Running summarizing tools on a new article
Check the paper below, then start its synthesis.
Klasterisasi Provinsi di Indonesia Berdasarkan Angka Harapan Hidup Menggunakan K-Means dengan Evaluasi Elbow Method
Asep Lukman Arip Hidayat (Universitas Budi Luhur), Helmi Zulqan (Universitas Budi Luhur), Gandung Triyono (Universitas Budi Luhur)
Abstract: Angka Harapan Hidup (AHH) adalah indikator penting untuk mengukur kesejahteraan masyarakat dan tingkat kesehatan di suatu daerah. AHH Indonesia sangat berbeda antar provinsi, yang menunjukkan perbedaan dalam infrastruktur dan akses layanan kesehatan. Tujuan dari penelitian ini adalah untuk menggunakan algoritma K-Means untuk meklasterisasi provinsi-provinsi di Indonesia berdasarkan AHH, dan untuk mengevaluasi hasil klasterisasi dengan metode Elbow untuk menentukan jumlah klaster yang ideal. Data yang digunakan mencakup AHH dari seluruh provinsi Indonesia dalam beberapa tahun terakhir. Untuk mempermudah identifikasi daerah yang memerlukan perhatian khusus dalam perencanaan kebijakan kesehatan, provinsi diklasifikasikan ke dalam klaster berdasarkan karakteristik AHH yang sebanding. Studi ini fokus pada optimasi Algoritma K-Means dengan metode Elbow. Percobaan iterasi dilakukan sepuluh kali dan menemukan nilai K ideal, yaitu K=3. Hasil klasterisasi menunjukkan bahwa Cluster 0 memiliki 103 anggota, Cluster 1 memiliki 181 anggota, dan Cluster 2 memiliki 260 anggota. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan provinsi-provinsi berdasarkan AHH dengan tingkat variasi yang rendah di setiap klaster. Metode Elbow membantu menentukan jumlah klaster yang ideal.