bahwa observasi dalam kelompok yang satu seharusnya berbeda dari observasi dalam kelompok lain.
Asumsi analisis cluster. Santoso (2017) menyebutkan beberapa asumsi pada analisis kluster yaitu:
1. Sampel yang diambil dari populasi yang ada untuk penelitian dianggap dapat mewakili dari keseluruhan populasi. Memang tidak ada ketentuan jumlah sampel yang representatif.
2. Multikolinearitas, yaitu kemungkinan adanya korelasi antar variabel.
Sebaiknya tidak ada atau seandainya ada, besar multikolinearitas tersebut tidaklah tinggi (misal diatas 0,5). Jika sampai terjadi multikolinearitas, dianjurkan untuk menghilangkan salah satu variabel dari dua variabel yang
mempunyai korelasi cukup besar.
Proses dasar analisis cluster. Santoso (2017) menyebutkan beberapa tahapan dari proses analisis kluster sehingga sekumpulan data mentah dapat dikelompokkan menjadi satu atau beberapa kluster, diantaranya adalah:
Menetapkan ukuran jarak antar data. Dalam proses ini dilakukan untuk mengukur kesamaan antar objek (similarity). Prinsip dasar kluster yaitu
mengelompokkan objek yang mempunyai kemiripan, maka dari prinsip tersebut proses pertama yang dilakukan adalah mengukur terlebih dahulu seberapa jauh ada kesamaan antar objek menggunakan cara yang dianggap tepat.
Melakukan proses standarisasi data jika diperlukan. Setelah cara mengukur jarak telah ditetapkan, yang perlu diperhatikan adalah satuan data apakah mempunyai perbedaan yang besar. Sebagai contoh jika variabel
penghasilan mempunyai satuan juta (000.000), sedangkan usia seseorang hanya mempunyai satuan puluhan (00) maka perbedaan yang terbentuk ini akan
membuat perhitungan jarak (distance) menjadi tidak valid. Jika data mempunyai satuan yang berbeda secara signifikan di masing-masing variabel yang akan dijadikan sebagai objek penelitian, maka perlu dilakukan proses standarisasi dengan mengubah data yang ada ke Z-Score. Pada intinya standarisasi bertujuan untuk menjadikan dua data dengan perbedaan satuan yang lebar akan otomatis menjadi menyempit.
Melakukan proses clustering. Setelah data yang dianggap mempunyai satuan yang berbeda telah diseragamkan atau dilakukan standarisasi, maka dilakukan proses clustering untuk membuat kluster. Dalam proses ini, metode
yang akan digunakan dalam pembentukan kluster ditentukan terlebih dahulu, sesuai dengan ciri-ciri data yang ada.
Melakukan penamaan cluster-cluster yang terbentuk. Setelah proses clustering dilakukan, maka akan terbentuk sejumlah kluster sesuai dengan metode yang dipilih, baik dengan metode hirarki maupun non-hirarki. Kluster yang terbentuk sesuai dengan metode masing-masing akan dilakukan interpretasi, memberi nama spesifik yang menggambarkan isi kluster tersebut.
Melakukan validasi dan profiling cluster. Kluster yang terbentuk kemudian diuji apakah hasil tersebut valid. Kemudian, dilakukan hasil profiling untuk menjelaskan karateristik setiap kluster yang terbentuk berdasarkan tujuan masing-masing.
Ukuran kemiripan. Sesuai dengan prinsip kluster yaitu
mengelompokkan objek yang memiliki kemiripan, maka proses pertama adalah mengukur seberapa jauh ada kesamaan antar objek. Adanya sebuah ukuran kuantitatif untuk menyatakan bahwa dua objek tertentu lebih mirip dibanding dengan objek yang lain, maka akan menghilangkan kebingungan dan
memudahkan proses formal dalam pengelompokan (Gunawan, 2016).
