Analisis Cluster Menggunakan Algoritma K-Means pada Data Fasilitas Pelayanan Kesehatan Kota Pekanbaru

Siti Syahidatul Helma, Mustakim Mustakim, Risma Rustiyan R, Eva Normala

Abstract


Pelayanan kesehatan merupakan faktor yang dapat dipengaruhi oleh ketersediaan fasilitas pelayanan kesehatan. Sarana dan prasarana kesehatan yang mencakup fasilitas pelayanan kesehatan juga dapat membantu dalam mengoptimalkan derajat kesehatan di kota Pekanbaru dan memberikan kontribusi positif untuk kesehatan khususnya bagi perilaku masyarakat dan lingkungan disekitarnya. Berdasarkan data yang dikeluarkan oleh Dinas Kesehatan Kota Pekanbaru jumlah kunjungan masyarakat pada salah satu fasilitas pelayanan kesehatan menurun selama 5 tahun terakhir 2013-2015 berturut-turut sebanyak 523.140, 572.017 dan 457.232. Untuk melihat pola pemanfaatan dari fasilitas kesehatan yang sudah ada, maka diperlukan suatu metode data mining, algoritma K-means clustering digunakan untuk mengelompokkan data responden yang menggunakan fasilitas kesehatan di Kota Pekanbaru Setelah melakukan beberapa percobaan cluster dengan menggunakan algoritma K-means clustering, maka didapatkan cluster optimal berdasarkan uji validasi Davies Bouldin Indeks (DBI) yaitu 9 cluster kemudian setelah dilakukan percobaan dengan menggunakan k=2 sampai dengan k=10, didapatkan nilai cluster optimal terdapat pada K=9 dengan nilai DBI 0.188.

Full Text:

PDF

References


Republik Indonesia. 2016. Undang-Undang Nomor 36 Tahun 2009 tentang Kesehatan. Lembaran Negara Republik Indonesia Tahun 2009, Nomor 144. Sekretariat Negara RI. Jakarta.

Indikator kesejahteraan rakyat 2017 : Pemerataan Akses Pelayanan Kesehatan Menuju Indonesia Sehat, katalog BPS 4102004, ISSN : 0215-4641: 07330.1713.

Dinas Kesehatan Kota Pekanbaru, 2018. Profil Kesehatan Kota Pekanbaru Tahun 2017. Pekanbaru : Dinas Kesehatan Kota Pekanbaru.

Redjeki, ES. Pemanfaatan Fasilitas Kesehatan (Suatu Tinjanuan Sosiologi Kesehatan). Malang: Elang Mas. 2010.

Kapil S, Chawla M. Performance Evaluation of K-Means Clustering Algorithm with Various Distance Metrics. 1st IEEE International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES-2016). Bathinda. 2016: 1-4.

Prasetyo E. Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: Penerbit ANDI. 2014.

Febrianti F, Hafiyusholeh M, Asyhar AH. Perbandingan Pengklusteran data iris menggunakan metode k-means dan fuzzy c-means. Jurnal Matematika Mantik. 2016; 02(01): 7-13.

Patel KM and Thakral P. The Best Clustering Algorithms in Data Mining. International Conference on Communication and Signal Processing. April-2016, pg 2042-2046.

Rohmawati N, Defiyanti S, Jajuli M. Implementasi Algoritma K-Means dalam Pengklasteran Mahasiswa Pelamar Beasiswa. Jurnal Ilmiah Teknologi Informasi Terapan. 2015; 01(02): 62-68.

Putri DL, Santoso HA. Implementasi Algoritma K-Means Untuk Pengelompokan Penyakit Pasien ( Studi Kasus : Puskesmas Kajen).

Aditya KB, Diyah, Setiawan Y. Sistem Informasi Geografis Pemetaan Faktor-Faktor Yang Mempengaruhi Angka Kematian Ibu (Aki) Dan Angka Kematian Bayi (AKB) Dengan Metode K-Means Clustering (Studi Kasus: Provinsi Bengkulu). Jurnal Teknik Informatika. 2017; 10(01): 59-66.

Siregar AM, Nengsih W, Fadhli M. Analisa Data Mining Menggunakan Metode Clustering K-Means Dalam Pengelompokan Daerah Berdasarkan Kesehatan. Jurnal Aksara Komputer Terapan Politeknik Caltex Riau. 2013; 02(01): 9-13

Mustofa Z, Suasana IS. Algoritma Clustering K-Medoids pada E-Government Bidang Information and Communication Technology Dalam Penentuan Status EDGI. Jurnal Teknologi Informasi dan Komunikasi. 2018; 09(01): 1-10.

Kamila I, Khairunnisa U, Mustakim M. "Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau". Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi. Vol 5 No 1. pp: 119-125. 2019.

Rahayu G, Mustakim. Principal Component Analysis untuk Dimensi Reduksi Data Clustering Sebagai Pemetaan Persentase Sertifikasi Guru di Indonesia. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 9. 2017. 201-208.

Meisida, Novita dkk. 2014. K-Means Untuk Klasifikasi Penyakit Karies Gigi. KLIK Vol. 01 No.01 ISSN: 2406- 7857.

Raval, UR. and Chaita J. Implementing & Improvisation of K-means Clustering Algorithm. International Journal of Computer Science and Mobile Computing, Vol.5 Issue.5, May- 2016, pg. 191-203.

Shedthi, B. S., Shetty, S., & Siddappa, M. Implementation and comparison of K-means and fuzzy C-means algorithms for agricultural data. 2017 International Conference on Inventive Communication and Computational Technologies (ICICCT). 2017.

Jain Y K, Bhandare S K. Min Max Normalization Based Data Perturbation Method for Privacy Protection. International Journal of Computer & Communication Technology (IJCCT). 2014; 3(4):45-50.

Kementrian Kesehatan Republik Indonesia. Pedoman Umum Program Indonesia Sehat Dengan Pendekatan Keluarga. 2016.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id