<![CDATA[Demam Berdarah Dengue (DBD) merupakan ancaman kesehatan masyarakat yang signifikan di wilayah tropis, termasuk Kota Semarang, Jawa Tengah, Indonesia, dengan tingkat heterogenitas spasial insidensi yang bervariasi antar kecamatan. Penelitian ini bertujuan untuk mengidentifikasi pola spasial insidensi DBD melalui pendekatan pembelajaran tanpa pengawasan (unsupervised learning) menggunakan algoritma K-Means clustering. Data epidemiologis yang bersifat komprehensif pada periode 2020–2024, mencakup variabel jumlah populasi, kasus terkonfirmasi, dan fatalitas, diekstraksi dari sistem informasi publik TUNGGAL DARA yang dikelola oleh Dinas Kesehatan Kota Semarang. Metodologi yang diterapkan meliputi pra-pemrosesan data, penentuan jumlah klaster optimal dengan metode Elbow dan Silhouette Score, serta validasi menggunakan statistik nonparametrik dengan uji Kruskal-Wallis. Hasil klasterisasi menunjukkan lima kelompok wilayah dengan karakteristik epidemiologis yang berbeda. Temuan penting mengindikasikan bahwa zona dengan kepadatan populasi rendah secara proporsional menanggung rasio morbiditas dan mortalitas yang lebih tinggi. Pendekatan ini terbukti efisien dalam mereduksi dimensi data epidemiologis menjadi pola spasial yang informatif dan mudah diinterpretasikan. Penelitian ini berkontribusi pada pengembangan pemetaan risiko DBD yang lebih adaptif dan berbasis data serta menyediakan landasan strategis yang kuat bagi intervensi kesehatan masyarakat yang lebih terarah dan tepat sasaran, khususnya dalam konteks studi kasus Kota Semarang.]]>
Copyrights © 2025
