PENGGUNAAN METODE POSSIBILISTIC FUZZY C-MEANS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI SULAWESI SELATAN BERDASARKAN JUMLAH TENAGA KESEHATAN

Analisis cluster adalah pendekatan untuk menemukan kesamaan dalam data, metode tersebut dapat digunakan untuk mengelompokkan data berdasarkan karakteristik masing-masing begitu juga dalam kasus penglompokan daerah kabupaten/kota. Metode analisis cluster yang dapat digunakan salah satunya adalah Metode Possibilistic Fuzzy C-Means (PFCM) yang dirancang untuk mengatasi kelemahan pada algoritma Fuzzy C-Means (FCM) dan Possibilistic C-Means (PCM). PFCM mengintegrasikan keunggulan FCM dalam akurasi pengelompokan dan PCM dalam menghadapi data yang tidak pasti. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Sulawesi Selatan serta memperoleh hasil evaluasi Average Silhouette Value (ASV) dari cluster yang terbentuk dengan metode PFCM pada data Data Jumlah Tenaga Kesehatan Kabupaten/Kota di Provinsi Sulawesi tahun 2019. Hasil penelitian diperoleh Nilai ASV pada data dengan outlier sebesar 0,74 menunjukkan kualitas cluster yang sangat baik, sedangkan pada data tanpa outlier memiliki nilai ASV sebesar 0,42 menunjukkan struktur cluster yang lemah. Nilai ASV yang tinggi dipengaruhi adanya outlier yang meningkatkan jarak antar cluster, sehingga membuat setiap titik data lebih dekat ke pusat cluster-nya dibandingkan dengan cluster lain dan mempengaruhi nilai evaluasi cluster. Hasil yang diperoleh menunjukkan bahwa metode PFCM menghasilkan cluster yang serupa baik dengan maupun tanpa outlier serta PFCM terbukti mampu menangani outlier dalam pengelompokan data.