ANALISIS CLUSTERING TINGKAT KERAWANAN WILAYAH TERHADAP KASUS PENYAKIT DI KABUPATEN SLEMAN DENGAN METODE K-MEANS

Wirnaning Rokhimah, Prodi Matematika FMIPA UNY, Indonesia
Kismiantini Kismiantini, Prodi Matematika FMIPA UNY, Indonesia

Abstract


Penyakit adalah sebuah keadaan yang menyebabkan terganggunya fungsi ataupun bentuk salah satu bagian tubuh yang menjadikan tubuh menjadi tidak dapat bekerja dengan normal. Tujuan dari penelitian ini adalah mendiskripsikan hasil pengelompokan kecamatan berdasarkan kasus penyakit dan karakteristik dari cluster menggunakan metode k-means. Pengelompokan data penelitian jurnal kasus dilakukan pada 17 kecamatan di Kabupaten Sleman menggunakan variabel Demam Berdarah  Dengue (DBD), Diare, Tuberkulosis paru (TB paru), Hepatitis B, dan Campak. Data penelitian tersebut diperoleh dari Badan Pusat Statistika (BPS) dan Profil Kesehatan Sleman tahun 2020. Penelitian ini menghasilkan 3 cluster terbaik dengan menggunakan indeks validasi metode elbow, silhouette coefficient, dunn index. Karakteristik jurnal kasus dari setiap cluster dapat dilihat dari rata-rata variabel tiap cluster yaitu variabel DBD, Diare, TB paru, Hepatitis B, Campak. Cluster 1 memiliki nilai rata-rata variabel paling tinggi yang didominasi oleh penyakit diare dan DBD, cluster 2 memiliki rata-rata variabel lebih  rendah dari cluster 1 yang didominasi oleh penyakit diare dan Hepatitis B, cluster 3 memiliki rata-rata cluster paling rendah yang didominasi oleh penyakit diare dan campak.


Full Text:

XML

References


Achmadi, U. F. (2012). Manajemen Penyakit berbasis Wilayah. Jakarta: Rajawali Pres.

Abrianto, P. M. C. (2018). Penerapan Metode K-Means Clustering untuk Pengelompokan Pasien Penyakit Liver. Jurnal Mahasiswa Teknik Informatika, 2(2), 247-250

Badan Pusat Statistik ( 2018) Kabupaten Sleman dalam Angka 2020. Kabupaten Sleman : Badan Pusat Statistika.

Bailey, L., Vardulaki, K., Langham, J. & Chandramohan, D. (2005). Introduction to Epidemiology. Maidenhead: Open University Press.

Depkes Kabupaten Sleman (2020). Profil Kesehatan Sleman 2020. Sleman.

Dewi, I. C, & Pramita, K. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. Jurnal Matrix. 9 (3), 102-109

Fluegemann, J. K., Davies, M. D., & Aguirre, N. D. (2011). Determining the Optimal Number of Clusters With the Clustergram. NASA USRP – Internship Final Report, 1-9.

Irwanto, I, Purwananto, Y & Soelaiman, R. (2012). Optimasi Kinerja Algoritma Klasterisasi K-means untuk Kuantisasi Warna Citra. Jurnal Teknik ITS, 1 (1), 198.

Johnson, Richard A., & Wichern, Dean W. (2002). Applied Multivariate Statistical Analysis Fifth Edition. Upper Saddle River, New Jersey: Prentice Hall.

N. Putu, E. M., & Santoso, A. (2015). Analisis Penentuan Jumlah Cluster terbaik pada Metode K-Means. Seminar Nasional Multi Disiplin Ilmu, 978-979.

Ong, J. O (2013). Implementasi Algoritma K-Means Clustering untuk menentukan Strategi Marketing President University. Jurnal Ilmiah industri, 12(1), 10.

Petrovic, S. (2006). A comparison between the silhouette index and the davies-bouldin index in labeling IDS clusters. In 11 th Nordic Workshop on Secure IT-systems.

Rahmayani, M. T. (2018). Analisis Clustering Tingkat Keparahan Penyakit Pasien Menggunkan Algoritma K-means. Jurusan Informatika FST UPIT, 1 (2), 42-43.

Santosa, B. C. (2007). Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

Sari, D. K., & Nugraha, J. (2016). Analisis Kelompok Berdasarkan Wilayah Rawan Penyakit Tuberkulosis di Kabupaten Sleman. Seminar Nasional Pendidikan Matematika Ahmad Dahlan 2016. 249-254

Sibarani, R., &Chafid. (2018). Algorithma K-means Clustering Strategi Pemasaran Penerimaan Mahasiswa Baru Universitas Satya Negara Indonesia: Seminar Nasional Cendekiawan,

Supranto. (2004). Analisis Multivariat: Arti dan Interpretas. Jakarta: PT. Asdi Mahasatya.

Susilowati, T. Sugiarto, G. & Mardianto, I. (2020). Uji Validasi Algoritme Self-Organizing Map (SOM) dan K-means untuk Pengelompokan Pengawai. Jurnal RESTI, 4 (6), 1771-1178.

Vatimatunnimah, V. N. (2013). Epidemiologi Penyakit Menular dan Penyakit Tidak Menular. Jakarta : Rineka Cipta.


Refbacks

  • There are currently no refbacks.


 


Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.