Klasterisasi Penyakit Berdasarkan Wilayah dengan Metode K-Means
(Studi Kasus : Propinsi Jawa Timur)
Abstract
Berdasarkan buku Profil Kesehatan Provinsi Jawa Timur tahun 2017 hingga 2021, ada sekitar 13 penyakit yang menjadi perhatian di 38 kota atau kabupaten di Jawa Timur. Data yang disajikan belum menunjukan pengelompokan jumlah penderita baik dari penyakitnya dan daerah (kota/kabupaten). Hal tersebut mengakibatkan sulitnya mengidentifikasi wilayah prioritas penanganan penyakit berdasarkan profil kesehatan yang ada. Tujuan dari penelitian ini adalah mengelompokkan kasus ke dalam kelompok-kelompok yang relevan dan dapat diidentifikasi, dan membangun sistem berbasis website sebagai media penerapan clustering. Tahapan penelitian ini adalah (1) pengembangan model clustering menggunakan K-Means, (2) pengembangan sistem dengan database MySQL, PHP backend, Angular frontend. Hasil penelitian menunjukkan keberhasilan penerapan clustering pada 3 cluster: rendah, sedang, dan tinggi. Selain itu, prediksi tren kasus penyakit berhasil dilaksanakan dengan menggunakan data historis selama 5 periode. Uji kompatibilitas fungsional dan browser menunjukkan bahwa sistem berjalan sesuai yang diharapkan di berbagai lingkungan. Pengujian usability menunjukkan skor rata-rata sebesar 4,34 (sangat baik dengan skor maksimal 5)yang menunjukkan keberhasilan sistem dalam memenuhi kebutuhan pengguna.
References
[2] E. M. Sembiring, “Penerapan K-Means Clustering Untuk Pengelompokan Penyebaran Demam Berdarah Dengue (DBD) Di Kabupaten Deli Serdang,” TIN: Terapan Informatika Nusantara, vol. 2, no. 11, pp. 673–677, Apr. 2022, doi: 10.47065/tin.v2i11.1503.
[3] I. Zaliman, T. B. Kurniawan, and D. Antoni, “Sistem Penentuan Lokasi Pusat Layanan Terpadu Bagi Penderita Penyakit Demam Berdarah Dengan Menggunakan K-Means Clustering,” Jurnal Ilmiah Informatika Global, vol. 11, no. 2, Dec. 2020, doi: 10.36982/jiig.v11i2.1225.
[4] I. N. M. Adiputra, “Clustering Penyakit Pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means”, INSERT : Information System and Emerging Technology Journal, vol. 2, no. 2, p. 99, Jan. 2022, doi: 10.23887/insert.v2i2.41673.
[5] F. Sulistiyo Hidayat, R. Berliana, P. Affandi, V. Zuliana, and T. N. Padilah, “Penerapan K-Means Clustering dalam Pengelompokan Kasus Tuberkulosis di Provinsi Jawa Barat,” Jurnal Ilmiah Wahana Pendidikan, vol. 8, no. 15, pp. 213–227, 2022, doi: 10.5281/zenodo.7049113.
[6] B. Purwanto, A. Nilogiri, and A. E. Wardoyo, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Penyebaran Penyakit Tbc (Studi Kasus: Puskesmas Di Kabupaten Jember),” Jurnal Smart Teknologi, vol. 3, no. 3, pp. 273–285, Mar. 2022.
[7] M. I. Firdaus, P. Aisyiyah, and R. Devi, “Implementation of K-Means Algorithm for Diseases Clustering in Elderly Posyandu Participants,” ATCSJ Applied Technology and Computing Science Journal, vol. 5, no. 1, pp. 11–20, Jun. 2022, doi: 10.33086/atcsj.X.
[8] T. S. Syamfithriani, N. Mirantika, and R. Trisudarmo, “Perbandingan Algoritma K-Means dan K-Medoids Untuk Pemetaan Daerah Penanganan Diare Pada Balita di Kabupaten Kuningan,” Jurnal Sistem Informasi Bisnis, vol. 12, no. 2, pp. 132–139, Mar. 2023, doi: 10.21456/vol12iss2pp132-139.
[9] N. Purba, Poningsih, and H. S. Tambunan, “Penerapan Algoritma K-Means Clustering Pada Penyebaran Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Provinsi Riau,” Journal of Information System Research (JOSH), vol. 2, no. 3, pp. 220–226, Apr. 2021.
[10] F. S. Agoestina, H. S. Tambunan, and R. A. Nasution, “Pemanfaatan Algoritma K-Means untuk Pengelompokkan Pasien Penyakit Infeksi Saluran Pernafasan Akut (ISPA),” SATESI: Jurnal Sains Teknologi dan Sistem Informasi, vol. 2, no. 1, pp. 60–69, Apr. 2022, doi: 10.54259/satesi.v2i1.804.
[11] M. E. Al Rivan and R. A. Sonaru, “Perbandingan Metode K-Means dan GA K-Means untuk Clustering Dataset Heart Disease Patients,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 3, pp. 2585–2597, Sep. 2022, doi: 10.35957/jatisi.v9i3.2799.
[12] A. Nurhidayah, W. Lestari, and E. Purwanto, “Implementasi Data Mining Algoritma K-Means untuk Clustering Penyakit di RS Panti Waluyo Surakarta,” DutaCom, vol. 15, no. 2, Aug. 2022, doi: 10.47701/dutacom.v15i2.2009.
[13] W. Rokhimah and Kismiantini, “Analisis Clustering Tingkat Kerawanan Wilayah TErhadap Kasus Penyakit Di Kabupaten Sleman Dengan MEnggunakan Metode K-Means”, , Jurnal Kajian dan Terapan Matematika, vol. 8, no. 1, pp. 25–37, 2022.
[14] T. P. Sari, A. L. Hananto, E. Novalia, T. Tukino, and S. S. Hilabi, “Implementasi Algoritma K-Means dalam Analisis Klasterisasi Penyebaran Penyakit Hiv/Aids,” Infotek : Jurnal Informatika dan Teknologi, vol. 6, no. 1, pp. 104–114, Jan. 2023, doi: 10.29408/jit.v6i1.7423.
[15] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2017. Surabaya, 2018.
[16] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2018. 2019.
[17] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2019. 2020.
[18] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2020. 2021.
[19] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2021. 2022.
Copyright (c) 2024 Karmilasari
This work is licensed under a Creative Commons Attribution 4.0 International License.
