Klasterisasi Penyakit Menggunakan Algoritma K-Medoids pada Dinas Kesehatan Kabupaten Agam

Minarni, Minarni; Sari, Elsa Indah; Syahrani, Anna; Mandarani, Putri

doi:10.23887/janapati.v10i3.34904

Cited by 4 publications

(4 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode clustering adalah salah satu dari sekian banyak metode yang ada di data mining. Metode ini efektif dalam menghasilkan cluster di tumpukan data, atau mengelompokkan data ke dalam beberapa cluster, sehingga data yang berbeda harus menjadi bagian dari cluster lain (Minarni et al, 2021) (Benabdellah et al, 2019). Kerja teknik clustering didasarkan pada fakta bahwa populasi atau bagian dari data yang kita miliki dikelompokkan menjadi beberapa cluster sehingga titik data dalam kelompok yang sama lebih mirip dengan titik data lain dalam kelompok yang sama dibandingkan dengan kelompok lain(Sulistiyo Hidayat et al, 2022) (Wardani et al, 2019).…”

Section: Pendahuluanunclassified

Pengelompokan Kasus Tuberculosis Dengan Algoritma K-Means Berdasarkan Kelurahan di Kota Bogor

Putri,

Riana,

Wulandari

2024

Jurnal Penelitian Teknik Informatika, Manajemen Informatika dan

View full text Add to dashboard Cite

Tuberculosis (TBC) merupakan penyakit menular yang masih menjadi masalah sampai saat ini, angka kesakitan dan kematian akibat bakteri ini pun sangat tinggi. Penyakit TBC masih menjadi masalah kesehatan baik di dunia maupun di Indonesia terkhususnya di Jawa Barat Kota Bogor. Dengan luas wilayah Kota Bogor sebesar 11.850 Ha, tidak bisa dipungkiri bahwa terdapat penyebaran penyakit menular di Kota Bogor, penyakit menular di Kota Bogor masih cukup tinggi yang didominasi oleh penyakit TBC, DBD, dan HIV. Dengan banyaknya data kasus penyakit TBC di Kota Bogor diperlukan pengelompokkan penyakit TBC untuk mengetahui wilayah kelurahan mana saja yang kasus TBCnya itu tinggi atau rendah. Diperlukan metode yang cepat dan akurat untuk menentukan cluster di suatu daerah, karena dapat menjadi salah satu kunci pencegahan atau penyuluhan terkait penyakit TBC. Salah satu metode clustering adalah algoritma K-Means algoritma ini dapat membagi data menjadi satu atau lebih cluster dengan karakteristik yang mirip, metode ini mampu mencapai akurasi serta kecepatan prosesnya juga relatif tinggi. Penelitian ini diharapkan dapat digunakan bagi Dinas Kesehatan Kota Bogor sebagai data rujukan untuk menindak lanjuti penyebaran penyakit TBC di Kota Bogor. Berdasarkan hasil penelitian menggunakan algoritma K-Means diperoleh evaluasi dengan Silhouette Coefficient dipilih dua cluster karena memiliki nilai yang paling tinggi. Kelompok penyakit TBC tertinggi berada di cluster 2 dengan jumlah 22 kelurahan di Kota Bogor.

show abstract

Section: Pendahuluanunclassified

Pengelompokan Kasus Tuberculosis Dengan Algoritma K-Means Berdasarkan Kelurahan di Kota Bogor

Putri,

Riana,

Wulandari

2024

Jurnal Penelitian Teknik Informatika, Manajemen Informatika dan

View full text Add to dashboard Cite

show abstract

“…Berikut Flowchart yang dibuat. 4) Algoritma K-Medoids: Algoritma ini merupakan satu dari sekian banyak metode partisi klaster pembatas, karena memakai objek yang paling terpusat diklaster menjadi pusat klaster dari nilai rata-rata objek dalam sebuah klaster [16]. Langkah-langkahnya sebagai berikut di bawah ini: Inisialisasi centroid cluster sebanyak jumlah cluster.…”