Ada tiga ukuran kemiripan dalam analisis kluster yaitu:
Jarak euclidean. Salah satu ukuran yang digunakan untuk menetukan besaran jarak adalah Euclidean Distance. Jarak euclidean merupakan jarak antara dua objek dari p dimensi pengamatan. Jarak euclidean digunakan jika variabel amatan saling bebas atau tidak berkorelasi satu sama lain (tidak terjadi
multikolinearitas). Namun jika terjadi multikolineritas, dapat diatasi dengan
mentransformasi data menggunakan principle component analysis karena jika data yang digunakan dalam analisis cluster ialah skor komponen dari hasil principle component analysis maka tidak akan ditemukan lagi adanya multikolinearitas (Gunawan, 2016).
Dua individu, yaitu X dan Y dengan variabel berdimensi p, atau dapat dituliskan dalam bentuk vektor:
dan
mempunyai Euclidean Distance sebesar:
Di mana:
adalah nilai variabel pertama untuk individu X adalah nilai variabel kedua untuk individu X adalah nilai variabel ke-p untuk individu X adalah nilai variabel pertama untuk individu Y adalah nilai variabel kedua untuk individu Y adalah nilai variabel ke-p untuk individu Y
Jika persamaan di atas dituliskan dalam bentuk vektor, maka formulasi matematisnya adalah sebagai berikut:
Jarak city-block. Nama lain dari jarak city block adalah jarak manhattan.
Diberi nama demikian karena jarak yang terbentuk antara blok seperti
blok-]
blok di kota manhattan. Sebagai contoh untuk menghitung jarak dari titik A menuju 2 blok ke timur kemudian belok 3 blok ke utara (Han, 2012).
Jarak mahalanobis. Jika terjadi multikolinearitas selain dengan
mentransformasi data dengan principle component analysis, dapat juga dengan ukuran jarak mahalanobis. Jarak mahalanobis dapat dihitung dengan rumus:
Perumusan inilah yang menjadi dasar bagi berbagai macam metode pengelompokan yang dikenal dalam analisis multivariat. Secara umum, pengelompokan individu atau objek terbagi dua, yaitu:
Teknik pengelompokan. Secara umum, teknik pengelompokan dalam analisis kluster menggunakan metode yang terbagi atas dua, yaitu metode hirarki dan metode non hirarki, sebagai berikut:
Metode hirarki. Dalam metode ini proses dimulai dengan melakukan pengelompokan/grouping dengan dua atau lebih objek yang mempunyai kesamaan paling dekat. Selanjutnya, proses dilakukan ke objek lain yang mempunyai kedekatan kedua. Demikian seterusnya sehingga kluster akan membentuk „semacam pohon‟ dimana ada tingkatan/perbedaan yang jelas antar objek, dari yang paling mirip sampai paling tidak mirip. Dalam praktik, metode hirarki lebih banyak digunakan, karena pembentukan klusternya bersifat alamiah karena jumlah kelompok yang hendak dibentuk belum diketahui. Namun, metode hirarki biasanya digunakan untuk individu yang tidak terlalu banyak sehingga tidak baik diterapkan untuk menganalisis sampel dengan ukuran besar (Santoso, 2017).
Biasanya pengelompokan ini disajikan dalam bentuk dendogram untuk membantu memperjelas proses hirarki. Dendogram adalah diagram pohon yang sering digunakan untuk menggambarkan pengaturan kluster yang terbentuk melalui pengelompokan hirarki. Dendogram biasanya digunakan untuk membantu memperjelas proses hirarki tersebut.
Dalam metode hirarki terdapat dua prosedur yaitu:
Agglomerative (metode penggabungan). Metode ini diawali dengan n buah kluster yang masing-masing beranggotakan satu objek. Kemudian dua kluster yang paling dekat digabungkan dan ditentukan kembali kedekatan antar kluster yang baru. Proses ini berlanjut sampai didapatkan satu kluster yang anggotanya seluruh objek.
Divisive (Metode Pembagian). Dalam metode ini, proses dimulai dengan satu kluster yang anggotanya adalah seluruh objek, kemudian objek-objek yang paling jauh dipisahkan dan membentuk kluster lain. Proses ini berlanjut sampai semua objek masing-masing membentuk satu kluster (Gunawan, 2016).
