Hasil Pencarian  ::  Simpan CSV :: Kembali

"Berdasarkan standar prevalensi stunting yang ditetapkan oleh WHO, yaitu sebesar 20%,tingkat prevalensi stunting di Indonesia masih cukup tinggi. Oleh sebab itu, pada tahun2018 pemerintah menetapkan 100 kabupaten prioritas penurunan angka stunting.Penentuan 100 kabupaten tersebut hanya didasarkan pada kriteria jumlah dan prevalensibalita stunting yang dibobot dengan tingkat kemiskinan provinsi (desa-kota). Akibatnya,akan tidak efektif apabila pemerintah memberikan alokasi APBN, APBD, dan perhatianyang merata pada 100 daerah prioritas tanpa melihat kondisi pada masing-masingkabupaten untuk indikator yang lain. Dengan demikian, diperlukan analisispengelompokan 100 kabupaten prioritas intervensi stunting pada tahun 2018 berdasarkanpada indikator-indikator yang telah ditetapkan oleh Tim Nasional PercepatanPenanggulangan Kemiskinan untuk melihat kondisi keparahan stunting. Analisispengelompokan ini diharapkan dapat dijadikan acuan bagi pemerintah dalam penentuankelompok kabupaten prioritas dan diharapkan pemerintah dapat mengambil kebijakanyang tepat sesuai dengan kondisi masing-masing kelompok. Banyaknya observasi yangdigunakan adalah 100 kabupaten prioritas intervensi stunting tahun 2018 dengan terdapatdelapan variabel numerik dan enam variabel kategorik. Adapun metode yang digunakanadalah metode Partitioning Around Medoids (PAM) dengan menggunakan Gowerdistance yang mampu menangani pengelompokan pada tipe data campuran. Hasil daripenelitian ini menunjukkan bahwa terbentuk lima kelompok kabupaten yang memilikikarakteristik masing-masing. Diperoleh bahwa Cluster 5 memiliki kondisi yang relatifpaling buruk di antara cluster lainnya untuk setiap indikator, sehingga sebaiknya menjadikelompok kabupaten prioritas pertama dalam penanganan kasus stunting. Cluster yangmenjadi prioritas kedua adalah cluster 4, prioritas ketiga adalah cluster 2, dan prioritaskeempat adalah cluster 3. Cluster 1 memiliki kondisi yang relatif paling baik di antaracluster lainnya, sehingga menjadi prioritas terakhir. Kabupaten-kabupaten yang berasaldari Provinsi Papua dan Provinsi NTT secara garis besar merupakan kabupatenkabupatenyang memiliki kondisi keparahan stunting yang buruk, dengan mayoritasmerupakan anggota cluster 2, cluster 4, dan cluster 5. Secara umum untuk lebihmeningkatkan upaya penurunan angka stunting pada 100 kabupaten prioritas, pemerintahperlu mengoptimalkan upaya penurunan angka kemiskinan, meningkatkan proporsipenduduk dengan perilaku BAB di jamban, meningkatkan akses masyarakat terhadap airbersih dan akses masyarakat terhadap sanitasi yang baik, meningkatkan jumlah posyanduper desa, dan meningkatkan ketersediaan jumlah dokter pada masing-masing kabupaten

---

Based on the stunting prevalence standard set by WHO, which is 20%, the stunting

prevalence rate in Indonesia is still quite high. Therefore, in 2018 the government set 100

priority districts to reduce stunting rates. The determination of the 100 regencies only

based on the criteria of the number and prevalence of stunted children weighted by the

provincial (rural-urban) poverty rate. As a result, it will be ineffective if the government

allocates the state budget, regional budget, and equal attention to 100 priority areas

without looking at each district’s conditions for other indicators. Therefore, an analysis

of the 100 priority districts for stunting intervention needed in 2018 based on indicators

established by the National Team for the Acceleration of Poverty Reduction to see the

condition of the severity of stunting. This grouping analysis expected to use as a reference

for the government in determining priority district groups and expected the government

to take appropriate policies by each group’s conditions. The number of observations used

was 100 priority districts for stunting intervention in 2018 with eight numerical variables

and six categorical variables. The method used is the Partitioning Around Medoids (PAM)

method using a Gower distance that believed to handle grouping on mixed data types.

The results of this study indicate that five district groups formed that have their respective

characteristics. It found that cluster 5 had the relatively worst condition among the other

clusters for each indicator, so it should be the priority group in handling stunting cases.

