Pengelompokan Data Kesehatan Kota Bandung Menggunakan K-means Clustering
DOI:
https://doi.org/10.34818/eoe.v6i2.10673Abstract
Pada abad 21 ini era modern semakin maju, salah satunya yang banyak dibutuhkan sekarang adalah Data Science yang sangat berguna bagi berbagai perusahaan dalam mengumpulkan, mengkaji, dan menganalisa terhadap suatu data dan permasalahan yang ada. Salah satunya adalah Dana Mining dengan memanfaatkan Clustering (pengelompokan data). Pada penelitian ini yaitu mengelompokan data kesehatan pada penyakit demam berdarah, diare, dan TB BTA+ yang sering terjadi di Kota Bandung berdasarkan jumlah penduduk dan jumlah pengidap penyakit demam berdarah, diare, dan TB BTA+ sesuai dengan jenis kelaminnya. Data yang digunakan berasal dari Dinas Kesehatan Kota Bandung dan Dinas Kependudukan dan Catatan Sipil Kota Bandung. Pengelompokan data ini menggunakkan metode K-Means Clustering. K-Means Clustering sendiri adalah pengelompokan data yang ada kedalam beberapa kelompok, dimana setiap satu cluster memiliki karakteristik yang sama. Perhitungan clustering memanfaatkan persamaan Euclidean Distance dimana jarak antar data dengan centroid. Penelitian ini bertujuan untuk melakukan analisa multiaspek atas data penyakit demam berdarah, diare, dan TB BTA+ dan membangun sebuah sistem bebasis website yang memiliki kemampuan untuk melakukan klasterisasi. Kata kunci: Penyakit DBD, Penyakit Diare, Penyakit TB BTA+, K-Means Clustering, Euclidean DistanceDownloads
References
Dinas Kesehatan Kota Bandung, “Profile Kesehatan Kota Bandung Tahun 2014,” 2014. [Online]. Available: https://clouddinkes.bandung.go.id/index.php/s/DbmLfdehNX6P0Pw/download. [Diakses 29 April 2019].
Dinas Kesehatan Kota Bandung, “Profile Kesehatan Kota Bandung Tahun 2015,” 2015. [Online]. Available: https://clouddinkes.bandung.go.id/index.php/s/nTjqg5R3BT55TS0/download. [Diakses 19 April 2019].
Dinas Kesehatan Kota Bandung, “Profile Kesehatan Kota Bandung Tahun 2016,” 2016. [Online]. Available: https://clouddinkes.bandung.go.id/index.php/s/ltyhkhCwkERFIXT/download. [Diakses 19 April 2019].
Dinas Kesehatan Kota Bandung, “Profile Kesehatan Kota Bandung Tahun 2017,” 2017. [Online]. Available: https://clouddinkes.bandung.go.id/index.php/s/aH94RDEeFn1dLd7/download. [Diakses 19 April 2019].
Dinas Kesehatan Kota Bandung, “Profile Kesehatan Kota Bandung Tahun 2018,” 2018. [Online]. [Diakses 31 Januari 2019].
T. Alfina, B. Santosa dan A. R. Barakbah, “Analisa Perbandingan Metode Hierarchical Clustering, Kmeans dan Gabungan Keduanya dalam Cluster Data (Studi kasus: Problem Kerja Praktek Jurusan Teknik Industri ITS),” JURNAL TEKNIK ITS, vol. 1, no. ISSN: 2301-9271, 2012.
Kementerian Kesehatan Republik Indonesia, “Demam Berdarah Dengue (DBD),” 25 April 2017. [Online]. Available: http://www.depkes.go.id/development/site/depkes/index.php?cid=1-17042500004&id=demam-berdarah-dengue-dbd-.html. [Diakses 28
Kemeterian Kesehatan Republik Indonesia, “Situasi DIARE di Indonesia,” Juni 2011. [Online]. Available: http://www.depkes.go.id/download.php?file=download/pusdatin/buletin/buletin-diare.pdf. [Diakses 23 Juni 2019]
Kementerian Kesehatan Republik Indonesia, “Info Datin:Tuberkulosis,” 2018. [Online]. Available: http://www.depkes.go.id/resources/download/pusdatin/infodatin/infodatin%20tuberkulosis%202018.pdf. [Diakses 22 Juni 2019].
R. Xu dan D. C. Wunsch II, Clustering, Hoboken, New Jersey: A John Wiley & Sons, INC., Publication, 2009.
N. Bouhmala, “How Good Is The Euclidean Distance Metric For The Clustering Problem,” dalam 2016 5th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI), Kumamoto, Japan, 2016.
K. Rajeswari, O. Acharya, M. Sharma, M. Kopnar dan K. Karandikar, “Improvement in k-Means Clustering Algorithm Using Data Clustering,” dalam 2015 International Conference on Computing Communication Control and Automation, Pune, India, 2015.



