisis Klaster Spasial Data Infrastruktur Kesehatan Desa di Kabupaten Purworejo Menggunakan Metode SKATER
Article Sidebar
Main Article Content
Abstract
Badan Pusat Statistik melakukan pengukuran indeks pembangunan desa, dimensi yang diukur salah satunya adalah indeks pelayanan dasar, dalam indeks pelayanan dasar terdapat beberapa variabel yang diteliti dimana salah satunya yaitu pelayanan kesehatan. Makalah ini bertujuan melakukan analisis data pelayanan kesehatan yaitu infrastruktur kesehatan desa di Kabupaten Purworejo menggunakan metode SKATER. Data yang diteliti berasal dari data Potensi Desa (PODES) tahun 2021 setiap desa di Kabupaten Purworejo dengan total terdapat 494 desa. Software R digunakan sebagai alat bantu dalam melakukan analisis. Hasil analisis dengan SKATER menghasilkan 4 kelompok yaitu klaster 1 terdiri dari 239 desa dengan kategori infrastruktur Kesehatan rendah. Klaster 2 terdiri dari 2 desa dengan kategori infrastruktur Kesehatan tinggi. Klaster 3 terdiri dari 249 desa dengan kategori infrastruktur Kesehatan sedang, dan klaster 4 terdiri dari 4 desa dengan kategori sangat rendah. Daerah dengan kategori sangat rendah merupakan desa di Kecamatan Bruno.
Article Details
References
Assuncao, R. M., Neves, M. C., Camara, G., & Freitas, C. D. C. (2006). Efficient regionalization techniques for socio‐economic geographical units using minimum spanning trees. Https://Doi.Org/10.1080/13658810600665111, 20(7), 797–811. https://doi.org/10.1080/13658810600665111
Ateş, C., Kaymaz, Ö., Kale, H. E., & Tekindal, M. A. (2019). Comparison of Test Statistics of Nonnormal and Unbalanced Samples for Multivariate Analysis of Variance in terms of Type-I Error Rates. Computational and Mathematical Methods in Medicine, 2019. https://doi.org/10.1155/2019/2173638
Denis, D. J. (2021). Applied Univariate, Bivariate, and Multivariate Statistics Using Python. In Applied Univariate, Bivariate, and Multivariate Statistics Using Python. https://doi.org/10.1002/9781119578208
Dirgantara, G. E., Novianti, I., & Bekti, R. D. (2020). Spatial Cluster Untuk Pengelompokkan Wilayah Setiap Provinsi Di Indonesia Berdasarkan Karakteristik Kesenjangan Ekonomi. Seminar Nasional Official Statistics, 2019(1), 430–437. https://doi.org/10.34123/semnasoffstat.v2019i1.63
Mailanda, R., Kusnandar, D., & Huda, N. M. (2022). Analisis Autokorelasi Spasial Kasus Positif Covid-19. 11(3), 483–492.
Prastyo, H. E., Ilfana, F., & Pendahuluan, I. (2022). Pengelompokan Kabupaten Dan Kota Di Jawa Timur Berdasarkan Indeks Pembangunan Manusia Dengan Menggunakan Metode K-Means Tahun 2020-2021 Grouping of Regencies and Cities in East Java Based on the Human Development Index Using the K-Means Method in. 2, 22–32.
Rahayu, P. I., & Sihombing, P. R. (2021). Pengelompokan Provinsi Di Indonesia Berdasarkan Fasilitas Kesehatan Menggunakan Metode Two Step Cluster. Jurnal Bayesian, 1(1), 225–232. http://bayesian.lppmbinabangsa.id/index.php/home/article/view/8
Reis, I. A., Câmara, G., Assunção, R., & Monteiro, A. M. V. (2007). Data-Aware Clustering for Geosensor Networks Data Collection. 9–25.
Sadali, M. I., Alfana, M. A. F., Hadijah, Z., Rosewidiadari, E. L., & Andika, R. (2022). Dominasi kota sebagai konsentrasi fasilitas kesehatan (Studi kasus: Daerah Istimewa Yogyakarta). Region : Jurnal Pembangunan Wilayah Dan Perencanaan Partisipatif, 17(1), 136. https://doi.org/10.20961/region.v17i1.44948
Wuryandari, T., Hoyyi, A., Kusumawardani, D. S., & Rahmawati, D. (2014). Identifikasi Autokorelasi Spasial Pada Jumlahpengangguran Di Jawa Tengah Menggunakan Indeks Moran. Media Statistika, 7(1), 1–10. https://doi.org/10.14710/medstat.7.1.1-10