The second priority cluster is cluster 4, the third priority is cluster 2, and the fourth priority

is cluster 3. Cluster 1 has the relatively best condition among other clusters, so it becomes

the last priority. Districts originating from Papua Province and East Nusa Tenggara

Province are generally districts that have reduced stunting severity, with the majority

being members of cluster 2, cluster 4, and cluster 5. In general, to further increase efforts

to reduce stunting rates at 100 priority districts, the government needs to optimize efforts

to reduce poverty, increase the proportion of the population with defecation behavior in

latrines, increase community access to clean water and community access to proper

sanitation, increase the number of posyandu per village, and increase the availability of

doctors in each district"

"Kanker serviks merupakan penyakit kanker yang menyerang daerah kelamin. Kanker serviks ini disebabkan oleh infeksi Human Papillomavirus HPV. Terdapat lebih dari 100 tipe HPV yang sudah teridentifikasi, namun tidak semua tipe memiliki tingkat keganasan yang sama. Clustering dapat dilakukan dengan metode partisi atau metode hirarki. Kedua metode tersebut dapat dikombinasikan dengan metode partisi pada level pertama dan hirarki pada level kedua. Metode ini dikenal dengan nama hybrid clustering. Fase partisi dapat dilakukan menggunakan PAM, K-means, atau Fuzzy c-means. Kami memilih PAM pada level pertama dan Divisive Analysis DIANA pada level kedua untuk memperoleh hasil cluster yang lebih spesifik. Kami memilih hasil clustering yang meminimalkan nilai IDB. Pada penelitian ini dilakukan clustering pada 1252 barisan DNA HPV yang diperoleh dari GenBank. Hasil dari hybrid clustering diperoleh 15 clusters, dan hasil clustering menunjukkan data dapat dikelompokkan berdasarkan genusnya.

---

Cervical cancer is a type of cancer that attacks the genital areas which may cause death. Cervical cancer is caused by Human Papillomavirus HPV which attacks uterus cells More than 100 types of HPV have been identified, but not all types have the same malignancy. One way to determine which types of HPV high risk lead to cervical cancer is by clustering or grouping data. Clustering can be achieved through partition or hierarchical method. Both clustering methods can be combined by processing partition algorithm in the first level and hierarchical in the second level.

This method is known as a hybrid clustering. The partition phase can be done by using PAM, K means, or Fuzzy c means methods. We selected Divisive Analysis DIANA algorithm for the second level in order to get more accurate clustering. We choose the clustering results which minimize the DBI value. In this work, we conduct the clustering on 1252 HPV DNA sequences data from GenBank. Results of hybrid clustering obtained 15 clusters, and the result shows that the data can be identified by genus."

"Penelitian ini bertujuan untuk mengimplementasikan spectral clustering-PAM dengan menggunakan algoritma similaritas serial dan mengimplementasikan algoritma similaritas paralel berbasis CUDA dalam metode spectral clustering pada data microarray gen karsinoma. Implementasi dibantu dengan perangkat lunak R berbasis open source yang digunakan pada algoritma spectral clustering-PAM dengan algoritma similaritas serial dan CUDA yang digunakan pada algoritma similaritas paralel. Pengelompokan data microarray gen karsinoma diawali dengan menormalisasi data menggunakan normalisasi min-max. Pada algoritma spectral clustering-PAM, pertama-tama similaritas antar gen karsinoma dihitung. Selanjutnya, membentuk matriks Laplacian ternormalisasi dari matriks diagonal dan matriks Laplacian tak ternormalisasi. Langkah berikutnya yaitu menghitung eigenvalue dari matriks Laplacian ternormalisasi dan menentukan eigenvector dari eigenvalue terkecil matriks Laplacian ternormalisasi yang disusun menjadi dataset baru untuk dipartisi setiap barisnya menggunakan metode PAM. Berdasarkan running time, waktu yang dibutuhkan untuk menghitung nilai similaritas secara paralel di CUDA 378 kali lebih cepat daripada secara serial di R. Hasil penelitian menunjukkan bahwa spectral clustering-PAM mengelompokkan data microarray gen karsinoma menjadi dua cluster dengan nilai rata-rata silhouette yaitu 0,6458276.