Santoso (2017) menyebutkan ada beberapa metode untuk proses clustering secara hirarki:
1. Single Lingkage. Metode ini akan mengelompokkan dua objek yang
mempunyai jarak terdekat terlebih dahulu. Dua objek dengan jarak terdekat akan ditempatkan di kluster pertama dan seterusnya.
2. Complete Lingkage. Dalam metode ini proses dilakukan dengan mengelompokkan jarak yang terjauh terlebih dahulu pada dua objek.
Kemudian, proses dilanjutkan pada objek dengan jarak antar variabel yang makin dekat.
3. Average Lingkage. Pada metode ini proses pengelompokkan objek dilakukan berdasarkan jarak rata-rata yang didapat melalui rata-rata semua jarak antar objek terlebih dahulu. Pengelompokan ini dimulai dari tengah atau pasangan observasi dengan jarak paling mendekati rata-rata.
4. Ward’s Method. Pada metode ini, jarak diantara dua kluster yang terbentuk disebut sum of squares. Dalam metode ini berusaha untuk meminimalkan variasi antar objek yang ada dalam satu kluster dan memaksimalkan variasi dengan objek yang ada di kluster lainnya. Sehingga, memiliki kesamaan yang tinggi sesama kelompok, dan perbedaan yang tinggi antar kelompok.
5. Centroid Method. Pada metode ini, jarak antara dua kluster adalah jarak diantara dua centroid kluster-kluster tersebut. Centroid adalah rata-rata jarak yang ada pada sebuah kluster, yang didapat dengan melakukan rata-rata pada semua anggota suatu kluster tertentu. Dengan metode ini, setiap terjadi kluster baru segera terjadi perhitungan ulang centroid sampai terbentuk kluster yang tetap.
Metode non hirarki. Santoso (2017) menyatakan bahwa, metode ini justru dimulai dengan menentukan terlebih dahulu jumlah kluster yang
diinginkan (dua kluster, atau yang lain). Setelah jumlah kluster diketahui, baru proses kluster dilakukan tanpa mengikuti proses hirarki. Metode ini bertujuan untuk mengelompokkan objek dalam variabel penelitian hingga jarak tiap-tiap
objek ke pusat kluster di dalam satu kluster adalah minimum. Metode yang paling sering digunakan dari metode non hirarki adalah K-means.
Pemetaan
Pemetaan dalam Kamus Besar Bahasa Indonesia (KBBI) berarti: proses, cara membuat peta. Lembaga Penanggulangan Bencana dan Perubahan Iklim (LPBI) Nahdatul Ulama menyebutkan, peta kerawanan adalah peta yang menunjukkan kondisi wilayah dan atau masyarakat yang mengakibatkan peningkatan kerawanan masyarakat terhadap suatu bencana. Kerawanan adalah ciri-ciri fisik atau karakteristik dari kondisi suatu wilayah yang rentan terhadap bencana tertentu. Dalam penelitian ini kerawanan terjadinya penyakit pneumonia pada balita berdasarkan karakteristik balita dan lingkungan di kecamatan tersebut yang merupakan faktor risiko dari terjadinya penyakit pneumonia pada balita di Kota Medan.
Pemetaan dalam penelitian ini berfungsi untuk menggambarkan pengelompokan puskesmas yang memiliki karakteristik yang hampir sama terhadap faktor risiko terjadinya penyakit pneumonia pada balita yang terbentuk melalui hasil dari analisis kluster dan menggambarkan potensial wilayah kerja puskesmas terhadap terjadinya penyakit pneumonia, yang telah diperoleh melalui analisis kluster dan penghitungan lainnya. Dengan tujuan dapat lebih mudah melihat pengelompokan puskesmas berdasarkan karakteristik masing-masing wilayah kerja puskesmas melalui faktor risiko penyakit pneumonia pada balita.
Pemetaan dalam penelitian ini menggunakan QGIS (Quantum
Geographic Information System). QGIS merupakan suatu perangkat berbasis
Sistem Informasi Geografis (SIG) yang gratis dan mudah untuk digunakan dalam pengaplikasiannya. Dalam penggunaan QGIS memungkinkan penggunanya untuk melakukan proses pembuatan peta dengan banyak lapisan menggunakan berbagai proyeksi data.
