Penerapan Algoritma Self Organizing Maps (SOM) Dan K-Means Untuk Mengelompokkan Akseptor KB Di NTB
Abstract View: 205, SIMILARITY INDEX Download: 0 PDF Download: 135DOI:
https://doi.org/10.32665/statkom.v3i1.2960Keywords:
Clustering, SOM, K-Means, Akseptor Keluarga Berencana, Validasi InternalAbstract
Latar Belakang: Salah satu permasalahan utama terkait penggunaan KB yaitu berhubungan dengan ketersediaan layanan kesehatan, sehingga untuk memberikan akses yang lebih baik kepada masyarakat terhadap informasi dan layanan dapat dilakuakn analsis clustering yang membantu mengidentifikasi wilayah-wilayah di NTB yang memiliki akses terbatas terhadap layanan kesehatan reproduksi.
Tujuan: Tujuan penelitian ini, pertama adalah untuk mengetahui gambaran umum akseptor keluarga berencana seluruh kecamatan di NTB. Kedua adalah untuk mengetahui hasil cluster akseptor keluarga berencana di kecamatan seluruh NTB 2022 dengan algoritma SOM dan K-means serta mengetahui algoritma terbaik pada data akseptor keluarga berencana di kecamatan seluruh NTB ditinjau dari nilai validasi internal.
Metode: Algoritma clustering yang digunakan pada penelitian ini yaitu SOM dan K-means.
Hasil: Berdasarkan hasil analisis didapatkan bahwa suntik merupakan akseptor tertinggi di NTB sebanyak 299.344. Sedangkan akseptor terendah adalah kondom sebanyak 7.333. Hasil penelitian dengan algoritma SOM memiliki 2 cluster yaitu cluster 1 terdapat 103 kecamatan dan cluster 2 terdapat 14 kecamatan. Algoritma K-means memiliki 2 cluster yaitu cluster 1 terdapat 84 kecamatan dan cluster 2 terdapat 33 kecamatan.
Kesimpulan: Algoritma terbaik untuk pengelompokan akseptor keluarga berencana di kecamatan seluruh Provinsi NTB adalah algoritma SOM.
References
Adha, R., Nurhaliza, N., Sholeha, U., & Mustakim, M. (2021). Perbandingan Algoritma DBSCAN dan K-means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 18(2), 206–211. https://ejournal.uin-suska.ac.id/indeks.php/sitekin/article/view/12469
Alessandro, P., Alessandro, B., Anna, B., Corso, G. M. Del, & Riccardo, G. (2024). Quantum clustering with k-means: A hybrid approach. Theoretical Computer Science, 992, 114466. https://doi.org/10.1016/j.tcs.2024.114466
Andayani, D., & Yulianti, M. S. (2023). Penyuluhan Alat Kontrasepsi KB Pada Pasangan Usia Subur di Masa Pandemi COVID-19 di Dusun Senang Kabupaten Lombok Timur. Abdinesia: Jurnal Pengabdian …, 3. https://unu-ntb.e-journal.id/abdinesia/article/view/235%0Ahttps://unu-ntb.e-journal.id/abdinesia/article/download/235/216
Asriny, N. I., Ramadhanty, D. R., Izzati, M. D., Putra, M. L. P., Shofura, A., Albi, C. U., & Widodo, E. (2021). Comparison of K-medoids and Self-organizing maps Algorithm in Grouping Hydrometeorological Natural Disasters in Java Island. IOP Conference Series: Materials Science and Engineering, 1077(1), 012008. https://doi.org/10.1088/1757-899x/1077/1/012008
Bahar, M., & Anwar, E. N. (2022). Gambaran Kadar Glukosa Darah Sewaktu Pada Pengguna Kontrasepsi Pil Kb Di Puskesmas Dermayu Kabupaten Seluma. Klinikal Sains : Jurnal Analis Kesehatan, 10(2), 122–130. https://doi.org/10.36341/klinikal_sains.v10i2.2701
Haowen, Z., Jing, L., Junru, Z., & Yabo, D. (2024). Speeding up k-means clustering in high dimensions by pruning unnecessary distance computations. Knowledge-Based Systems, 284, 111262. https://doi.org/10.1016/j.knosys.2023.111262
Kasih, P., Rizki, M., Informatika, T., & Teknik, F. (2019). Pengelompokan Pengaduan Masyarakat Pada Stasiun. 3(1), 54–64.
