Implementasi Algoritma K-Means Untuk Pengelompokan Pada Penyakit Menular Manusia Di Kabupaten Karawang
Abstract
Penyakit tuberkulosis, diare, kusta, dan pneumonia dapat dikategorikan sebuah penyakit menular yang patut diwaspadai. Terdapat permasalahan penyakit menular di daerah Kabupaten Karawang, hal ini ditandai dengan adanya kenaikan jumlah penderita penyakit menular pada setiap tahun nya. Hal ini ditandai penderita pneumonia dengan jumlah balita di Kabupaten Karawang sebanyak 239.792 perkiraan jumlah penderita penyakit pneumonia 10.133, jumlah kasus tuberkulosis anak tahun 2020 mengalami kenaikan yang cukup signifikan jumlah kasus dari 240 kasus menjadi 856 kasus, sedangkan jumlah pengidap diare yang ditemui serta ditangani Karawang tahun 2020 sebanyak 39.035 pengidap untuk seluruh usia ataupun 61%. Maka dari itu penelitian kali ini bertujuan untuk mengelompokan penyakit menular disetiap puskesmas Karawang ke dalam beberapa kelompok menggunakan algoritma k-means clustering. Dari hasil penelitian Algoritma K-Means Clustering dalam melakukan pengelompokkan diperoleh 1 data puskesmas pada cluster 1, 4 data puskesmas pada cluster 2, 45 data puskesmas pada cluster 3 dari 50 data puskesmas. Adapun hasil evaluasi menggunakan metode Elbow untuk mencari nilai K terbaik, dimana hasil K=3 merupakan jumlah cluster terbaik. Kemudian hasil tersebut dievaluasi menggunakan SSE (Sum of Square Error). Hasil evaluasi menggunakan SSE (Sum of Square Error) tingkat akurasi yang didapat, yaitu 1.949. Nilai jarak dari 2 cluster ke 3 cluster tersebut merupakan nilai yang mengalami penurunan paling signifikan atau paling besar sehingga 3 cluster merupakan cluster terbaik.
References
[2] Arijaya, Ratri, Imam Cholissodin, dan Arief Soebroto. (2020). Implementasi Metode Rough Set Dan Certainy Factor Untuk Deteksi Dini Penyakit Menular Seksual (Studi Kasus: Puskesmas Dinoyo Kota Malang). 1-14.
[3] Fatmawati, Kiki dan Agus Perdana Windarto. (2018). Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengeu (DBD) Berdasarkan Provinsi. Computer Engineering, Science and System Journal, 3.2, 173.
[4] Fauzi, Muhammad dan Yudi Yudi. (2017). Penerapan Algoritma K-Means Clustering Untuk Mendeteksi Penyebaran TBC (Studi Kasus: Di Kabupaten Deli Serdang). JTIK (Jurnal Teknik Informatika Kaputama), 1.2, 1-7.
[5] Kurniasari, Dita, Asroni, dan Slamet Aprilia Kurniasari. (2020). The Implementation Of Clustering Method With K-Means Algorithm In Grouphing Data Of Students Course Scores At Universitas Muhammadiyah Yogyakarta.
[6] Madhulatha, T.S. (2012). An Overview On Clustering Methods. IOSR Journal Of Engineering.
[7] Nadilla Yuzar Dinda. (2020). Penyakit Menular Dan Wabah Penyakit Covid-19.
[8] Purwaningrum, Oktania, Yudha Yunanto Putra, dan Amalia Anjani Arifiyanti. (2021). Penentuan Kelompok Status Gii Balita Dengan MenggunakanMetode K-Means.
[9] Rustam, Suhardi, Heru Agus Santoso, dan Catur Supriyanto. (2018). Optimasi K-Means Clustering Untuk Identifikasi Daerah Endemik Penyakit Menular Dengan Algoritma Particle Swarm Optimization Di Kota Semarang. ILKOM Jurnal Ilmiah, 10.3), 251-59.
[10] Siregar, Amril Mutoi dan Adam Puphabuana. (2017). Data Mining: Pengolahan Data Menjadi Informasi dengan Rapidminer.
[11] Siregar, Amril Mutoi, Maulana Abdur Rofik, dan Dwi Sulistya Kusumaningrum. (2021). Perbandingan Tingkat Kepuasan Siswa Terhadap Pelayanan Sekolah Menggunakan Algoritma K-Means dan K-Medoids.
[12] Sundari, Shinta Siti, dan Nida Ariani. (2019). Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan Algoritma Fuzzy C-Means (Studi Kasus: UPT Puskesmas Salawu). Jurnal VOI (Voice of Informatics), 8.2, 63-76.
[13] Tampubolon, S. S dan K Handoko. (2021). Penerapan Data Mining Analisa Penyakit Menular Pada Manusia. Computer and Science.
