Malaria Disease Clustering Analysis Using the K-Means Method in Indonesia

Authors

  • Suastika Yulia Riska Institut Teknologi dan Bisnis Asia

DOI:

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

Keywords:

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

Abstract

Malaria is a dangerous and potentially deadly disease in Indonesia. The spread and transmission of malaria occurs very rapidly. The aim of this study was to identify clusters within the state based on the intensity of malaria cases. In this study, K-means was applied to the clustering process using the values ​​of K=2, K=3, and K=5. This means that the Davis-Boldan index value for K=2 is 0.033, the Davis-Boldan index value for K=3 is 0.034, and the Davis-Boldan index value for K=5 is 0.262. The research results show that using K-Means with K=2 yields the best cluster with the lowest Davies-Bouldin index value (0.033). This will help the government plan more effective preventive measures in different provinces of Indonesia in the coming years. Therefore, this study makes an important contribution to malaria control efforts to reduce malaria incidence and public health impact in Indonesia.

Downloads

Download data is not yet available.

References

[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.
Jurnal JITIKA volume 18 nomor 1 2024

Downloads

Published

17-03-2024

How to Cite

Riska, S. Y. (2024). Malaria Disease Clustering Analysis Using the K-Means Method in Indonesia. Jurnal Ilmiah Teknologi Informasi Asia, 18(1), 60–70. https://doi.org/10.32815/jitika.v18i1.991

Issue

Vol. 18 No. 1 (2024): Volume 18 Nomor 1 (8)

Section

Articles

License

Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi,  hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia (Jitika) dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.

Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, atau pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal Jitika, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.

Anda bebas untuk:

Bagikan - salin dan sebarkan materi dalam media atau format apa pun.

Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi