IMPLEMENTASI DATA MINING UNTUK CLUSTERING DAERAH PENYEBARAN PENYAKIT DIARE DI PROVINSI DKI JAKARTA MENGGUNAKAN ALGORITMA K-MEANS

Hadi, Ahmad Sofian (2019) IMPLEMENTASI DATA MINING UNTUK CLUSTERING DAERAH PENYEBARAN PENYAKIT DIARE DI PROVINSI DKI JAKARTA MENGGUNAKAN ALGORITMA K-MEANS. Undergraduate thesis, Universitas Satya Negara Indonesia.

	Text abstrak.pdf Download (2MB)
	Text bab 1.pdf Download (1MB)

Abstract

Diare merupakan penyakit yang membuat penderitanya buang air besar lebih dari 4 kali, biasanya diare menyerang ke semua kalangan baik usia balita, remaja dan dewasa. Semakin meningkatnya kepadatan jumlah penduduk di Provinsi DKI Jakarta pada tahun 2017 sekitar 10.177.924 jiwa yang tersebar 6 Kota terdiri dari 44 Kecamatan serta 267 Kelurahan. Untuk dapat melihat daerah penyebaran diare maka perlu dibuat sebuah pengelompokan berdasarkan atribut yang dipakai terdiri dari JSP, JSSP, SHARING dan OD agar dapat memperoleh pusat titik penyebaran diare. Alogoritma K-Means sangat cocok dalam pengelompokan Kelurahan penyebaran diare. Untuk menentukan titik awal centroid berdasarkan penderita diare sebagai Parameter dalam menentukan C1, C2 dan C3 yang dimana mendapatkan C1 adalah Kelurahan Duren Tiga, C2 adalah Kelurahan Kebon Baru dan C3 adalah Kelurahan Bendungan Hilir. Hasil dari pengelompokan berdasarkan atribut yang dipakai mendapatkan C1 berjumlah 11 Kelurahan, C2 berjumlah 34 Kelurahan dan C3 berjumlah 43 Kelurahan dari 88 data Kelurahan yang digunakan dimana C1 dikatagorikan sebagai titik rawan diare, C2 dikatagorikan sebagai kemungkinan penyebaran diare dan C3 dikatagorikan sebagai Kelurahan yang aman dari penyebaran diare. Dengan adanya pengelompokan ini diharapkan dapat membantu Dinas Kesehatan DKI Jakarta dalam memberikan edukasi mengenai kesehatan kepada masyarakat yang berpusat pada titik rawan diare

Item Type:	Thesis (Undergraduate)
Subjects:	Technology > Technology (General)
Divisions:	Fakultas Teknik > Teknik Informatika (S1)
Depositing User:	Tn Andrian Prayudho
Date Deposited:	30 Sep 2022 01:07
Last Modified:	30 Sep 2022 01:07
URI:	http://repo.usni.ac.id/id/eprint/1106

Actions (login required)

View Item