Analisis Klasterisasi Penyakit Malaria Menggunakan Metode K-Means di Indonesia

Penulis

  • Suastika Yulia Riska Institut Teknologi dan Bisnis Asia

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.
Jurnal JITIKA volume 18 nomor 1 2024

Unduhan

Diterbitkan

2024-03-17

Cara Mengutip

Riska, S. Y. (2024). Analisis Klasterisasi Penyakit Malaria Menggunakan Metode K-Means di Indonesia. Jurnal Ilmiah Teknologi Informasi Asia, 18(1), 60–70. https://doi.org/10.32815/jitika.v18i1.991

Terbitan

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

Bagian

Artikel

Lisensi

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 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, pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal, 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