Analisis Klasterisasi Penyakit Malaria Menggunakan Metode K-Means di Indonesia

Luthfi Ramdhan Faqih; Suastika Yulia Riska

doi:10.32815/jitika.v18i1.991

Penulis

Luthfi Ramdhan Faqih Program Studi Teknik Informatika, Institut Teknologi dan Bisnis Asia Malang
Suastika Yulia Riska Program Studi Teknik Informatika, Institut Teknologi dan Bisnis Asia Malang

DOI:

https://doi.org/10.32815/jitika.v18i1.991

Kata Kunci:

Clustering, Penyakit Malaria, K-Means, Davies-Bouldin Indexs Clustering, Malaria, K-Means, Davies-Bouldin Indexs

Abstrak

Malaria merupakan penyakit berbahaya dan berpotensi fatal di Indonesia. Penyebaran dan penularan penyakit malaria terjadi dengan sangat cepat. Tujuan dari penelitian ini adalah untuk mengidentifikasi cluster di negara bagian berdasarkan intensitas kasus malaria. Pada penelitian ini diterapkan metode K-Means pada proses clustering dengan menggunakan nilai K=2, K=3, dan K=5. Artinya, mengikuti K=2 dengan nilai indeks Davies-Bouldin sebesar 0,033, K=3 memiliki nilai indeks Davies-Bouldin sebesar 0,034, dan K=5 memiliki nilai indeks Davies-Bouldin sebesar 0,262. Hasil penelitian menunjukkan bahwa penggunaan K-Means dengan K=2 menghasilkan cluster terbaik dengan nilai indeks Davies-Bouldin terendah (0,033). Hal ini dapat membantu pemerintah merencanakan tindakan pencegahan yang lebih efektif di berbagai provinsi di Indonesia pada tahun-tahun mendatang. Oleh karena itu, penelitian ini memberikan kontribusi penting terhadap upaya pengendalian malaria untuk mengurangi kejadian malaria dan dampak kesehatan masyarakat di Indonesia.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] A. L. Kalua, Veronika H, and D. T. Salaki, “Sistem Pakar Diagnosa Penyakit Malaria dengan Certainty Factor dan Forward Chaining,” J. Inf. Technol. Softw. Eng. Comput. Sci., vol. 1, no. 1, pp. 22–34, 2022, doi: 10.58602/itsecs.v1i1.10.
[2] Y. Yohannes, S. Devella, and K. Arianto, “Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency,” JUITA J. Inform., vol. 8, no. 1, p. 37, 2020, doi: 10.30595/juita.v8i1.6671.
[3] Karmila, H. S. Tambunan, Sumarno, and A. P. Windarto, “Penerapan Data Mining K-Means dalam Mengelompokkan Kasus Penyakit Malaria Berdasarkan Provinsi dengan Aplikasi RapidMiner,” Reg. Dev. Ind. Heal. Sci. Technol. Art Life, pp. 31–40, 2017, [Online]. Available: https://ptki.ac.id/jurnal/index.php/readystar/article/view/4/pdf (05 Juni 2020).
[4] E. Sari and R. A. Syakurah, “Analisis Manajemen Pelatihan Kader Malaria Pada Populasi Suku Anak Dalam Di Kabupaten Musi Rawas Utara,” J.Abdimas Community Heal., vol. 4, no. 1, pp. 01–08, 2023, doi: 10.30590/jach.v4n1.582.
[5] S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. I. R.H.Zer, and D. Hartama, “Analisis Algoritma K-Medoids Clustering Dalam Pengelompokan Penyebaran Covid-19 Di Indonesia,” J. Teknol. Inf., vol. 4, no. 1, pp. 166–173, 2020, doi: 10.36294/jurti.v4i1.1296.
[6] Y. Bete, D. Santos, R. Lani, A. Ewal, and B. J. Lenggu, “Menentukan Titik Rawan Malaria Di Provinsi Nusa Tenggara Timur Menggunakan Metode K-Means Clustering,” vol. 1, no. 4, 2023.
[7] A. M. Sroyer, S. A. Mandowen, and F. Reba, “Analisis Cluster Penyakit Malaria Provinsi Papua Menggunakan Metode Single Linkage Dan K-Means,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 3, pp. 147–154, 2022, doi: 10.25077/teknosi.v7i3.2021.147-154.
[8] A. F. Zohra, S. Anwar, A. Fitri, and M. H. Nasution, “Klasifikasi Wilayah Provinsi Aceh Berdasarkan Tingkat Kerentanan Kasus Malaria Tahun 2015 – 2018,” J. Kesehat. Lingkung. Indones., vol. 18, no. 1, p. 25, 2019, doi: 10.14710/jkli.18.1.25-33.
[9] Y. Nurohmah, R. Mayasari, and B. Nurina Sari, “Optimalisasi Performa K-Means Clustering Dengan Pca Dalam Analisis Tingkat Kemiskinan Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1657–1665, 2023, doi: 10.36040/jati.v7i3.6884.
[10] R. Ranjawali, A. C. Talakua, and R. T. Abineno, “Clustering Stunting Pada Balita Dengan Metode K- Means Di Puskesmas Kanatang,” SATI Sustain. Agric. Technol. Innov., pp. 80–92, 2023, [Online]. Available: https://ojs.unkriswina.ac.id/index.php/semnas-FST/article/view/587/324.
[11] E. Febrianty, L. Awalina, and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail Optimizing Marketing Strategies with Customer Segmentation Using K-Means Clustering on Online Retail Transactions,” J. Teknol. dan Inf., vol. 13, no. September, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.