---

This research aims to implement the spectral clustering PAM using serial similarity algorithm and implement parallel similarity algorithm based on CUDA in spectral clustering method on microarray data of carcinoma genes. Implementation assisted with software based on open source R used in spectral clustering algorithm PAM with serial similarity algorithm and CUDA used to parallel similarity algorithm. Clustering microarray data of carcinoma genes preceded by normalizing the data using min max normalization. In the spectral clustering PAM algorithm, first of all, similarity between genes of carcinoma calculated. Furthermore, forming the normalized Laplacian matrix from diagonal matrix and unnormalized Laplacian matrix. The next step is to calculate the eigenvalues of normalized Laplacian matrix and determine the eigenvectors of k smallest eigenvalues of normalized Laplacian matrix is organized into a new dataset to be partitioned each line using PAM. Based on the running time, the time required to calculate the value of parallel similarity in CUDA is 378 times faster than a serial in R. The results showed that spectral clustering PAM classify microarray data of carcinoma genes into two clusters with an average silhouette value is 0,6458276."

"Indonesia merupakan salah satu negara di dunia yang masih menerapkan subsidi untuk Bahan Bakar Minyak (BBM). Pemerintah Indonesia sesuai dengan amanah undang-undang harus menjamin penyediaan dan pendistribusian BBM bagi seluruh rakyat Indonesia. Untuk menerapkan kebijakan ini dengan tepat maka pemahaman akan pola konsumsi BBM menjadi hal yang sangat fundamental karena setiap daerah memiliki hak yang sama dalam memperoleh sumber energi termasuk BBM. Penelitian ini menggunakan metode clustering untuk mengetahui kategori kabupaten/kota berdasarkan pola konsumsi BBM subsidi. Data yang digunakan adalah data konsumsi BBM subsidi sejak Januari tahun 2016 hingga Juni tahun 2021 dalam bentuk time series. Penelitian ini membandingkan beberapa metode clustering yaitu k-means, Partitioning Around Medoid (PAM) dan Clustering Large Applications (CLARA). Hasil yang diperoleh adalah k-means menjadi metode clustering yang paling optimal untuk analisis konsumsi BBM subsidi setelah dilakukan evaluasi terhadap nilai rata-rata Silhouette, Dunn Index dan Connectivity. Hasil clustering dengan metode k-means mengindikasikan adanya dua cluster kabupaten/kota yang memiliki tingkat kerentanan terhadap konsumsi BBM yang tinggi dan rendah. Pemerintah perlu menetapkan daerah prioritas dalam pengawasan penggunaan BBM subsidi terutama daerah dengan tingkat kerentanan penggunaan BBM subsidi yang tinggi serta untuk daerah yang memiliki tingkat kerentanan rendah pemerintah perlu meninjau kembali kuota BBM subsidi yang ditetapkan

---

Indonesia is one of the countries in the world that still applies subsidies for fuel oil (BBM). The Indonesian government following the mandate of the law must ensure the supply and distribution of fuel for all Indonesian people. Understanding the pattern of fuel consumption is very fundamental because every region has the same rights in obtaining energy sources, including fuel. This study uses the clustering method to determine the category of districts/cities based on the pattern of consumption of subsidized fuel. The data used is data on subsidized fuel consumption from January 2016 to June 2021 in the form of a time series. This study compares several clustering methods, namely k-means, Partitioning Around Medoid (PAM), and Clustering Large Applications (CLARA). The results found that k-means becomes the most optimal clustering method for the analysis of subsidized fuel consumption after evaluating the values of Silhouette, Dunn Index, and Connectivity. The results indicate that two district/city clusters have high and low levels of vulnerability to fuel consumption. The government needs to determine priority areas in supervising the use of subsidized fuel, and for areas that have a low level of vulnerability, the government needs to review the quota for subsidized fuel that has been set."