Contoh pemetaan dalam penelitian yang dilakukan oleh Tania Alindrona (2014) , hasil pemetaan yang diperoleh sebagai berikut:
Gambar 1. Peta intervensi daerah penyakit pneumonia di Kota Padang
Peta seperti contoh diatas memberi kemudahan untuk melihat status suatu daerah tanpa perlu membaca deskripsi yang panjang, cukup dengan melihat warna dan keterangan warna. Sehingga diperoleh kemudahan dan keefektifan dalam memperoleh informasi yang tersedia dalam bentuk peta yang dibuat menggunakan QGIS.
Pneumonia
Identifikasi pneumonia. Pneumonia adalah penyakit yang disebabkan kuman Pnemunococcus, Staphylococcus, Streptococcus dan virus. Gejala
penyakit pneumonia yaitu menggigil, demam, sakit kepala, batuk, mengeluarkan dahak dan sesak napas. Pneumonia balita adalah penyakit infeksi yang
menyerang paru-paru yang ditandai dengan batuk disertai napas cepat dan atau napas sesak pada anak usia balita (0-5 tahun) (Dinas Kesehatan Kota Medan, 2017).
Etiologi pneumonia. Pneumonia disebabkan oleh sejumlah agen infeksi, termasuk virus, bakteri dan jamur. Yang paling umum adalah:
1. Streptococcus pneumoniae (pneumunococcus), penyebab paling umum pneumonia bakteri pada anak.
2. Haemophilus influenze tipe b (Hib), penyebab paling umum kedua dari pneumonia bakteri.
3. Respiratory Syncytial Virus (RSV) adalah penyebab virus pneumonia yang paling umum (WHO, 2016).
Cara penularan pneumonia. Bakteri penyebab pneumonia dapat hidup di udara sehingga menyebar dalam beberapa cara. Salah satu diantaranya melalui pernapasan manusia, bakteri masuk melalui inhalasi/saluran pernapasan pada seseorang yang sehat bersama udara yang dihirup, di samping itu penularan bisa terjadi akibat percikan droplet penderita yang dikeluarkan saat batuk atau bersin sehingga bakteri yang dikeluarkan dapat mengenai orang yang berada disekitar penderita (WHO, 2016).
Faktor penyebab pneumonia
Faktor agent. Studi mikrobiologik menemukan bahwa penyebab utama bakteriologik pneumonia pada balita adalah Streptococcus pneumoniae
pneumococcus, Hemophilus influenza type b/hib, serta Staphylococcus aureus hingga Klebsiela pneumonia pada kasus berat. Bakteri lain seperti Mycoplasma pneumonia, Chlamydia spp, Pseudomonas spp juga menyebabkan pneumonia (WHO, 2016).
Faktor risiko pneumonia. Faktor Risiko adalah faktor atau keadaan yang mengakibatkan seorang anak rentan menjadi sakit atau sakitnya menjadi berat (Pusat Data dan Surveilans Epidemiologi Kemenkes RI, 2010).
Faktor host (penjamu). Faktor host dalam penelitian ini adalah semua faktor risiko yang terdapat pada balita yang dapat mengakibatkan kemungkinan terjadinya pneumonia pada balita. Faktor host erat kaitannya dalam hal sistem imun balita. Pneumonia merupakan penyakit menular, yang dimana penyakit menular adalah penyakit yang erat hubungannya dengan sistem imun (kekebalan tubuh) seseorang. Ketika sistem imun seseorang lemah diakibatkan beberapa faktor risiko yang dapat memengaruhinya, maka bakteri yang ada akan menginfeksi sehingga terjadi suatu penyakit. Adapun faktor risiko pada balita yang dapat menyebabkan munculnya penyakit pneumonia pada balita, yaitu:
Pemberian vitamin A. Program pemberian vitamin A setiap 6 bulan untuk balita telah dilaksanakan di Indonesia. Vitamin A bermanfaat untuk
meningkatkan imunitas dan melindungi saluran pernapasan dari infeksi kuman (Pusat Data dan Surveilans Epidemiologi Kemenkes RI, 2010).
