KLASTERISASI PENYAKIT MENULAR DI INDONESIA MENGGUNAKAN METODE K-MEANS CLUSTERING

Hafiz Muhammad, Sylvia Anggraini

Abstract


bstract: Disease is an abnormal condition in which the body or mind experiences discomfort or dysfunction in the person it affects. Every day the number of people suffering from infectious diseases always increases with different types of diseases. Therefore, there is a need for a grouping to help the government find information about the diseases most commonly suffered by citizens. In this research, patient disease data was grouped using multidimensional clustering data mining techniques. K-Means Clustering is a non-hierarchical data clustering method that groups data in the form of one or more clusters. Data that has the same characteristics is grouped in one cluster and data that has different characteristics is grouped in another cluster so that the data in one cluster has a small level of variation. This research aims to make the government pay more attention to areas that have high rates of infectious diseases both from the environment and other things. The results of research from 34 provinces and 8 infectious diseases show data where 32 areas are very vulnerable, 2 areas are vulnerable and 2 areas are quite vulnerable.

Keywords: Data Mining, Disease Cases, K-Means

Abstrak: Penyakit adalah suatu keadaan abnormal dimana tubuh ataupun pikiran mengalami ketidaknyamanan atau disfungsi terhadap orang yang dipengaruhinya. Setiap harinya jumlah warga yang menderita penyakit menular selalu bertambah dengan jenis penyakit yang berbeda. Oleh sebab itu, perlu adanya pengelompokan untuk membantu pihak pemerintah menemukan informasi mengenai penyakit yang paling banyak diderita oleh warga. Pada penelitian ini dilakukan pengelompokkan data penyakit pasien menggunakan teknik data mining clustering multidimensi. K-Means Clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokkan data dalam bentuk satu atau lebih cluster. Data-data yang memiliki karakteristik yang sama dikelompokkan dalam satu cluster dan data yang memiliki karakteristik berbeda dikelompokkan dengan cluster yang lain sehingga data yang berada dalam satu cluster memiliki tingkat variasi yang kecil. Penelitian ini bertujuan agar pemerintah lebih perhatian terhadap daerah yang memilki angka tinggi terhadap penyakit menular baik dari lingkungan maupun dari hal lainnya. Hasil dari penelitian dari 34 Provinsi dan 8 Penyakit menular menunjukkan data dimana 32 daerah dengan sangat rawan, 2 daerah rawan dan 2 daerah cukup rawan.

Kata kunci: Data Mining, Kasus Penyakit, K-Means


Full Text:

PDF

References


S. Maesaroh, B. Bahagia, and K. Kamalludin, “Strategi Menumbuhkan Literasi Lingkungan Pada Siswa,” J. Basicedu, vol. 5, no. 4, pp. 1998–2007, 2021, [Online]. Available: https://jbasic.org/index.php/basicedu/article/view/1048

U. Maisarah Rasyidah, “Diare Sebagai Konsekuensi Buruknya Sanitasi Lingkungan,” KELUWIH J. Kesehat. dan Kedokt., vol. 1, no. 1, pp. 31–36, 2019, [Online]. Available: https://doi.org/10.24123/jkkd.v1i1.19http://journal.ubaya.ac.id/index.php/jkkd

A. D. Andini and T. Arifin, “Implementasi Algoritma K-Medoids Untuk Klasterisasi Data Penyakit Pasien Di Rsud Kota Bandung,” J. Responsif Ris. Sains dan Inform., vol. 2, no. 2, pp. 128–138, 2020, doi: 10.51977/jti.v2i2.247.

U. Rahardja, Q. Aini, and M. Iqbal, “InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan,” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 5, no. 1, pp. 40–43, 2020, [Online]. Available: https://doi.org/10.30743/infotekjar.v5i1.2464%0Ahttps://doi.org/10.30743/infotekjar.v5i1.1997

H. Akbar and F. F. Tumiwa, “Edukasi Upaya Pencegahan Hipertensi pada Masyarakat di Kecamatan Passi Barat Kabupaten Bolaang Mongondow,” JPKMI (Jurnal Pengabdi. Kpd. Masy. Indones., vol. 1, no. 3, pp. 154–160, 2020.

