El término hotspot se refiere a una ubicación o área donde la ocurrencia de un fenómeno, evento o actividad en particular es significativamente mayor que en las áreas circundantes. Los métodos estadísticos existentes necesitan ayuda para funcionar bien con datos discretos. Además, pueden identificar un hotspot falso. Este documento propone una detección de hotspot basada en grafo utilizando un conjunto rugoso (GBHSDRS) para detectar los hotspots. Este algoritmo funciona bien con datos vectoriales espaciales discretos. Además, elimina el hotspot falso encontrando la significancia estadística de los hotspots identificados. Se aplica una teoría de conjuntos rugosos al grafo de los datos poligonales espaciales, y los nodos se dividen en regiones inferiores, de límites y negativas. Por lo tanto, el hotspot candidato pertenece a la región inferior del conjunto, y el análisis del valor límite garantizará la identificación de los hotspots si el hotspot está presente en el conjunto de datos. El valor p se utiliza para encontrar la significancia estadística de los hotspots. El algoritmo se probó en los datos socioeconómicos de Uttar Pradesh (UP) desde 1991 sobre las instalaciones médicas. La ganancia promedio en densidad y el Índice de Precisión de Predicción de Hotspot (HAPI) de los hotspots detectados es del 26.54% y 23.41%, respectivamente. Una reducción promedio en el tiempo de ejecución es del 27.73%, adquirida en comparación con todos los demás métodos en los datos socioeconómicos.