"Stunting pada anak merupakan sebuah cerminan adanya gangguan pada pertumbuhandan perkembangan anak di seribu hari pertama kehidupan. Menurut Riset KesehatanDasar tahun 2018, prevalensi balita stunting di Indonesia masih tinggi yaitu 30,8%terdiri dari 11,5% severe stunting dan 19,3% stunting. Penelitian ini bertujuan untukmengetahui faktor-faktor yang berhubungan dengan kejadian stunting pada balita usia0-59 bulan di Kabupaten Mamuju pada tahun 2018. Penelitian ini menggunakan desainstudi cross-sectional dan data sekunder Riskesdas 2018. Sampel penelitian ini adalahseluruh balita usia 0-59 bulan di Kabupaten Mamuju yang terpilih sesuai kriteria inklusidan eksklusi. Hasil penelitian menunjukkan prevalensi stunting pada balita usia 0-59bulan sebesar 43,4%. Analisis bivariat menunjukkan tidak ada hubungan yangbermakna antara variabel independen dan dependen. Namun, data faktor-faktor stuntingdi Kabupaten Mamuju dan Provinsi Sulawesi Barat menunjukkan rendahnya cakupanimunisasi, pendidikan tinggi, akses sumber air minum yang bersih dan sanitasi yanglayak. Penyakit infeksi terutama ispa dan diare masih menjadi penyakit yang seringterjadi di Kabupaten Mamuju. Pemerintah diharapkan dapat memperdalampengumpulan data Riskesdas dari faktor yang mempengaruhi kejadian stuntingsehingga dapat dilakukan penelitian yang lebih lanjut. Penelitian lebih lanjut diharapkanmenggunakan data primer atau meneliti faktor-faktor stunting yang berbeda

---

Stunting among children reflects disruption in the growth and development of childrenthat occurs in the first thousand days of life. According to the 2018 Basic HealthResearch (Riskedas), prevalence of stunting in Indonesian children under the age of 5remains high, namely 30.8% with 11.5% severe stunting and 19.3% stunting. This studyaimed to determine the factors associated with stunting among children aged 0-59months in Mamuju Distric in 2018. This study used a cross-sectional study andsecondary data from Riskedas 2018. The sample of this study was children aged 0-59months in Mamuju Distric which was selected according to inclusion and exclusioncriteria. The results showed the prevalence of stunting among children aged 0-59months was 43.4%. Bivariate analysis showed no significant relationship between theindependent and dependent variables. However, factors stunting data in Mamuju andWest Sulawesi Districts show low percentage of immunization coverage, highereducation, access to clean drinking water sources and proper sanitation. Infectiousdiseases, especially ispa and diarrhea, are still common diseases in Mamuju Distric. Thegovernment expected to deepen Riskesdas data collection from the factors that affectstunting so that further research can be carried out. Further studies are expected to useprimary data or examine different stunting factors."

"Stunting merupakan masalah kesehatan yang dapat mempengaruhi proses tumbuh kembang anak dan bersifat permanen. Penyebab stunting tidak hanya karena faktor gizi, tetapi beberapa faktor lain seperti riwayat kesehatan ibu dan anak, lingkungan dan sosio-ekonomi. Tujuan dari penelitian ini adalah untuk mengetahui hubungan hygiene dan sanitasi dengan kejadian stunting pada anak balita di Kabupaten Sampang. Penelitian ini merupakan studi cross sectional dengan besar sampel sebanyak 207 balita di Sampang dengan pengambilan sampel total sampling. Data bersumber dari Riset Kesehatan Dasar tahun 2018 oleh Badan Penelitian dan Pengembangan Kementerian Kesehatan RI. Analisis data dengan regresi logistik multivariabel. Prevalensi stunting diperoleh sebanyak 49.2%. Hasil menunjukkan bahwa ada hubungan yang signifikan antara hygiene dan sanitasi, yaitu variabel pengelolaan sampah (OR 2.005; 95%CI : 1.037-3.879) dan penggunaan jamban (OR 2.861; 95%CI : 0.973-8.417) Riwayat penyakit ISPA juga berhubungan signifikan dengan kejadian stunting (OR 3.116; 95%CI : 1.071-9.062) Walaupun tidak signifikan, riwayat diare juga menunjukkan adanya risiko terhadap stunting pada balita (OR 1.953; 95% CI 0.694-5.495) Berdasarkan hasil penelitian, disarankan bagi masyarakat Sampang untuk meningkatkan pengetahuan dan kualitas Perilaku Hidup Bersih dan Sehat, kesehatan untuk ibu dan anak, serta peningkatan penyuluhan dan perbaikan sarana prasarana hygiene-sanitasi oleh Dinas Kesehatan Kabupaten Sampang.

