Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi Rapidminer

Abstract

<jats:p>Penambangan data (data mining) bertujuan untuk mendapatkan informasi penting yang bisa memberikan nilai tambah dari sekumpulan data yang sangat besar. Clustering merupakan salah satu teknik yang ada dalam data mining yang digunakan untuk mengumpulkan dataset pada database berdasarkan kriteria yang telah ditentukan. Clustering dapat digunakan salah satunya di bidang kesehatan, seperti untuk memprediksi penyebaran penyakit di suatu tempat. Tujuan dari penelitian ini untuk menentukan pola penyebaran penyakit Tuberculosis (TBC) yang terjadi di Kabupaten Ponorogo menggunakan algoritma K-Means Clustering dengan Cross-Industry Standard Process for Data Mining (CRISP-DM) yang merupakan standar pengolahan data mining untuk sebuah institusi maupan industri. Penelitian ini dapat digunakan sebagai data rujukan untuk Dinas Kesehatan Kabupaten Ponorogo dalam penanganan penyebaran penyakit TBC di Kabupaten Ponorogo. Berdasarkan hasil penelitian, diperoleh accuracy dan performa Area under the Curve (AUC) dari K-Means sebesar 84,13% dan 0,837. Pola penyebaran penyakit TBC tertinggi terdapat di daerah Puskesmas Ngebel, disusul kemudian daerah Puskesmas Babadan.</jats:p>

Penerapan Algoritma Fp-Growth Untuk Menentukan Pola Pembelian Makanan Di Warmindo

“…Data dalam penelitian ini termasuk ke dalam data sekunder karena diperoleh dari Kaggle. Data sekunder merupakan data yang diperoleh dari berbagai sumber seperti buku, jurnal ilmiah, serta laporan penelitian yang berasal dari internet [14]. Data ini digunakan untuk mengetahui hasil aturan asosiasi terkait pola pembelian customer di Warmindo.…”

Implementation of K-Means Algorithm for Diseases Clustering in Elderly Posyandu Participants

“…In 2022, Ariyanto Analyze and classify data using the K-Means algorithm to be able to group data on patients with ARI symptoms quickly and accurately [9]. In 2020, Al-Rizki et al apply data mining to determine the spread of TB disease with a case study at RSU Aisyiyah Ponorogo [10]. In 2020, Haryadi & Atmaja conducted a study to classify risk levels for heart disease by age using the K-Means Clustering Algorithm [11].…”

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

“…Pemanfaatan metode data mining sangat banyak digunakan oleh banyak kalangan diantaranya di kalangan bisnis yang dapat membantu perusahaan merencanakan dan memperoleh informasi tepat agar dapat dilakukan prediksi berdasarkan tren penjualan masa lalu dan kondisi saat ini untuk meningkatkan omzet perusahaan atas informasi tersembunyi di balik produk yang laris di pasaran, dan dalam bidang kesehatan, dapat dimanfaatkan dalam memprediksi ketersediaan stok obat yang dibutuhkan pada musim tertentu sehingga di apotek atau rumah sakit ketersediaan obat selalu ada ketika dibutuhkan oleh banyak pasien. Algoritma K-Means clustering merupakan teknik pengolahan data mining [5], yang mengelompokkan data satu atau lebih kelompok dengan memiliki karakter yang mirip antara data yang satu dengan data lainnya, serta memiliki ciri khas unsupervised [6]. Unsupervised Learning digunakan dalam pencarian pola dari semua variabel [7].…”

“…Sebanyak 100 solusi pembelajaran yang dimiliki RapidMiner untuk pengelompokan, klasifikasi dan analisis regresi [8]. Rapidminer memberikan layanan dalam menganalisis integritas data, analisa data, dan pelaporan data dalam satu rangkaian [5].…”

“…Peneliti selanjutnya yang berjudul "Penerapan Algoritma K-Means Clustering Analisis pada Penyakit menular manusia (Studi Kasus Kabupaten Majalengka)" menghasilkan metode pengendalian persediaan pada puskesmas pandanaran, jika suatu saat akan dilakukan pengadaan persedian obat makan petugas dapat melihat daftar puskesmas mana saja yang banyak menampung penderita penyakit menular. Penelitian lainnya dengan judul "Prediksi Penyebearan Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi RapidMiner" menyatakan bahwa penerapan data mining dengan metode K-Means Clustering dalam penentuan pola penyebaran penyakit TBC di Kabupaten Ponorogo berhasil dilakukan dan mampu menentukan persebaran daerah yang terjangkit penyakit TBC [5]. Penelitian lain dengan metode sejenis yang berjudul "Klusterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Dengan Menggunakan K-Means Clustering" menyatakan presentase usia pasien dengan rentang tertinggi yaitu pasien usia tua sebesar 46%, kemudian pasien dengan usia parobaya sebesar 31% dan disusul oleh pasien dengan usia muda 24% [10].…”