Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means

Abstract View: 696, SIMILARITY INDEX Download: 0 PDF Download: 636

Authors

  • Hosni Mubarak Universitas Jambi
  • Gusmi Kholijah Universitas Jambi

DOI:

https://doi.org/10.32665/statkom.v2i1.1597

Keywords:

Analisis Klaster, Metode K-Means, Penyakit Menular

Abstract

Latar   Belakang: Kesehatan merupakan salah satu indikator pada pembangunan manusia, masalah kesehatan di Provinsi Jambi sedang dihadapkan pada beban ganda yang mana masalah penyakit menular masih menjadi masalah yang belum dapat diselesaikan.

Tujuan: Menerapkan analisis kluster metode K-Means untuk mengetahui hasil pengelompokan setiap kabupaten/kota di Provinsi Jambi, sehingga memudahkan Dinas Kesehatan Provinsi Jambi dalam mengevaluasi dan menggambil kebijakan terkait masalah penyakit menular.

Metode: Pengelompokan menggunakan metode yaitu K-Means untuk mengelompokan data. Penelitian ini dilakukan di Provinsi Jambi dengan menggunakan data dari Badan Pusat Statistik Provinsi Jambi dengan data penyakit menular adalah malaria, kusta, pneumonia, IMS dan HIV/AIDS.

Hasil: Diperoleh hasil tiga centroid  dengan masing-masing karakteristik yang berbeda yaitu kluster 1 rendah pada penyakit malaria, pneumonia dan HIV/AIDS, Klaster 2 tinggi pada penyakit malaria, pneumonia dan HIV/AIDS, dan kluster 3 sedang pada kusta, penumonia dan HIV/AIDS.

Kesimpulan: Kabupaten/kota di Provinsi Jambi berdasarkan penyakit menular dikelompokan menjadi 3 Klaster yaitu Klaster rendah dengaan anggota Kabupaten Kerinci, Batang Hari, Muaro Jambi, Tanjung Jabung Timur, Tanjung Jabung Barat dan Kota Sungai Penuh. Klaster sedang dengan anggota Kabupaten Merangin, Sarolangun, danTebo. Kemudian klaster tinggi dengan keanggotaan Kabupaten Muaro Bungo dan Kota Jambi.

 

References

Abbas, S. A., Aslam, A., Rehman, A. U., Abbasi, W. A., Arif, S., & Kazmi, S. Z. H. (2020). K-Means and K-Medoids: Klaster Analysis on Birth Data Collected in City Muzaffarabad, Kashmir. IEEE Access, 8, 151847–151855. https://doi.org/10.1109/ACCESS.2020.3014021

Arbin, N., Suhaimi, N. S., Mokhtar, N. Z., & Othman, Z. (2016). Comparative analysis between K-Means and k-medoids for statistical klastering. Proceedings - AIMS 2015, 3rd International Conference on Artificial Intelligence, Modelling and Simulation, 117–121. https://doi.org/10.1109/AIMS.2015.82

Asroni, & Adrian, R. (2015). Penerapan Metode K-Means Untuk Klastering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang (Implementation Method for K-Means Klastering Based Student Value with Weka Interface a Case Study of Department of Information UMM Magelang). Jurnal Ilmiah Semesta Teknika, 18(1), 76–82. https://doi.org/10.18196/st.v18i1.708

BPS. (2022a). Kota Jambi Dalam Angka Jambi Municipality In Figures 2022. Badan Pusat Statistik Kota Jambi.

BPS. (2022b). Provinsi Jambi Dalam Angka 2022. Badan Pusat Statistik Provinsi Jambi.

Carvalho, M. J., Melo-Gonçalves, P., Teixeira, J. C., & Rocha, A. (2016). Regionalization of Europe based on a K-Means Klaster Analysis of the climate change of temperatures and precipitation. Physics and Chemistry of the Earth, 94, 22–28. https://doi.org/10.1016/j.pce.2016.05.001

Faqih, A. (2022). Implementasi Metode K-modes Untuk Pengelompokkan Angkutan Sungai Dan Penyeberangan Di Kabupaten Bojonegoro. Jurnal Statistika Dan Komputasi, 1(2), 54–63. https://doi.org/10.32665/statkom.v1i2.1135

Muzakir, A. (2014). Analisa dan Pemanfaatan Algoritma K-Means Klastering pada Data Nilai Siswa sebagai Penentuan Penerima Beasiswa. Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014, 195–200.

Nurliza, N. N. (2018). Penerapan Euclidean Distance Pada Pengenalan Pola Citra Sidik Jari. Skripsi. Universitas Islam Indonesia.

Prianto, C., & Bunyamin, S. (2020). Pembuatan Aplikasi Klastering Gangguan Jaringan Menggunakan Metode K-Means Klastering. Kreatif Industri Nusantara.

Ridwan, M., & Sunendiari, S. (2021). Mendeteksi dan Mengatasi Multikolinieritas pada Data Penelitian Diabetes Melitus Wanita Suku Indian Tahun 2018. Prosiding Statistika, 64–70. https://doi.org/10.29313/.v7i1.25565

Sobari, N., & Usman, H. (2013). Aplikasi Teknik Multivariate. Rajawali Pers.

Talakua, M. W., Leleury, Z. A., & Talluta, A. W. (2017). Analisis Klaster Dengan Menggunakan Metode K-Means untuk Pengelompokkan Kabupaten/Kota di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. Barekeng : Jurnal Ilmu Matematika Dan Terapan, 11(2), 119–128. https://doi.org/10.30598/barekengvol11iss2pp119-128

Triyanto, W. A. (2015). Algoritma K-Medoids untuk Penentuan Strategi Pemasaran Produk. Jurnal SIMETRIS, 6(1), 183–188. https://doi.org/10.24176/simet.v6i1.254

Yu, D., Liu, G., Guo, M., & Liu, X. (2018). An improved K-medoids algorithm based on step increasing and optimizing medoids. Expert Systems with Applications, 92, 464–473. https://doi.org/10.1016/j.eswa.2017.09.052

Yulianto, S., & Hidayatul, K. H. (2014). Analisis Klaster untuk Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Kesejahteraan Rakyat. Statistika, 2(1), 56–63. https://doi.org/10.26714/jsunimus.2.1.2014.%25p

Downloads

Additional Files

Published

2023-06-30

How to Cite

Mubarak, H., & Kholijah, G. (2023). Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means. Jurnal Statistika Dan Komputasi, 2(1), 20–30. https://doi.org/10.32665/statkom.v2i1.1597
Abstract View: 696, SIMILARITY INDEX Download: 0 PDF Download: 636