Klasterisasi Negara Berdasarkan Indikator Kesehatan dan Sosial Ekonomi Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.61124/sinta.v3i4.502Keywords:
Angka Harapan Hidup, Elbow Method, PCA, Standard Scaler, WHOAbstract
Organisasi Kesehatan Dunia (WHO) membutuhkan pemetaan berbasis data untuk melihat disparitas kesehatan antarnegara sebagai pertimbangan awal alokasi bantuan. Angka harapan hidup merupakan indikator utama kesejahteraan yang dipengaruhi berbagai faktor kesehatan dan sosial ekonomi. Penelitian ini bertujuan mengelompokkan negara-negara di dunia menggunakan algoritma K-Means berdasarkan dataset Life Expectancy WHO periode 2000–2015. Untuk merangkum data panel tahunan menjadi satu baris per negara, diambil data snapshot tahun terbaru (2015) yang mencakup 183 negara pada 10 indikator kesehatan dan sosial ekonomi terpilih. Pra-pemrosesan mencakup penghapusan baris dengan kekosongan fitur di atas 50%, imputasi median, dan penskalaan StandardScaler. Pengujian Elbow Method menetapkan sebagai jumlah klaster optimal dengan Silhouette Score 0,34 dan Davies-Bouldin Index 1,03. Reduksi dimensi Principal Component Analysis (PCA) dua komponen digunakan untuk visualisasi dengan mempertahankan 59,8% varians data. Hasil klasterisasi membentuk Cluster 0 (64 negara; harapan hidup 62,6 tahun; PDB rendah), Cluster 1 (106 negara; harapan hidup 75,8 tahun), dan Cluster 2 (13 negara; harapan hidup 81,4 tahun; PDB tinggi). Pemetaan ini berguna sebagai penyaringan awal untuk mengenali negara rentan di Cluster 0, yang penerapannya tetap memerlukan validasi kondisi terkini.
References
R. Chinthaginjala, S. P. Tera, P. Natha, A. Srinivasulu, F. Al-Turjman, dan F. Mohammad, “A multi-stage stacking framework for accurate and interpretable life expectancy modeling,” PLoS One, vol. 21, no. 8, 2026, doi: 10.1371/journal.pone.0353849.
S. S. Ahamad dkk., “Machine Learning-Based Life Expectancy Prediction in Developed and Developing Regions,” IEEE Access, vol. 13, hlm. 69520–69531, 2025, doi: 10.1109/ACCESS.2025.3560890.
D. U. Ozsahin, D. I. Emegano, L. R. David, A. J. Hussain, B. Uzun, dan I. Ozsahin, “Global Life Expectancy Prediction Using Machine Learning Ensemble Techniques,” dalam 2024 17th International Conference on Development in eSystem Engineering (DeSE), IEEE, Nov 2024, hlm. 423–427. doi: 10.1109/DeSE63988.2024.10912031.
E. Setiawati, U. D. Fernanda, S. Agesti, M. Iqbal, dan M. O. A. Herjho, “Implementation of K-Means, K-Medoid and DBSCAN Algorithms In Obesity Data Clustering,” IJATIS: Indonesian Journal of Applied Technology and Innovation Science, vol. 1, no. 1, hlm. 23–29, Jan 2024, doi: 10.57152/ijatis.v1i1.1109.
M. N. Serli dan Y. Mayu, “Penerapan Metode Algoritma K-means Dalam Pengelompokan Angka Harapan Hidup Saat Lahir Menurut Provinsi NTT,” Jurnal In Create (Inovasi dan Kreasi dalam Teknologi Informasi), vol. 12, 2026.
M. R. Fachrodhiya, S. F. Sofwani, M. Wati, dan J. A. Widians, “Comparison of K-Means and DBSCAN Algorithms in Clustering Indonesia’s Regional Gender Development Index,” IJIRSE: Indonesian Journal of Informatic Research and Software Engineering, vol. 6, 2026.
I. A. Rosyada dan D. T. Utari, “Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering,” Jambura J. Probab. Stat, vol. 5, no. 1, hlm. 6–13, 2024, doi: 10.34312/jjps.v5i1.18733.
M. Rifqi Mubarok, A. Tri, J. Harjanto, dan R. Renaldy, “PENINGKATAN PERFORMA DBSCAN DENGAN REDUKSI DIMENSI PRINCIPAL COMPONENT ANALYSIS (PCA) DALAM KLASTERISASI TINGKAT KEMISKINAN DI INDONESIA,” Jurnal Informatika Teknologi dan Sains, 2025.
A. L. A. Hidayat, H. Zulqan, dan G. Triyono, “Klasterisasi Provinsi di Indonesia BerdasarkanAngka Harapan Hidup Menggunakan K-Means dengan Evaluasi Elbow Method,” Jurnal Sistem Informasi, vol. 12, no. 1, 2025.
S. Dwi Anindya dan G. Natalia Marpaung, “Determinants of Life Expectancy and Clustering: K-Means Panel for the Pandemic-Post-Covid-19 Pandemic Period in Indonesia,” 2026, doi: 10.38035/dijefa.v7i4.
Y. Hasan, “Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan Dbscan,” KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), vol. 06, no. 01, 2024.
A. Yufita, R. Kurniawan, Y. A. Wijaya, dan T. Suprapti, “Optimalisasi Klasterisasi Tenaga Kesehatan Menggunakan K-Means dan Davies Bouldin Indexs,” IJAI (Indonesian Journal of Applied Informatics), 2025.
E. T. Gazilas, “Factors Influencing Life Expectancy in Low-Income Countries: A Panel Data Analysis,” 2024, doi: 10.15826/vestnik.2024.23.3.023.
M. Karunarathne, P. Buddhika, A. Priyamantha, P. Mayogya, R. Jayathilaka, dan N. Dayapathirana, “Restoring life expectancy in low-income countries: the combined impact of COVID-19, health expenditure, GDP, and child mortality,” BMC Public Health, vol. 25, no. 1, Des 2025, doi: 10.1186/s12889-025-22109-4.
Rika Sari dan Muhammad Yasin, “Penerapan Data mining untuk Clustering Kondisi Sosial Ekonomi Berdasarkan Kepemilikan Jaminan Kesehatan Menggunakan Algoritma K-Means,” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 5, no. 3, hlm. 44–55, Okt 2025, doi: 10.55606/jutiti.v5i3.6082.
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Bunga Nur Munawaroh, Alam Rahmatulloh

This work is licensed under a Creative Commons Attribution 4.0 International License.





