People Living with HIV/AIDS in Areas of Poverty and Low Education Level: A K-Medoids Clustering Analysis

Andi Rosilala, Dewi Juliah Ratnaningsih

Abstract

Rendahnya tingkat pendidikan dan kondisi ekonomi yang buruk sering dikaitkan dengan penyebaran HIV/AIDS. Penelitian ini bertujuan untuk melakukan analisis klaster terhadap jumlah ODHA, tingkat kemiskinan, dan pendidikan di 34 provinsi di Indonesia dengan menggunakan algoritma K-Medoids. Metode klaster K-Medoids digunakan untuk membagi data ke dalam beberapa kelompok berdasarkan kemiripan karakteristik masing-masing provinsi terkait jumlah ODHA, tingkat kemiskinan, dan pendidikan. Hasil studi menunjukkan bahwa tiga klaster dihasilkan dari analisis K-Medoids. Klaster pertama terdiri dari 13 provinsi yang ditandai dengan persentase penduduk miskin yang tinggi, tetapi dengan tingkat pendidikan dan kasus ODHA yang rendah. Kluster kedua terdiri dari 17 provinsi dengan persentase penduduk miskin yang rendah, tingkat pendidikan yang sedang, dan kasus ODHA yang sedang. Klaster ketiga terdiri dari 4 provinsi dengan tingkat kemiskinan sedang, namun memiliki tingkat pendidikan dan kasus ODHA yang tinggi. Uji MANOVA satu arah (p-value < α (0,05)) menunjukkan bahwa terdapat perbedaan karakteristik yang nyata di antara klaster, yang mengindikasikan bahwa ketiga klaster tersebut berbeda secara signifikan satu sama lain. Uji ANOVA satu arah lebih lanjut menunjukkan bahwa ketiga variabel tersebut secara signifikan mempengaruhi pengelompokan provinsi-provinsi di Indonesia.

 

Low level of education and poor economic conditions are often associated with the spread of HIV/AIDS. This study aims to conduct a cluster analysis on number of the PLWHA, poverty levels, and education across 34 provinces in Indonesia using the K-Medoids algorithm. The K-Medoids clustering method is used to divide the data into several groups based on similar characteristics of each province regarding the PLWHA, poverty levels, and education. The study’s result indicate that three clusters were generated from the K-Medoids cluster analysis. The first cluster consists of 13 provinces characterized by a high percentage of poor populations, but with low levels of education and the PLWHA cases. The second cluster consists of 17 provinces with a low percentage of poor populations, moderate levels of education, and moderate the PLWHA cases. The third cluster includes 4 provinces with moderate poverty levels but high levels of education and the PLWHA cases. A one-way MANOVA test (p-value < α (0.05)) showed that there are distinct characteristic differences among the clusters, indicating that the three clusters are significantly different from each other. A one-way ANOVA test further indicated that all three variables significantly influenced the clustering of provinces in Indonesia.

 Keywords

Clustering; Education; HIV/AIDS; K-Medoids; Poverty

 Full Text:

PDF

References

World Health Organization. HIV and AIDS: Key Facts. https://www.who.int/news-room/fact-sheets/detail/hiv-aids. Accessed August, 5th 2024.

Ministry of Health. Laporan Eksekutif Perkembangan HIV/AIDS dan Penyakit Infeksi Menular Seksual (PIMS) Triwulan III Tahun 2022. https://siha.kemkes.go.id/portal/files_upload/Laporan_TW_3_2022.pdf. Accessed August, 1th 2024.

Ahdiat, A. 2022. Indonesia Punya Pengidap HIV Terbanyak di Asia Tenggara. https://databoks.katadata.co.id/datapublish/2022/09/22/indonesia-punya-pengidap-hiv-terbanyak-di-asia-tenggara. Accessed April, 1st 2024.

Siregar, F. 2004. Pengenalan dan Pencegahan AIDS. Medan: USU Digital Library.

United Nation. UNAIDS Input SGs Report Eradicating Poverty https://www.un.org/development/desa/socialperspectiveondevelopment/wp-content/uploads/sites/27/2020/07/UNAIDS-Inputs-to-the-Report-of-the-Secretary-General-2020.pdf. Accessed May, 2nd 2024.

United Nation. Mainstreaming AIDS in Development Instruments and Processes at the National Level: A Review of Experiences. https://www.unaids.org/sites/default/files/media_asset/mainstreaming_aids-in_dev_instr_rep_28nov05_en_0.pdf. Accessed May, 3rd 2024.

Khoirunisa, N and Sihaloho, E. 2019. Determinan Pembangunan Daerah dan Angka HIV/AIDS di Indonesia. Jurnal Ilmu Ekonomi dan Studi Pembangunan Vol. 19 No. 1.

Lesmana, A, Purwanto, Y, and Dinimaharawati, A. 2019. Implementasi Algoritma K-Means untuk Clustering Penyakit HIV/AIDS di Indonesia. e-Proceeding of Engineering Vol.6, No.2.

Wiliani, et.al. 2021. Penerapan Rapidminer Dengan K-Means Pada Clustering Daerah Terjangkit AIDS. Journal of Informatics and Advanced Computing. Vol. 2, No.2.

Hartigan, J. A., and Wong, M. A. 1979. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society. Series C (Applied Statistics), 28(1), 100–108.

Noor, H, Dharmawati, A, and Quranan, T. 2021. Penerapan Algoritma K-Means Clustering Analysis pada Kasus Penderita HIV/AIDS (Studi Kasus Kabupaten Banjar). Technologia Vol 12, No. 2.

Rousseeuw, P. J. 1987. Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis. Journal of Computational and Applied Mathematics, 20, 53–65.

Purba, L, Saifullah, and Dewi R. 2019. Pengelompokan Kasus Penyakit AIDS Berdasarkan Provinsi dengan Data Mining K-Medoids Clustering. Konferensi Nasional Teknologi Informasi dan Komputer. Vol. 3, No. 1.

Statistics Indonesia. Population and Migration. https://www.bps.go.id/subject/28/pendidikan.html#subjekViewTab3.html. Accessed March, 3rd 2024.

Statistics Indonesia. Percentage of Poor Population https://www.bps.go.id/indicator/23/192/1/persentase-penduduk-miskin-p0-menurut-provinsi-dan-daerah.html. Accessed March, 3rd 2024.

Farissa, R, Mayasari, R, and Umaidah, Y. 2021. Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient di Puskesmas Karangsambung. Journal of Applied Informatics and Computing, 5(2), 109-116.

Vercillis, C. 2009. Business Intelligence, Data Mining and Optimization for Desicion Making. Milan: Wiley.

Han, J, and Kamber, M. 2017. Data Mining, Concept and Techniques. Waltham: Morgan.

Setyawati, A. 2017. Implementasi Algoritma Partitioning Around Medoid (PAM) untuk Pengelompokkan Sekolah Menengah Atas di DIY Berdasarkan Nilai Daya Serap Ujian Nasional. Yogyakarta: Universitas Danata Darma, Fakultas Sains dan Teknologi.

Marlina, D, Lina, N, Fernando, A, and Ramadhan, A. 2018. Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi 4(2), 64.

DOI: https://doi.org/10.24815/jda.v7i2.42078

Refbacks

  • There are currently no refbacks.