Penelitian Herman(2002) menjelaskan balita yang tidak mendapat vitamin A dosis tinggi lengkap mempunyai peluang 3,8 kali terkena pneumonia dibanding anak yangmemilikii riwayat pemberian vitamin A dosis tinggi lengkap dan secara
statistik mempunyai hubungan(p= 0,000). Pemberian vitamin A pada balita bersamaan dengan imunisasi dapat meningkatkan titer antibodi yang spesifik.
Hasil penelitian lain menunjukan bahwa dari hasil analisis bivariat di peroleh p=0,020 (p<0,05), ini menunjukan bahwa secara statistik ada pengaruh yang siginifikan antara pemberian Vit A balita dengan kejadian pneumonia pada balita di Puskesmas Susunan Baru. Hasil OR adalah 2,7 kali lebih tinggi risiko terjadi pneumonia pada balita yang tidak diberi Vit A (Adawiyah, 2016).
Status imunisasi campak. Campak adalah penyakit infeksi yang
disebabkan oleh virus campak. Penyakit ini dapat dikatakan ringan karena dapat sembuh dengan sendirinya, namun dapat dikatakan berat dengan berbagai komplikasi seperti pneumonia yang bahkan dapat menyebabkan kematian, terutama pada anak kurang gizi dan anak dengan gangguan sistem imun.
Menurunkan kejadian penyakit campak pada balita dengan memberikan
imunisasi dapat menurunkan kematian akibat pneumonia. Imunisasi adalah suatu upaya untuk menimbulkan/meningkatkan kekebalan seseorang secara aktif terhadap suatu penyakit tertentu, sehingga bila suatu saat terpapar dengan
penyakit tersebut tidak akan sakit atau hanya mengalami sakit ringan (Pusat Data dan Surveilans Epidemiologi Kemenkes RI, 2010).
Status gizi balita. Gizi sangat memengaruhi tumbuh kembang
balita.Asupan gizi yang kurang merupakan risiko untuk kejadian dan kematian balita dengan infeksi saluran pernapasan (Pusat Data dan Surveilans
Epidemiologi Kemenkes RI, 2010).
Dalam sebuah penelitian diperoleh, balita yang memilikistatus gizi kurang berpeluang untuk terjadi pneumonia sebesar 6,52 kali dibanding responden yangberstatus gizi baik (95% CI: 2,28-18,63) (Gayatri dewi, 2016).
Pemberian ASI eksklusif. Air susu ibu diketahui memiliki zat unik yang bersifat anti infeksi. ASI juga memberikan proteksi pasif bagi tubuh balita untuk menghadapi patogen yang masuk ke dalam tubuh. Berdasarkan pedoman
manajemen laktasi yang dimaksud dengan pemberian ASI eksklusif disini yaitu bayi hanya diberi asi tanpa makanan atau minuman lain termasuk air putih kecuali obat,vitamin, mineral dan asi yang diperas. Yang termasuk dalam golongan tidak memberi ASI eksklusif disini yaitu pemberian ASI predominan artinya, disamping ASI bayi diberi sedikit air minum atau minuman cair lain.
Berat bayi lahir rendah. Bayi dengan staus berat lahir rendah memiliki risiko kematian yang lebih besar dibandingkan bayi yang lahir dengan berat normal, hal ini dapat disebabkan karena pembentukan zat anti kekebalan kurang sempurna sehingga lebih mudah terkena penyakit infeksi, terutama pneumonia dan sakit saluran pernapasan lainnya.
Faktor lingkungan (environment). Lingkungan dapat berperan sebagai faktor predisposisi (faktor kecenderungan), faktor penyebab penyakit/ agent penyebab langsung penyakit, faktor media transmisi penyakit/ reservoir
(perantara penularan penyakit), dan sebagai faktor yang memengaruhi perjalanan penyakit (faktor penunjang).