---

Stunting is a health problem which could affect the childs growth and development permanently. The cause of stunting is not only due to nutritional factors, but also several other factors such as maternal and child health history, environment and socio-economics. The purpose of this study was to determine the relationship of hygiene and sanitation with the incidence of stunting among under five age children in Sampang. This research was a cross sectional study with 207 samples in Sampang using a total sampling technique. Data was from the Riskesdas 2018 by the Indonesian Ministry of Healths Research and Development Agency. The results showed that there is a significant relationship between hygiene and sanitation, namely the variable of waste management (OR 2,005; 95% CI: 1,037-3,879) and the use of latrines (OR 2,861; 95% CI: 0.973-8,417). A history of Upper Respiratory Track Infection was also significantly related to the incidence of stunting (OR 3.116; 95% CI: 1.071-9.062). Even if theres no significant result for diarrhea, it showed that there was a risk by 1.9 times (OR 1.953; 95% CI 0.694-5.495) Based on the results of the study, its recommended to society improving their knowledge and quality of protection of Clean and Healthy Living, health for mothers and children, as well as improving the guidance and improvement of health-sanitation infrastructure by the Sampang District Health Office."

"[Salah satu tujuan dalam studi ekpresi gen (DNA/Protein) adalah menemukan subbagianyang penting secara biologis dan kelompok-kelompok dari gen-gen. Pengelompokan gen tersebut dapat dilakukan dengan metode hirarki maupun metode partisi. Kedua metode pengelompokan dapat dikombinasikan, dimanadilakukan fase partisi dan hirarki secara bergantian, metode ini dikenal dengan metode Hopach. Tahap partisi dapat dilakukan dengan metode PAM, SOM, atau K-Means. Proses partisi dilanjutkan dengan proses Ordered, baru kemudian dikoreksi dengan proses agglomorative, sehingga hasil pengelompokan menjadi lebih akurat. Dalam menentukan kelompok utama digunakan ukuran MSS (Median Split Silhouette). MSS mengukur homogenitas hasil pengelompokan,dimana hasil pengelompokan yang dipilih adalah yang meminimumkan MSS. Pada pengelompokan 136 barisan DNA Virus Ebola dari GeneBank. Prosesawalnya dilakukan pensejajaran global, dan dilanjutkan dengan perhitungan jarak genetik dengan menggunakan koreksi Jukes-Cantor. Pada penelitian ini didapat jarak genetik maksimum adalah 0.6153407 sedangkan jarak genetik minimum adalah 0. Selanjutnya matriks jarak genetik dapat dijadikan dasar untuk mengelompokkan barisan-barisan tersebut dengan menggunakan metode Hopach. Pada hasil pengelompokan Hopach-PAM, diperoleh kelompok utama sebanyak 10 kelompok dengan nilai MSS sebesar 0,8873843. Kelompok-kelompok virus ebola dapat diidentifikasikan berdasarkan subspesies dan tahun pertama kali mewabah.Proses pensejajaran global dan pengelompokan Hopach-PAM menggunakan bantuan program open source R.

---

One goal in the study of gene expression (DNA/Protein) is finding biologically important subsets and clusters of genes. Clustering these genes can be achieved by hierarchical and partitioning methods. Both clustering methods can be combined, where partition and hierarchy phases can be executed alternately, this method is known as a Hopach method. The partitioning step can be done by the PAM, SOM, or K-Means clustering method. The partition process continued with the process of Ordered, then corrected with agglomorative process, so that the clustminering results become more accurate. The main clusters determine by using MSS

(Median Split Silhouette). MSS is used to measure homogeneity of the clustering result, in which the clustering is selected to minimize its MSS. The clustering procceses of 136 DNA sequences of Ebola virus, are started by performing a global alignment, and continued with the genetic distance calculations using

Jukes-Cantor correction. In this research we found the maximum genetic distance is 0.6153407, meanwhile the minimum genetic distance is 0. Furthermore, the genetic distance matrix can be used as a basis for clustering sequences in Hopach-PAM clustering method. Based on, the clustering results, we obtained 10 major clusters with MSS value of 0.8873843. Ebola virus clusters can be identified by subspecies and the first occoring year of their outbreak. We implemented the global alignment process and Hopach-PAM clustering algorithm using the open source program R.;One goal in the study of gene expression (DNA/Protein) is finding biologically important subsets and clusters of genes. Clustering these genes can be achieved by hierarchical and partitioning methods. Both clustering methods can be combined, where partition and hierarchy phases can be executed alternately, this method is known as a Hopach method. The partitioning step can be done by the PAM, SOM, K-Means clustering method. The partition process continued with the process

