首页> 外文OA文献 >Pengelompokan Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Metode Kohonen SOM dan K-Means
【2h】

Pengelompokan Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Metode Kohonen SOM dan K-Means

机译:基于Kohonen SOM和K-Means方法基于社区健康指标的东爪哇省地区/城市分组

摘要

€” Kondisi kesehatan masyarakat di Jawa Timur yang tidak homogen akan menyulitkan bagi Tim Pembina Kota Sehat pada saat melakukan pembinaan dan monitoring. Berdasarkan hal tersebut diperlukan pengelompokan kabupaten dan kota di Jawa Timur yang didasarkan pada kemiripan karakteristik kondisi kesehatan masyarakat, sehingga proses pembinaan dan monitoring akan dilakukan berdasarkan kelompok kabupaten dan kota yang terbentuk. Pengelompokan kabupaten/kota di Jawa Timur akan dilakukan menggunakan metode Kohonen SOM kemudian akan dibandingkan dengan hasil pengelom-pokan metode klasik K-Means, yang merupakan metode penge-lompokan yang populer dan sering digunakan, berdasarkan kriteria nilai icdrate (internal cluster dispersion rate). Pada peng-ujian Bartlett diperoleh kesimpulan bahwa terdapat hubungan atau korelasi di antara variabel penelitian. Setelah dilakukan analisis faktor untuk mereduksi variabel diperoleh 3 faktor baru yang terbentuk. Berdasarkan nilai Pseudo Fstatistics yaitu sebe-sar 13,819, hasil pengelompokan terbaik adalah menggunakan metode Kohonen SOM dengan jenis topologi hextop. Sedangkan pada metode K-Means nilai Pseudo Fstatistics terbesar yaitu 9,781 ketika digunakan kelompok sebanyak 2 klaster. Perban-dingan hasil klaster terbaik berdasarkan nilai icdrate diperoleh kesimpulan bahwa nilai icdrate metode Kohonen SOM yaitu sebesar 0,962 lebih kecil dibandingkan dengan nilai icdrate hasil pengelompokan metode K-Means yaitu sebesar 0,988. Pada hasil pengujian One-way MANOVA diperoleh kesimpulan bahwa pada masing-masing kelompok yang terbentuk memiliki per-bedaan.
机译:“东爪哇省的公共卫生状况不统一,这将使健康城市咨询团队在进行辅导和监督时遇到困难。基于此,有必要根据公共卫生条件特征的相似性将东爪哇的地区和城市进行分组,以便根据形成的地区和城市进行培训和监控过程。东爪哇的摄政/城市分组将使用Kohonen SOM方法进行,然后将其与基于内部集群分散率的经典K-Means聚类方法的结果进行比较,该方法是一种流行且经常使用的分组方法。 Bartlett检验得出结论,研究变量之间存在关联或相关性。在分析了减少变量的因素之后,形成了3个新因素。基于13819的伪Fstatistics值,最好的分组结果是使用具有六边形拓扑类型的Kohonen SOM方法。而在K均值方法中,当以2个群集为一组使用时,最大伪Fstatistics值为9,781。根据最佳的聚类结果比较得出结论,Kohonen SOM方法的聚类值比K-Means方法分组的聚类值0.988小0.962。根据单向MANOVA测试的结果,得出的结论是,形成的每个组都是不同的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号