UNMET NEED DI INDONESIA (ANALISIS DATA SDKI, SKAP DAN SUSENAS TAHUN 2017-2020)

Abstract

ABSTRAK Tingginya kejadian unmet need KB masih menjadi masalah dalam pelayanan KB yang berdampak pada peningkatan kejadian kehamilan yang tidak diinginkan. Oleh karena itu, perlu dilakukan penerapan data mining dengan metode Kmeans pada pengelompokan provinsi di Indonesia agar dapat diketahui wilayah mana yang menjadi prioritas dalam mengurangi kejadian unmet need. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan kejadian unmet need dan-faktor yang mempengaruhinya. Metode penelitian menggunakan teknik data mining dengan metode K-means dibantu dengan aplikasi Rapidminer. Data sekunder dalam penelitian ini bersumber dari hasil SDKI, SKAP dan SUSENAS tahun 2017-2020. Hasil analisis menunjukkan bahwa terdapat dua kelompok cluster berdasarkan faktor yang mempengaruhi kejadian unmet need terbagi menjadi dua jenis kategori yaitu kategori kejadian unmet need low berada pada cluster 1 (23 provinsi) dan kategori kejadian unmet need tinggi terdapat pada cluster 2 (11 provinsi) dengan jumlah iterasi sebanyak tiga kali. Provinsi Maluku menjadi anggota tetap dengan label cluster event unmet need tinggi. Perlu adanya peningkatan KIE oleh pemerintah dan melakukan kemitraan dengan PKB/PLKB bersama petugas kesehatan KB melalui memperbanyak media KIE. Kata Kunci : Unmet need, Rapidminer, K-means ABSTRACT The high incidence of unmet need for family planning is still a problem in family planning services which has an impact on increasing the incidence of unwanted pregnancies. Therefore, it is necessary to apply data mining with the Kmeans method to the grouping of provinces in Indonesia so that it can be seen which areas are priorities in reducing the incidence of unmet need. This study aims to classify provinces in Indonesia based on the incidence of unmet need and the factors that influence it. The research method uses data mining techniques with the K-means method assisted by the Rapidminer application. The secondary data in this study were sourced from the results of the IDHS, SKAP and SUSENAS in 2017-2020. The results of the analysis showed that there were two cluster groups based on factors that influenced the incidence of unmet need which were divided into two types, namely the category of unmet need low incidence which was in cluster 1 (23). province) and the category of occurrence of high unmet need is in cluster 2 (11 provinces) with three iterations. Maluku Province is a permanent member with a high unmet need event cluster label. There needs to be an increase in IEC by the government and a partnership with PKB/PLKB with family planning health workers through increasing IEC media.