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

Isti Juliana Putri; Freza Riana; Berlina Wulandari

doi:10.31294/inf.v11i1.20042

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

Isti Juliana Putri, Freza Riana, Berlina Wulandari

Abstract

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.

Tuberculosis (TB) is an infectious disease that is still a problem today, the morbidity and mortality rate due to this bacteria is very high. TB is still a health problem both in the world and in Indonesia, especially in West Java, Bogor City. With an area of 11,850 hectares, it is undeniable that there is a spread of infectious diseases in Bogor City, infectious diseases in Bogor City are still quite high, dominated by tuberculosis, dengue fever, and HIV. With so much data on TB cases in Bogor City, it is necessary to group TB diseases to find out which urban villages have high or low TB cases. A fast and accurate method is needed to determine clusters in an area, because it can be one of the keys to prevention or counseling related to TB disease. One of the clustering methods is the K-Means algorithm, this algorithm can divide data into one or more clusters with similar characteristics, this method is able to achieve accuracy and the speed of the process is also relatively high. This research is expected to be used for the Bogor City Health Office as reference data to follow up on the spread of TB disease in Bogor City. Based on the results of research using the K-Means algorithm, evaluation with Silhouette Coefficient, two clusters were selected because they had the highest value. The highest TB disease group is in cluster 2 with a total of 22 villages in Kot.

Keywords

Algoritma K-Means; Kota Bogor; Tuberculosis.

Full Text:

PDF (Bahasa Indonesia)

References

Toresa, D (2020). Implementasi K-Means Terhadap penyebaran penyakit Tbc di Riau menggunakan Rapid Miner. JUTIM (Jurnal Teknik Informatika Musirawas), 5(1), 35-34.

Lenie M, S.KM. M.KL., Dr. dr. H. Syamsul A, M.PD, DLP., Ihya Hazairin

N, S.KM, M.PH., Atikah R, S.KM, M.PH., Dr. Tien Z, S.KM, M.KL.,

Agung W, S.T, M.T. (2019). Desain Kemandirian Pola Perilaku Kepatuhan Minum Obat Pada Penderita TB Anak Berbasis Android. CV Mine, 2-4.

Dinas Kesehatan Kota Bogor. (2022). Untuk Meningkatkan Notifikasi Kasus TBC di Kota Bogor, Perlunya Peningkatan Jejaring RS di Kota Bogor. Dinas Kesehatan Kota Bogor.

Jenita DT, D., Eva Y, Bondan P, Bambang T, Rosa Delima E, Lucky H. (2020). Menuju Desa Sehat Bebas Tuberkulosis Pencegahan Tuberkulosis Melalui Program Pengembangan Desa Sehat (PPDS). Husada Mandiri, 1-2.

Sulistiyo Hidayat, F., Berliana, R., Affandi, P., Zuliana, V., & Padilah, T. N. (2022). Penerapan K-Means Clustering dalam Pengelompokan Kasus Tuberkulosis di Provinsi Jawa Barat. Jurnal Ilmiah Wahana Pendidikan, 8(15), 213–227. https://doi.org/10.5281/zenodo.7049113

Febriyanti, V., Satria Tambunan, H., Saragih, I. S., Damanik, I. S., Okprana, H., Tunas Bangsa, S., Jenderal, J., Blok, S., No, A., & Pematangsiantar, I. (2020). Implementasi Algoritma K-Means Dalam Pengelompokan Kasus Penyakit Tuberkulosis Paru Berdasarkan Provinsi. Prosiding Seminar Nasional Riset Dan Information Science (SENARIS), 2, 450–456.

Diskominfo Kota Bogor. (2019). Tren Penyakit Masih Tinggi, Dinkes Lakukan Tiga Program Ini. Kota Bogor.Go.Id.

Diskominfo Kota Bogor. (2021). Letak Geografis. Kota Bogor.Go.Id.

Minarni, M., Sari, E. I., Syahrani, A., & Mandarani, P. (2021). Klasterisasi Penyakit Menggunakan Algoritma K-Medoids pada Dinas Kesehatan Kabupaten Agam. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 10(3), 137. https://doi.org/10.23887/janapati.v10i3.34904

Benabdellah, A. C., Benghabrit, A., & Bouhaddou, I. (2019). A survey of clustering algorithms for an industrial context. Procedia Computer Science, 148, 291–302. https://doi.org/10.1016/j.procs.2019.01.022.

Chunhui Yuan, Haitao Yang. (2019). Research on K-Value Selection Method of K-Means Clustering Algorithm. J, 2(2), 226-235.

Wardani, R. S., Purwanto, Sayono, & Paramananda, A. (2019). Clustering tuberculosis in children using K-Means based on geographic information system. AIP Conference Proceedings, 2114. https://doi.org/10.1063/1.5112483

Mehmed Kantardzic. (2020). Data Mining Concepts, Models, Methods, and Algorithms. John Wiley, Sons, INC., Hoboken, New Jersey. Simultaneously in Canada.

D. Ayu, I.C, Dewi, & K.Pramita. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. JURNAL MATRIX, (9)3.

Solmin Paembonan, Hisma Abduh. (2021). Penerapan Metode Silhouette Coeficient untuk Evaluasi Clustering Obat. JURNAL ILMIAH ILMU-ILMU TEKNIK, 2, (6), 50-51.

Marlina, D., Lina, N., Fernando, A., & Ramadhan, A. (2018). Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 4(2), 64. https://doi.org/10.24014/coreit.v4i2.4498

DOI: https://doi.org/10.31294/inf.v11i1.20042