Implementasi Algoritma Differential Evolution untuk Clustering Data Infeksi Tuberkulosis (TB) dalam Sistem Informasi Monitoring Kesehatan

Tuberkulosis (TBC) masih menjadi masalah kesehatan global karena penyebarannya yang tinggi, termasuk di Indonesia. Untuk mendukung upaya pencegahan dan pengendalian TBC, dSehingga diperlukan sistem pemantauan yang mampu mengolah dan menganalisis data surveilans secara efektif. Penelitian ini mengimplementasikan algoritma Differential Evolution (DE), khususnya varian self-adaptive (jDE), dalam proses clustering data pasien TBC yang diperoleh dari RSUD Syarifah Ambaini Rato Ebu Bangkalan. Data yang digunakan sebanyak 533 data berupa umur, jenis kelamin, status hiv, riwayat diabetes, hasil diagnosa, dan alamat lengkap (data geografis). Hasil evaluasi menggunakan metrik internal yaitu Silhouette Score dan Dunn Index menunjukkan bahwa kombinasi jDE dengan matriks jarak hybrid mampu menghasilkan klaster yang lebih stabil dan bermakna. Algoritma jDE menunjukkan performa konsisten dengan nilai fitness 0,51, silhouette 0,57, Dunn index 0,32, serta jumlah cluster stabil pada 8 klaster, sehingga dapat disimpulkan metode ini efektif dalam kasus klastering otomatis TBC.