R. Rafdinal, D. Lestari, A. M. Ashari, R. K. Apindiati, and A. B. Aritonang, “Usaha Pencegahan Penularan Penyakit Malaria melalui Sosialisasi Bersih Lingkungan Ekowisata Mangrove Kuala Mempawah,” Lumbung Inov. J. Pengabdi. Kpd. Masy., vol. 7, no. 4, pp. 670–675, 2022, doi: 10.36312/linov.v7i4.981.

T. Kristini and R. Hamidah, “Potensi Penularan Tuberculosis Paru pada Anggota Keluarga Penderita,” J. Kesehat. Masy. Indones., vol. 15, no. 1, p. 24, 2020, doi: 10.26714/jkmi.15.1.2020.24-28.

N. P. Sari, R. Angelina, and L. Fauziah, “Pengaruh Edukasi melalui Media Video terhadap Pengetahuan dan Sikap Keluarga tentang Pneumonia pada Balita,” J. Ilmu Keperawatan Anak, vol. 2, no. 2, p. 69, 2019, doi: 10.32584/jika.v0i0.357.

Luhung Mustika Budiharti and S. Sunendiari, “Pemodelan dan Pemetaan Jumlah Penderita Kusta di Jawa Barat dengan Regresi Binomial Negatif dan Flexibly Shaped Spatial Scan Statistic,” J. Ris. Stat., vol. 1, no. 2, pp. 99–106, 2021, doi: 10.29313/jrs.v1i2.409.

H. Tjung and I. W. Aryabiantara, “Perawatan pasien dengan penyakit Tetanus yang menjalani perawatan di ruang Intensif,” Medicina (B. Aires)., vol. 52, no. 1, p. 36, 2021, doi: 10.15562/medicina.v52i1.1045.

Maryati Sutarno and Noka Ayu Putri Liana, “Faktor-Faktor Yang Berhubungan Dengan Kejadian Ispa,” J. Antara Keperawatan, vol. 2, no. 2, pp. 44–50, 2019, doi: 10.37063/antaraperawat.v2i2.76.

D. D. Prawati, “Faktor Yang Mempengaruhi Kejadian Diare Di Tambak Sari, Kota Surabaya,” J. PROMKES, vol. 7, no. 1, p. 34, 2019, doi: 10.20473/jpk.v7.i1.2019.34-45.

H. Akbar and E. Maulana Syaputra, “Faktor Risiko Kejadian Demam Berdarah Dengue (DBD) di Kabupaten Indramayu,” MPPKI (Media Publ. Promosi Kesehat. Indones. Indones. J. Heal. Promot., vol. 2, no. 3, pp. 159–164, 2019, doi: 10.31934/mppki.v2i3.626.

I. Ahmad, S. Samsugi, and Y. Irawan, “Implementasi Data Mining Sebagai Pengolahan Data,” J. Teknoinfo, vol. 16, no. 1, p. 46, 2022, [Online]. Available: http://portaldata.org/index.php/portaldata/article/view/107

M. Herviany, S. Putri Delima, T. Nurhidayah, and K. Kasini, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 34–40, 2021, doi: 10.57152/malcom.v1i1.60.

P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.

A. Yudhistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 20–28, 2023, doi: 10.58602/jaiti.v1i1.22.

D. Sartika and J. Jumadi, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: Universitas Dehasen Bengkulu),” pp. 703–709, 2019, [Online]. Available: https://seminar-id.com/semnas-sainteks2019.html




DOI: https://doi.org/10.33330/j-com.v4i1.3033

Article Metrics

Abstract view : 192 times
PDF - 165 times

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.