PENERAPAN ALGORITMA K-MEANS DALAM SEGMENTASI DAERAH BERDASARKAN JUMLAH WARGA YANG TERDAFTAR MENJADI PESERTA BPJS KESEHATAN DI JAWA BARAT

Abstract

Upaya meningkatkan akses terhadap layanan kesehatan yang terjangkau dan berkualitas merupakan agenda penting dalam mencapai Universal Health Coverage (UHC) secara global. Di Indonesia, Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan menjalankan program Jaminan Kesehatan Nasional (JKN) sebagai instrumen utama untuk mewujudkan UHC. Penelitian ini bertujuan untuk melakukan segmentasi wilayah di Jawa Barat berdasarkan jumlah penduduk yang terdaftar sebagai peserta BPJS Kesehatan pada tahun 2019-2023 dengan menggunakan algoritma K-means dan memvisualisasikan hasilnya. Penentuan jumlah klaster optimal dilakukan dengan metode elbow dan silhouette coefficient. Algoritma K-means menghasilkan tiga klaster wilayah, yaitu klaster 0 (501 kecamatan) dengan jumlah peserta BPJS tinggi, klaster 1 (222 kecamatan) dengan jumlah peserta BPJS menengah, dan klaster 2 (4 kecamatan) dengan jumlah peserta BPJS rendah. Evaluasi kinerja algoritma menunjukkan bahwa klaster terbaik adalah tiga klaster dengan nilai Sum of square error (SSE) terendah sebesar 1,67409 dan Davies Bouldin Index (DBI) terendah sebesar 0,36915605275672103. Visualisasi hasil segmentasi menggunakan Quantum geographic information system (QGIS) membantu mengidentifikasi wilayah prioritas yang memerlukan perhatian lebih dalam peningkatan pemanfaatan layanan BPJS. Penelitian ini memberikan informasi berharga bagi pemangku kepentingan, seperti pemerintah daerah dan BPJS Kesehatan, untuk merencanakan strategi dan alokasi sumber daya yang lebih efektif dalam pelayanan kesehatan di Jawa Barat, serta menyesuaikan pelayanan secara tepat dan efisien sesuai dengan kebutuhan masyarakat di masing-masing wilayah.