Pengelompokan Penyakit Menular di Pulau Jawa Tahun 2023 Menggunakan Algoritma BCBimax

Abstract. This study aims to identify simultaneous clustering patterns of infectious diseases and their distribution across three provinces in Java Island in 2023, using the biclustering method, specifically the BCBimax algorithm. Biclustering extends traditional clustering by grouping either binary data or binarized non-binary data to find submatrices consisting only of elements with value 1, according to clustering criteria. In this research, non-binary data were binarized using two scenarios: the median and the mean of each variable. The dataset includes the number of cases of HIV/AIDS, dengue fever (DBD), tuberculosis (TBC), leprosy, diarrhea, and measles in 2023, sourced from BPS portals and provincial open data. The analysis process involved visualization EDA, binarization, application of the BCBimax algorithm, and evaluation of selected biclusters. Results demonstrate that BCBimax effectively grouped regions across the three provinces into representative biclusters, reflecting the distribution patterns between diseases and their affected areas. This research contributes to the literature on biclustering applications and supports relevant authorities in making informed decisions for controlling infectious diseases and developing targeted public health strategies across these provinces in Java. Abstrak. Penelitian ini bertujuan mengidentifikasi pola pengelompokan simultan penyakit menular dan sebarannya di tiga provinsi di Pulau Jawa pada tahun 2023 menggunakan metode biclustering, yaitu algoritma BCBimax. Biclustering merupakan pengembangan metode clustering standar yang dapat mengelompokkan data biner maupun data non-biner yang telah dibinarisasi, dengan menemukan submatriks yang hanya berisi elemen bernilai 1 sesuai kriteria pengelompokan. Dalam penelitian ini, data non-biner dibinarisasi berdasarkan dua skenario, yaitu median dan rata-rata masing-masing variabel. Data yang digunakan berupa jumlah kasus HIV/AIDS, demam berdarah dengue (DBD), tuberkulosis (TBC), kusta, diare, dan campak tahun 2023 yang diperoleh dari portal BPS dan data terbuka dari masing-masing provinsi. Tahapan analisis meliputi visualisasi EDA, binarisasi data, penerapan algoritma BCBimax, serta evaluasi hasil bicluster yang terpilih. Hasil penelitian menunjukkan bahwa algoritma BCBimax mampu mengelompokkan wilayah ketiga provinsi menjadi beberapa bicluster representatif yang menggambarkan pola penyebaran antara penyakit dan daerah terdampak. Penelitian ini memberikan kontribusi pada literatur aplikasi metode biclustering serta mendukung pengambilan keputusan pihak terkait dalam pengendalian penyakit menular dan pengembangan strategi kesehatan masyarakat yang lebih tepat sasaran di wilayah tersebut.