Lingkungan memegang peranan penting dalam penularan pneumonia pada balita, terutama lingkungan rumah yang sehat. Rumah sehat harus
memenuhi syarat dengan pencahayaan yang cukup, ventilasi yang cukup, dan tidak terganggu oleh suara-suara yang berasal dari dalam maupun luar rumah.
Dengan keadaan rumah yang sehat, bakteri yang kemungkinan ada di udara akan diminimalisir sehingga penularan pneumonia dapat dikurangi.
Selain itu, kepadatan penduduk yang tinggi akan membutuhkan pelayanan kesehatan dan pendidikan yang tinggi serta mempermudah penyebaran penyakit.
Penyebaran penyakit dipengaruhi oleh kepadatan populasi dalam satu wilayah, dimana peluang terjadinya kontak dengan penderita akan semakin besar sehingga penularan penyakit semakin mudah.
Kerangka Konsep
Gambar 2. Alur penelitian analisis cluster dan pemetaan puskesmas berdasarkan faktor risiko penyakit pneumonia balita di Kota Medan tahun 2016
Variabel:
X3: Balita Gizi Buruk 2. Faktor Lingkungan
Metode Penelitian
Jenis Penelitian
Penelitian ini adalah studi deskriptif karena bertujuan untuk membuat gambaran atau deskripsi, dengan menggunakan analisis data sekunder Tahun 2016 yang dikumpulkan dari Dinas Kesehatan Kota Medan dan Badan Pusat Statistik (BPS) Kota Medan.
Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Dinas Kesehatan Kota Medan Provinsi
Sumatera Utara. Waktu penelitian di mulai dari bulan April 2018 hingga Agustus 2018.
Populasi dan Sampel
Populasi. Populasi penelitian adalah seluruh puskesmas yakni 39 puskesmas yang ada di Kota Medan Tahun 2016.
Sampel. Sampel penelitian adalah keseluruhan populasi, yaitu seluruh puskesmas yang ada di Kota Medan Tahun 2016.
Variabel dan Definisi Operasional
1. Balita yang tidak mendapatkan vitamin A
Persentase balita yang tidak mendapatkan vitamin A pada setiap puskesmas di Kota Medan Tahun 2016.
2. Bayi yang tidak mendapatkan imunisasi campak
Persentase bayi yang tidak mendapatkan imunisasi campak pada setiap puskesmas di Kota Medan Tahun 2016.
3. Balita gizi buruk
Jumlah balita dengan status gizi buruk yang tercatat pada setiap puskesmas di Kota Medan Tahun 2016.
4. Kepadatan penduduk
Kepadatan penduduk adalah perbandingan antara jumlah penduduk
(kelurahan) dengan luas wilayah dalam satu wilayah kerja puskesmas di Kota Medan Tahun 2016.
Metode Pengumpulan Data
Data yang dikumpulkan adalah data sekunder dari profil kesehatan Kota Medan Tahun 2016 yang diperoleh dari Dinas Kesehatan Kota Medan yakni terdiri dari tiga variabel, sebagai berikut: vitamin A(X1), imunisasi campak (X2), gizi buruk (X3), dan data yang diperoleh dari BPS (Badan Pusat Statistik) Kota Medan Tahun 2016 yakni kepadatan penduduk (X4).
Metode Pengukuran
Adapun dalam penelitian ini, metode pengukuran dalam variabel faktor risiko penyakit pneumonia balita sebagai berikut:
Tabel1
Metode Pengukuran Faktor Risiko Penyakit Pneumonia Balita
Variabel Skala Ukur
Balita Yang Tidak Mendapatkan Vitamin A Rasio
Bayi Yang Tidak Mendapatkan Imunisasi Campak Rasio
Balita Gizi Buruk Rasio
Kepadatan Penduduk Rasio
Metode Analisis Data
Analisis data penelitian menggunakan analisis univariat dan multivariat.