of Ordered, then corrected with agglomorative process, so that the clustmineringresults become more accurate. The main clusters determine by using MSS (Median Split Silhouette). MSS is used to measure homogeneity of the clustering result, in which the clustering is selected to minimize its MSS. The clustering procceses of 136 DNA sequences of Ebola virus, are started by performing a global alignment, and continued with the genetic distance calculations using Jukes-Cantor correction. In this research we found the maximum genetic distance is 0.6153407, meanwhile the minimum genetic distance is 0. Furthermore, the genetic distance matrix can be used as a basis for clustering sequences in Hopach-PAM clustering method. Based on, the clustering results, we obtained 10 major clusters with MSS value of 0.8873843. Ebola virus clusters can be identified by subspecies and the first occoring year of their outbreak. We implemented the global alignment process and Hopach-PAM clustering algorithm using the open

source program R., One goal in the study of gene expression (DNA/Protein) is finding biologically

important subsets and clusters of genes. Clustering these genes can be achieved by

hierarchical and partitioning methods. Both clustering methods can be combined,

where partition and hierarchy phases can be executed alternately, this method is

known as a Hopach method. The partitioning step can be done by the PAM, SOM,

or K-Means clustering method. The partition process continued with the process

of Ordered, then corrected with agglomorative process, so that the clustminering

results become more accurate. The main clusters determine by using MSS

(Median Split Silhouette). MSS is used to measure homogeneity of the clustering

result, in which the clustering is selected to minimize its MSS. The clustering

procceses of 136 DNA sequences of Ebola virus, are started by performing a

global alignment, and continued with the genetic distance calculations using

Jukes-Cantor correction. In this research we found the maximum genetic distance

is 0.6153407, meanwhile the minimum genetic distance is 0. Furthermore, the

genetic distance matrix can be used as a basis for clustering sequences in Hopach-

PAM clustering method. Based on, the clustering results, we obtained 10 major

clusters with MSS value of 0.8873843. Ebola virus clusters can be identified by

subspecies and the first occoring year of their outbreak. We implemented the

global alignment process and Hopach-PAM clustering algorithm using the open

source program R.]"

"Tesis ini menjelaskan implementasi Permendes PDTT nomor 16 tahun 2018 tentang prioritas penggunaan dana desa terkait stunting di Desa Tompe Kabupaten Donggala tahun 2019 secara evaluasi formatif dan sumatif. Penelitian non-eksperimental metode kualitatif dengan pendekatan studi kasus dan cross sectional. Hasil penelitian menujukkan Implementasi PermendesPDTT Nomor 16 Tahun 2018 tentang prioritas penggunaan dana desa terkait stunting dalam hal input, proses, dan outputnya belum efektif dan efisien. Intervensi stunting yang dilakukan juga sesuai pedoman serta masih banyak terdapat hambatan. Oleh karena itu, harus melibatkan partisipasi aktif dari seluruh komponen dan lapisan masyarakat desa serta perlunya sosialisasi terhadap peraturan tentang dana desa dan pedoman stunting.

---

This thesis explains the implementation of ministrial regulation No.16/PermendesPDTT/2018 concerning the priority of using village funds related to stunting in Tompe Village, Donggala District in 2019 through formative and summative evaluation. This non-experimental research is a qualitative method with a cross-sectional and case study approach. The results of this study showed that the implementation of ministrial regulation No.16/PermendesPDTT/ 2018 concerning the priority of using village funds related to stunting in terms of inputs, processes and, outputs are not yet effective and efficient. Stunting interventions are also carried out according to the guidelines and there are still many obstacles. Therefore, it must involve the active participation of all components and levels of village society as well as the need to socialize the regulations on village funds and stunting guidelines."

