Pengelompokan Kabupaten/Kota Di Pulau Sulawesi Berdasarkan Faktor Risiko Penyakit Tuberkulosis Menggunakan Algoritma Pillar K-Means

Ketimpangan risiko tuberkulosis antarwilayah di Pulau Sulawesi menjadi tantangan penting dalam pengendalian penyakit ini. Penelitian ini bertujuan mengelompokkan kabupaten/kota di Pulau Sulawesi berdasarkan faktor risiko tuberkulosis menggunakan algoritma Pillar K-Means. Hasil pengelompokan diharapkan dapat memberikan gambaran distribusi risiko tuberkulosis, sehingga
upaya pencegahan dan pengendalian dapat dilakukan lebih terarah sesuai karakteristik wilayah. Data outlier dikeluarkan sebelum proses klasterisasi agar profilisasi klaster utama tidak bias. Penelitian ini menghasilkan empat klaster utama pada data normal yang merepresentasikan empat tingkat kerentanan relatif tuberkulosis antarwilayah, yaitu klaster 1 dengan kerentanan tinggi, klaster 2 kerentanan rendah, klaster 3 kerentanan sedang, dan klaster 4 kerentanan sangat
rendah. Hasil evaluasi menunjukkan Pillar K-Means memiliki nilai Davies-Bouldin Index (DBI) sebesar 1.28, lebih baik dibandingkan K-Means sebesar 1.43. Pillar K?Means juga lebih efisien karena membutuhkan 4 iterasi, sedangkan K-Means membutuhkan 17 iterasi