Algoritma K-Medoids Untuk Clustering Penyakit Maag Di Kabupaten Karawang

Siti Nurlaela, Aji Primajaya, Tesa Nur Padilah

Abstract


Gastritis atau penyakit maag merupakan proses inflamasi atau gangguan kesehatan yang disebabkan oleh faktor iritasi dan infeksi pada mukosa dan submukosa lambung. Penyakit maag jika dibiarkan terus menerus akan merusak fungsi lambung serta dapat meningkatkan resiko kematian. Penyakit maag merupakan salah satu penyakit dengan kasus tinggi yang ada di Kabupaten Karawang. Tujuan penelitian ini yaitu untuk mengelompokkan daerah yang memiliki penyakit maag dengan tingkat tinggi dan rendah di Kabupaten. Clustering dapat dijadikan solusi untuk mengelompokkan daerah dengan tingkat penyakit maag tinggi atau rendah di Kabupaten Karawang. Algoritma yang digunakan yaitu KMedoids dengan pengukuran Euclidean Distance sehingga hasil yang didapatkan pada dataset Penyakit Maag Kabupaten Karawang Tahun 2017-2019 memiliki cluster optimal sebanyak 2 cluster, dimana cluster 1 dengan 35 daerah dan dikategorikan rendah, dan pada cluster 2 dengan 15 daerah yang dikategorikan tinggi, dan menghasilkan nilai Silhouette Coefficient sebesar 0,5561.

Full Text:

PDF

References


Hardiyanti, F., Tambunan, H. S., & Saragih, I. S. (2019). Penerapan Metode K-Medoids Clustering Pada Penanganan Kasus Diare Di Indonesia. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 598–603. https://doi.org/10.30865/komik.v3i1.1666

Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119–125.

Listiyanti, D., Syahbana, Y. A., & Henim, S. R. (2016). Perancangan dan Implementasi Aplikasi Android Penentu Salient Area pada Video dengan Algoritma K-Medoids. 2(1), 96–101.

Marlina, D., Fernando, A., & Ramadhan, A. (2018). Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 4(2), 64–71.

Merliana, N. P. E., & Santoso, A. J. (2015). Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means Clustering. Prosiding Seminar Nasioanl Multi Disiplin Ilmu, 978–979.

Novitasary, A., & Ismail, C. S. (2017). Faktor Determinan Gastritis Klinis pada Mahasiswa di Fakultas Kesehatan Masyarakat Universitas Halu Oleo Tahun 2016. Jurnal Ilmiah Mahasiswa Kesehatan Masyarakat Unsyiah, 2(6), 1–11.

Rahmayani, M. T. I. (2018). Analisis Clustering Tingkat Keparahan Penyakit Pasien Menggunakan Algoritma K-Means (Studi Kasus di Puskesmas Bandar Seikijang). Jurnal Inovasi Teknik Informatika, 1(2), 40–44.

Riyanto, B. (2019). Penerapan Algoritma K-Medoids Clustering Untuk Pengelompokkan Penyebaran Diare Di Kota Medan (Studi Kasus: Kantor Dinas Kesehatan Kota Medan). KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 562–568.

Rizby, L. P. (2018). Clustering pasien kanker berdasarkan struktur protein dalam tubuh menggunakan metode K-Medoids. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK), 6(1), 25–32.

Rofiqi, A. Y. (2017). Clustering Berita Olahraga Berbahasa Indonesia Menggunakan Metode K-Medoid Bersyarat. Jurnal SimanteC, 6(1), 25–32.

Savitri, A. D., Bachtiar, F. A., & Setiawan, N. Y. (2009). Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Kecantikan (Studi Kasus: Belle Crown Malang). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964X.

Statistik, B. P. (2019). Kabupaten Karawang dalam Angka 2019. Karawang: Badan Pusat Statistik Kabupaten Karawang.

Tussakinah, W., Masrul, M., & Burhan, I. R. (2018). Hubungan Pola Makan dan Tingkat Stres terhadap Kekambuhan Gastritis di Wilayah Kerja Puskesmas Tarok Kota Payakumbuh Tahun 2017. Jurnal Kesehatan Andalas, 7(2), 217–225.

Wardhani, A. K., & Khrisna, A. (2016). Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan. Jurnal Transformatika, 14(1), 30–37.

Wira, B., Budianto, A. E., & Wiguna, A. S. (2019). Implementasi Metode K-Medoids Clustering untuk Mengetahui Pola Pemilihan Program Studi. Jurnal Terapan Sains & Teknologi, 1(3), 54–69.




DOI: http://dx.doi.org/10.36723/juri.v12i2.234

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.