"Pada tahun 2013, penduduk sekitar TPA Burangkeng melakukan aksi penutupan jalan masuk menuju TPA Burangkeng. Hal tersebut disebabkan banyak keluhan warga akibat pencemaran dari TPA yang masih menggunakan sistem Open Dumping. Menurut dinas lingkungan hidup pada tahun 2017 mengatakan bahwa TPA Burangkeng mengalami over kapasitas atau overload dalam penampungan sampah. Hal ini disebabkan oleh terbatasnya lahan yang sekarang dijadikan TPA Burangkeng. Tujuan penelitian ini adalah untuk mengetahui tingkat risiko dan pengaruh pajanan H2S terhadap kesehatan anak-anak yang bermukim di sekitar TPA Burangkeng pada tahun 2018. Penelitian ini menggunakan data primer dan desain studi deskriptif analitik yang menggunakan desain studi cross sectional dan metode pendekatan analisis risiko kesehatan lingkungan ARKL. Lokasi penelitian adalah pemukiman sekitar TPA sampah Burangkeng, Kecamatan Setu Kabupaten Bekasi. Total responden adalah 89 responden dengan purposive sampling yang kemudian akan dilanjutkan dengan menggunakan Snowball sampling untuk sisa sampel pada titik tersebut. Setiap titik akan mendapatkan besar sampel yang sama Proportional. Sampel manusia memiliki kriteria inklusi berupa orang tua yang memiliki anak berusia sekolah 5-12 tahun yang bermukin di sekitar TPA Burangkeng dalam radius kurang dari 1 km. Pengambilan data akan dilakukan dengan wawancara, pengukuran antropometri dan pengambilan sampel udara di ke 3 titik. Hasil penelitian didapatkan bahwa rata-rata konsentrasi H2S dalam udara ambien di ketiga titik masih memenuhi baku mutu yang berlaku yaitu < 0,02 ppm. Sedangkan, untuk rata-rata berat badan anak melebihi standar pengukuran US-EPA. Hasil perhitungan menunjukkan bahwa nilai RQ < 1 untuk pajanan realtime,dan pajanan jangka singkat. Sedangkan pada pajanan lifespan nilai RQ > 1 yang berarti anak-anak yang bermukim di sekitar TPA Burangkeng berisiko terkena efek nonkasinogenik H2S dalam jangka waktu 30 tahun. Sedangkan, untuk gejala gangguan akibat asupan H2S yaitu ISPA yang dimiliki anak-anak sebanyak 71 78,9 anak memiliki gejala gangguan ISPA. Bila dilakukan Uji Mann Whitney U Test untuk melihat hubungan antara asupan realtime dengan gejala yang dimiliki anak didapat bahwa tidak ada perbedaan signifikan rata-rata median asupan realtime antara anak yang memiliki gejala gangguan ISPA dengan yang tidak memiliki.

---

In 2013, residents around the Burangkeng’s landfill are closing the entrance. This is due to many residents complaints due to pollution from landfill that still use the Open Dumping system. According to the environmental agency in 2017 said that the Burangkeng’s landfill experiencing over capacity or overload in the garbage disposal. This is due to the limited land that is now used as Burangkeng’s landfill.

The purpose of this study was to determine the level of risk and the influence of H2S exposure on the health of children living around the Burangkeng TPA by 2018. This study uses primary data and analytic descriptive study design that uses a cross-sectional study design and methods of environmental health risk analysis approach.

The location of the research is settlement around TPA waste of Burangkeng, Setu Sub-district of Bekasi Regency. Total respondents were 89 respondents with purposive sampling which then will be continued by using Snowball sampling for the rest of the sample at that point. Each point will get the same large sample (Proportional). Human samples have inclusion criteria in the form of parents who have school-aged children (5-12 years old) who engraved around the Burangkeng TPA within a radius of less than 1 km. The data collection will be done by interview, anthropometry measurement and air sampling at 3 points.

The results showed that the average concentration of H2S in ambient air in all three points still meet the applicable quality standard that is <0,02 ppm. Meanwhile, the average child's weight exceeds the US-EPA measurement standard. The calculation results show that the RQ value <1 for realtime exposure, and short-term exposure. While the lifespan exposure, the value of RQ> 1 which means the children living around the landfill Burangkeng are at risk of H2S nonkasinogenik effect within a period of 30 years. Meanwhile, disturbances due to symptoms of H2S which ISPA owned as many as 71 children (78.9%) of the children had symptoms of respiratory infection. When tested Mann Whitney U Test to see the relationship between realtime intake with symptoms of the child found that there was no significant difference mean (median) realtime intake between children who have symptoms of ARDs with interference that has no."

