PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PENYEBARAN PENYAKIT TBC (STUDI KASUS: PUSKESMAS DI KABUPATEN JEMBER)



Purwanto, Bobby (2021) PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PENYEBARAN PENYAKIT TBC (STUDI KASUS: PUSKESMAS DI KABUPATEN JEMBER). Undergraduate thesis, Universitas Muhammadiyah Jember.

[thumbnail of a. Pendahuluan.pdf] Text
a. Pendahuluan.pdf

Download (1MB)
[thumbnail of b. Abstrak.pdf] Text
b. Abstrak.pdf

Download (323kB)
[thumbnail of c. Bab I.pdf] Text
c. Bab I.pdf

Download (451kB)
[thumbnail of d. Bab II.pdf] Text
d. Bab II.pdf
Restricted to Repository staff only

Download (992kB) | Request a copy
[thumbnail of e. Bab III.pdf] Text
e. Bab III.pdf
Restricted to Repository staff only

Download (855kB) | Request a copy
[thumbnail of f. Bab IV.pdf] Text
f. Bab IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[thumbnail of g. Bab V.pdf] Text
g. Bab V.pdf
Restricted to Repository staff only

Download (319kB) | Request a copy
[thumbnail of h. Daftar Pustaka.pdf] Text
h. Daftar Pustaka.pdf

Download (553kB)
[thumbnail of i. Lampiran.pdf] Text
i. Lampiran.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

TBC (Tuberculosis) merupakan penyakit yang menyerang paru-paru yang ditimbulkan oleh kuman Mycobacterium tuberculosis. Di Indonesia penyakit TBC hampir tersebar di seluruh wilayah yang salah satunya di Kabupaten Jember Provinsi Jawa Timur di mana jumlah kasus TBC terus meningkat setiap tahunnya. Diperlukan sebuah upaya untuk pengelompokan penyebaran penyakit TBC berdasarkan puskesmas di kabupaten Jember. Penelitian ini bertujuan untuk mencari cluster yang memiliki nilai optimum dan untuk mengetahui kelompok puskesmas yang terdapat dalam masing-masing cluster. Metode yang dapat digunakan untuk mengelompokkan daerah penyebaran penyakit TBC adalah data mining. Tahapan penelitiannya yang diterapkan yaitu CRISP-DM. Data set yang digunakan bersumber dari Dinas Kesehatan Kabupaten Jember tahun 2017 - 2019. Kemudian data tersebut diproses menggunakan metode K-Means dan Davies Bouldin Index untuk menentukan cluster optimum dengan bantuan tools Rapidminer. Dari hasil penelitian ini diperoleh cluster optimum pada 9 cluster dengan nilai Davies Bouldin Index sebesar 0,784. Berdasarkan karakteristik cluster optimum menunjukkan bahwa kategori nilai kasus tingkat tinggi selama 3 tahun di semua atribut berada di cluster 4 berjumlah 1 anggota yaitu puskesmas Kalisat sedangkan pada Kategori nilai kasus tingkat rendah berada di cluster 2 berjumlah 12 anggota yaitu puskesmas Cakru, Tembokrejo, Lojejer, Sabrang, Curahnongko, Nogosari, Sukorejo, Klatakan, Jelbuk, Mangli, Gladakpakem, dan Banjarsengon.
Kata Kunci: TBC, Data Mining, Clustering, CRISP-DM, K-Means.

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
Nilogiri, Agung
nidn0030037701
Dosen Pembimbing
Wardoyo, Ari Eko
nidn0014027501

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: TBC, Data Mining, Clustering, CRISP-DM, K-Means.
Subjects: 000 Computer Science, Information, & General Works
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Bobby Purwanto | bobbypurwanto145@gmail.com
Date Deposited: 06 Jan 2022 03:25
Last Modified: 06 Jan 2022 03:25
URI: http://repository.unmuhjember.ac.id/id/eprint/12439

Actions (login required)

View Item View Item