Analisis univariat menggunakan analisis deskriptif untuk menggambarkan
karakteristik variabel masing-masing wilayah kerja puskesmas. Analisis
multivariat yang digunakan terdiri dari analisis kluster berhirarki dengan metode Ward’s Method dan menggunakan Euclidean Distance. Langkah-langkah dalam penelitian ini sebagai berikut:
1. Tahap pertama adalah analisis univariat yaitu analisis statistik deskriptif berupa gambaran di masing-masing variabel pada setiap puskesmas di Kota Medan Tahun 2016.
2. Tahap selanjutnya adalah analisis multivariat yaitu analisis kluster, dengan tahapan:
a. Terlebih dahulu dilakukan standarisasi data karena satuan variabel berbeda, data yang akan dihasilkan berupa Z-score.
b. Setelah proses standarisasi dilakukan. Selanjutnya, melakukan
pengelompokan puskesmas menggunakan analisis kluster metode hirarki dengan menggunakan variabel yang sudah di standarisasi. Analisis kluster adalah teknik yang dilakukan untuk mengelompokkan individu atau objek menjadi beberapa kelompok tertentu dimana setiap objek yang berada dalam kluster yang sama mempunyai kemiripan satu dengan yang lain dibandingkan dengan anggota kluster lain. Metode kluster yang digunakan adalah Ward’s Method dengan menggunakan perhitungan yang lengkap dan
memaksimumkan homogenitas didalam satu kelompok. Ukuran jarak yang digunakan adalah Squared Euclidean Distance.
c. Selanjutnya, melakukan proses kluster. Kluster yang terbentuk dapat dilihat melalui dendogram yang dibaca dari kiri ke kanan dengan menetapkan berapa jumlah kluster yang sesuai.
d. Saat jumlah kluster telah ditetapkan maka lakukan tahap profiling yaitu melakukan penamaan-penamaan pada setiap kluster dan interpretasi terhadap kluster yang terbentuk.
3. Melakukan pemetaan berdasarkan hasil analisis kluster menggunakan program QGIS.
4. Melakukan analisis dan profiling terhadap karakteristik wilayahkerja puskesmas berdasarkan hasil pengelompokan dan pemetaan.
Hasil Penelitian
Gambaran Kota Medan
Kota Medan merupakan ibukota Provinsi Sumatera Utara dengan luas wilayah 300,9 km² terdiri dari 21 kecamatan dan 151 kelurahan,ketinggian berada di 2,5 - 37,5 meter di atas permukaan laut.Secara geografis, medan terletak pada 3,30°-3,43° LU dan 98,35°-98,44° BT dengan topografi cenderung miring ke utara. Batas-batas Kota Medan sebagai berikut:
1. Sebelah Utara : Selat Malaka
2. Sebelah Selatan : Kabupaten Deli Serdang 3. Sebelah Barat : Kabupaten Deli Serdang 4. Sebelah Timur : Kabupaten Deli Serdang
Letak yang strategis ini menyebabkan Kota Medan berkembang menjadi pintu gerbang kegiatan perdagangan barang dan jasa baik itu domestik maupun internasional.Kota Medan beriklim tropis basah dengan curah hujan rata-rata 2000- 2500 mm per tahun. Suhu udara di Kota Medan berada pada maksimum 32,4°C dan minimum 24°C. Kota Medan sebagai ibu kota Provinsi Sumatera Utara merupakan pusat pemerintahan, pendidikan, kebudayaan dan perdagangan.
Jumlah penduduk Kota Medan tahun 2016 berdasarkan data dari Badan Pusat Statistik (BPS) Kota Medan adalah 2.229.408 jiwa, dengan kepadatan penduduk rata-rata 7.410 Jiwa/Km². Jumlah penduduk Kota Medan Tahun 2016 dilihat dari komposisi berdasarkan jenis kelamin memperlihatkan bahwa jumlah penduduk perempuan lebih banyak dibandingkan jumlah penduduk laki-laki, yaitu penduduk laki-laki 1.101.020 orang dan perempuan 1.128.388 orang. Penyebaran
penduduk tidak merata, daerah yang terbanyak penduduknya adalah Kecamatan
penduduk tidak merata, daerah yang terbanyak penduduknya adalah Kecamatan