"Dengue adalah salah satu penyakit endemik yang terjadi pada banyak daerah sub tropis dan tropis. Nyamuk Aedes aegypti merupakan vektor utama penyakit dengue. Jumlah insiden dengue telah meningkat secara drastis di seluruh dunia dalam beberapa dekade terakhir. Perubahan iklim dapat menyebabkan perubahan curah hujan, suhu, kelembapan, dan arah udara, sehingga dapat berpengaruh pada perkembangbiakan hidup nyamuk Aedes. Pada skripsi ini, penulis mengimplementasikan algoritma ­K-Medoids dan Fuzzy C-Means Clustering menggunakan jarak Euclidean pada data insiden dengue dan cuaca yang diambil dari kelima wilayah di DKI Jakarta pada tahun 2009 hingga 2016. Variabel yang digunakan terdiri atas rata-rata temperatur, rata-rata kelembapan udara relatif, curah hujan, dan insiden dengue. Proses implementasi dalam skripsi ini dibedakan atas 2 skenario penelitian, yaitu menggunakan 4 variabel yang telah disebutkan di atas dan 3 variabel (variabel yang sama seperti sebelumnya, namun tanpa variabel insiden dengue). Tujuan penelitian dalam skripsi ini adalah menganalisis keterkaitan antara variabel cuaca tersebut dan insiden dengue dari kelima wilayah di DKI Jakarta. Untuk menentukan jumlah klaster yang digunakan, pada metode K-Medoids Clustering dilakukan perhitungan Silhouette Coefficient dan pada metode Fuzzy C-Means Clustering dilakukan perhitungan Modified Partition Coefficient. Hasil menunjukkan bahwa terdapat korelasi yang cenderung positif antara insiden dengue dengan rata-rata kelembapan udara relatif dan jumlah curah hujan di DKI Jakarta. Sementara itu, terdapat korelasi yang cenderung negatif antara jumlah insiden dengue dengan rata-rata temperatur di DKI Jakarta. Hasil dari kedua skenario menunjukkan bahwa terdapat kemiripan nilai rata-rata temperatur yang terjadi antara Jakarta Pusat dan Jakarta Utara, serta antara Jakarta Timur, Jakarta Selatan, dan Jakarta Barat. Kemiripan nilai rata-rata kelembapan udara relatif juga terjadi pada wilayah-wilayah seperti yang telah disebutkan sebelumnya. Hasil dari kedua skenario juga menunjukkan bahwa insiden dengue yang terjadi di Jakarta Pusat dan Jakarta Utara cenderung lebih rendah dari Jakarta Timur, Jakarta Barat, dan Jakarta Selatan. Berdasarkan hasil yang diperoleh, pembentukan klaster pada skenario pertama cenderung dipengaruhi oleh jumlah insiden dengue. Sementara itu, pembentukan klaster pada skenario kedua cenderung dipengaruhi oleh jumlah curah hujan.

---

Dengue is an endemic disease prevalent in sub-tropical and tropical regions. The Aedes aegypti mosquito is the main vector of dengue. Dengue incidence has been rising dramatically throughout the last few decades. Climate change may lead to changes in rainfall, temperature, humidity, and wind direction, so that it can affect the breeding of Aedes mosquitoes. In this study, we employ K-Medoids Clustering and Fuzzy C-Means (FCM) Clustering algorithms using Euclidean distance on five regions in DKI Jakarta every year from 2009 to 2016. The variables used consist of average temperature, average relative humidity, rainfall, and dengue incidence. The implementation process in this study is divided into 2 research scenarios. Firstly using the 4 variables that was mentioned above, and secondly using 3 variables (the same variables as before, but without the dengue incidence variable). The purpose of this study is to analyze the relationships between these weather variables and dengue incidence in the five regions in DKI Jakarta. In order to determine the number of clusters used, for K-Medoids Clustering we determine the Silhouette Coefficient, and for Fuzzy C-Means Clustering we determine the Modified Partition Coefficient. The results show that there tends to be a positive correlation between the number of dengue incidence with average relative humidity and the amount of rainfall. On the other hand, there tends to be a negative correlation between the number of dengue incidence with the average temperature. The results of the two scenarios show that there are similarities in the average temperature between Central Jakarta and North Jakarta, as well as between the East Jakarta, South Jakarta, and West Jakarta. Similarities in the average relative humidity also occur in the areas mentioned before. The results of both scenarios also show that the dengue incidence in Central Jakarta and North Jakarta tend to be lower than in East Jakarta, West Jakarta, and South Jakarta. Based on the results, cluster formation in the first scenario tends to be influenced by the number of dengue incidence. Meanwhile, cluster formation in the second scenario tends to be influenced by the amount of rainfall."