SISTEM KLASTERISASI DATA KESEHATAN PENDUDUK UNTUK MENENTUKAN RENTANG DERAJAT KESEHATAN DAERAH MENGGUNAKAN K-MEANS

Indra Syahputra, Ilhamsyah Ilhamsyah, Syahru Rahmayuda, Ferdy Febrianto

Sari


Pencapaian suatu negara dalam memberikan jaminan di bidang kesehatan dapat menjadi indikator untuk mengetahui tingkat keberhasilan pembangunan sebuah negara. Di Indonesia khususnya Kota Pontianak tingkat kesehatan masih menjadi sebuah tantangan yang harus diselesaikan. Sebagai upaya memudahkan proses identifikasi kesehatan masyarakat dan mengetahui tingkat kesehatan suatu wilayah di Kota Pontianak, maka pada penelitian ini akan mengimplementasikan clustering K-Means dalam pengelompokkan setiap wilayah kecamatan berdasarkan 5 buah variabel indikator mortalitas derajat kesehatan untuk memudahkan Dinas Kesehatan kota Pontianak mengetahui tingkat kesehatan masyarakat di setiap wilayah kecamatan. Hasil dari penelitian ini berupa sistem klasterisasi data kesehatan yang mampu menghasilkan tiga buah cluster meliputi tingkat kesehatan rendah, sedang, dan tinggi. Cluster 1 memiliki nilai CBR 0,24; CDR 0,73; IMR 0,27; FMR 0,12; dan MMR 0,14 berisi 3 wilayah kecamatan. Cluster 2 beranggota 1 kecamatan memiliki nilai CBR 0,57; CDR 0,34; IMR 1, FMR 1, dan MMR 0. Dan  cluster 3 memiliki nilai CBR 0,95; CDR 0,06; IMR 0,11; FMR 0,27; dan MMR 0,87; berjumlah 2 kecamatan. Pengujian fungsional memperoleh hasil yang sesuai berdasarkan perancangan sistem. Sedangkan pengujian interface memperoleh nilai persentase 88% yang menunjukkan hasil sangat baik.


Kata Kunci


Clustering, K-Means, Derajat Kesehatan, Mortalitas

Teks Lengkap:

PDF

Referensi


Nielza, A. & Lizda, I., 2014, Klasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat Kesehatan Daerah dengan Metode K-Means, Prosiding Seminar Nasional Aplikasi Teknologi Informasi (SNATI). Hal. 52-59.

Vulandari, R., T. 2017, Data Mining Teori dan Aplikasi Rapidminer. Penerbit Gava Media, Yogyakarta.

Suyanto, Dr., 2017. Data Mining untuk Klasifikasi dan Klasterisasi Data. Penerbit Informatika.

Daniel T.S., & Wida, P.S. (2021). Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara. Jurnal Buana Informatika, Vol. 12, No. 2, Hal. 146-155.

Angelie, A.V. 2017. Segmentasi Pelanggan Menggunakan Clustering K-Means Dan Model RFM (Studi Kasus: PT. Bina Adidaya Surabaya). Surabaya: Fakultas Teknologi Informasi; Institut Teknologi Sepuluh Nopember.

Aditya, R., Zuliar, E., & Mustakim. 2017. Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 9. Hal. 219-226




DOI: https://doi.org/10.31294/jki.v10i1.12872

DOI (PDF): https://doi.org/10.31294/jki.v10i1.12872.g5740

##submission.copyrightStatement##

p-ISSN 2339-1928

e-ISSN 2579-633X



Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Email : jurnalkhatulistiwainformatika@bsi.ac.id

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

 

Jurnal Khatulistiwa Informatika Indexed by:

Image result for logo index sinta