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.

	Text a. Pendahuluan.pdf Download (1MB)
	Text b. Abstrak.pdf Download (323kB)
	Text c. Bab I.pdf Download (451kB)
	Text d. Bab II.pdf Restricted to Repository staff only Download (992kB) | Request a copy
	Text e. Bab III.pdf Restricted to Repository staff only Download (855kB) | Request a copy
	Text f. Bab IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text g. Bab V.pdf Restricted to Repository staff only Download (319kB) | Request a copy
	Text h. Daftar Pustaka.pdf Download (553kB)
	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.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	TBC, Data Mining, Clustering, CRISP-DM, K-Means.
Subjects:	000 Computer Science, Information, & General Works
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Department:	S1 Teknik Informatika
Depositing User:	Bobby Purwanto
Contributors:	Contribution Contributor Name NIDN/NIDK Thesis advisor Nilogiri, Agung nidn0030037701 Thesis advisor Wardoyo, Ari Eko nidn0014027501
Contact Email Address:	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