Section: ) Flowchartunclassified

Data Mining K-Medoids Dan K-Means Untuk Pengelompokan Potensi Produksi Kelapa Sawit Di Indonesia

Pratama¹,

Triayudi²,

Mardiani

2022

jipi. jurnal. ilmiah. penelitian. dan. pembelajaran. informatik

View full text Add to dashboard Cite

Ton dan produktifitas 3.227,08 Kg/Ha, dengan pembagian potensi rendah, sedang dan tinggi. Kombinasi dari kedua algoritma berfungsi sangat baik karena masing masing memiliki peran tersendiri yang sesuai dengan kebutuan penelitian. Dari penggabungan 2 metode K-Medoids dan K-Means mendaptkan hasil ketiga klaster bahwa hasil produksi kelapa sawit yang memiliki potensi rendah 72% sedang 20%, tinggi 2%. Segmentasi ini disebabkan oleh kesamaan karakteristik perkebunan berdasarkan kesamaan dari luas, produksi, dan produktivitas. Yang memiliki potensi produksi tertinggi kelapa sawit ada 2 provinsi yaitu Kalimantan Barat dan Riau.

show abstract

“…Pada langkah implementasi metode, digunakan algoritma K-Means, sebagai berikut: 1. Menentukan Jumlah cluster [12]. Ditentukan sebanyak 3 cluster, diantaranya: Cluster 0 rentang usia 0 -33 Tahun…”

Section: Metode/perancanganunclassified

Analisys Mortality Rate of Tuberculosis Patients Seen From Age and Length of Treatment at RSUD Dr. M. Haulussy Ambon Using the K-Means Clustering Algorithm for the Rapidminer Application

Upuy

Palembang²

2022

Telematika

View full text Add to dashboard Cite

Tuberculosis (TB) is an infectious disease that causes major health problems in the world by the bacterium Mycobacterium tuberculosis. It spreads through the air when people with TB cough or sneeze. Maluku was in the 10th position with the most TB cases in Indonesia in 2016. Various programs and activities to control TB in Ambon City are carried out, from the process of finding cases, treating patients, health promotions to sputum examination. After that, an evaluation is carried out as an effort to prevent and control to measure the level of success and effectiveness of institutional programs in order to achieve organizational goals. To find out the development of TB cases in Maluku, especially the city of Ambon, the research conducted this time also used the k-means clustering algorithm for the rapidminer application to analyze the death rate of TB patients in terms of age and length of treatment at RSU Dr. M. Haulussy Ambon. The research conducted obtained that the highest number of patients who died were in cluster 1 with an age range of 36-55 years, then followed by the second position in cluster 0 with an age range of 6-33 years, and the last in cluster 2 with a total number of patients. died in the age range of 59-84 years. The length of stay of patients in the hospital varies from half a day to day 21 and is experienced by patients who recover as well as die. The highest patient mortality rate is in the productive age group, rarely does exercise and often engages in active activities and meets many people every day, smoking habits and lack of knowledge about health are the causes of more productive age groups suffering from TB

show abstract

Klasterisasi Penyakit Menggunakan Algoritma K-Medoids pada Dinas Kesehatan Kabupaten Agam

Cited by 4 publications

References 6 publications

Pengelompokan Kasus Tuberculosis Dengan Algoritma K-Means Berdasarkan Kelurahan di Kota Bogor

Pengelompokan Kasus Tuberculosis Dengan Algoritma K-Means Berdasarkan Kelurahan di Kota Bogor

Data Mining K-Medoids Dan K-Means Untuk Pengelompokan Potensi Produksi Kelapa Sawit Di Indonesia

Analisys Mortality Rate of Tuberculosis Patients Seen From Age and Length of Treatment at RSUD Dr. M. Haulussy Ambon Using the K-Means Clustering Algorithm for the Rapidminer Application

Contact Info

Product

Resources

About