Katrina, W., Irawan, E., & Perdana, A. (2018). Implementasi Metode K-means Cluster Dengan Rapid Minner Dalam Mengelompokkan Wanita Berstatus Kawin Pengguna KB Menurut Provinsi. Ready Star, 1, 49–58. https://ptki.ac.id/jurnal/indeks.php/readystar/article/view/6/pdf
Khan, A. S. S., Fatekurohman, M., & Dewi, Y. S. (2023). Perbandingan Algoritma K-medoids Dan K-means Dalam Pengelompokan Kecamatan Berdasarkan Produksi Padi Dan Palawija Di Jember. Jurnal Statistika Dan Komputasi, 2(2), 67–75. https://doi.org/10.32665/statkom.v2i2.2301
Merino, J., Caballero, I., Rivas, B., Serrano, M., & Piattini, M. (2016). A Data Quality in Use Model for Big Data. Future Generation Computer Systems, 63, 123–130. https://doi.org/10.1016/j.future.2015.11.024
Mushonnif, A. (2019). Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasarkan Indikator Indeks Pembangunan Manusia Menggunakan Metode Som. INDEKSIA : Infomatic and Computational Intelligent Journal, 1(1), 14. https://doi.org/10.30587/indeksia.v1i1.821
Nastiti, P. R., Suprapty, B., & Gaffar, A. F. O. (2018). Perbandingan Hasil Algoritma Self Organizing Map (SOM) dan Fuzzy C-Means Clustering Untuk Kualifikasi Data Kinerja Dosen. Prosiding Seminar Nasional Ilmu Komputer Dan Teknologi Informasi, 3(2), 15–21.
Nisrina, S., Nurmayanti, W. P., Basirun, Kertanah, & Muhammad Gazali. (2022). Penerapan Metode Clustering SOM dan DBSCAN dalam Mengelompokkan Unmet Need Keluarga Berencana di Nusa Tenggara Barat. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 15(2), 237–244. https://doi.org/10.36456/jstat.vol15.no2.a5549
Nuryani, I., & Darwis, D. (2021). Analisis Clustering Pada Pengguna Brand Hp Menggunakan Metode K-means. Prosiding Seminar Nasional Ilmu Komputer, 1(1), 190–211.
Rahmawati, S., & Kardi, K. (2023). Hubungan Motivasi Dan Paritas Dengan Metode Kontrasepsi Pada Wus Kawin Di Wilayah Kerja Upt. Puskesmas Penanae Tahun 2021. SAINTEKES: Jurnal Sains, Teknologi Dan Kesehatan, 2(1), 47–53. https://doi.org/10.55681/saintekes.v2i1.20
Zulfahmi, R. N., Daul, M. K., Ayyubi, M. A., Pradnyana, I. W. J., & Bekti, R. D. (2023). Pemetaan Kerentanan Tingkat Kriminalitas Menggunakan Metode Self Organizing Map. INSOLOGI: Jurnal Sains Dan Teknologi, 2(5), 872–881. https://doi.org/10.55123/insologi.v2i5.2566
Waworuntu, M. N. V., & Amin, F. M. (2018). Penerapan Metode K-means Untuk Pemetaan Calon Penerima Jamkesda. Klik - Kumpulan Jurnal Ilmu Komputer, 5(2), 190. https://doi.org/10.20527/klik.v5i2.157
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Jurnal Statistika dan Komputasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish in this Journal agree to the following terms:
- The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
- Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement of its initial publication in this Journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.