OPTIMASI HASIL CLUSTERING DATA REKAM MEDIS BALITA DI DESA JUMPUT REJO DENGAN METODE ELBOW DALAM MENUNJANG PROGRAM PEMERINTAH MENGATASI STUNTING

Authors

DOI:

https://doi.org/10.30736/informatika.v8i1.984

Abstract

Negara berkembang seperti Indonesia, masih mengalami masalah gizi buruk. Sesuai dengan Perpres RI no 72 tahun 2021 maka diperlukan suatu penguatan dan pengembangan baik itu sistem, data, informasi, riset dan inovasi. Tujuan dari penelitian ini yaitu melakukan visualisasi data terhadap data rekam medis balita yaitu umur dan berat badan pada balita di suatu wilayah tertentu tepatnya di desa jumput rejo kelurahan jumput rejo kecamatan sukodono kabupaten sidoarjo jawa timur. Visualisasi data ini dalam bentuk kelompok klaster-klaster data antropometri balita berdasarkan data umur dan data berat badan balita. Penelitian ini menggunakan metode teknik clustering dengan algoritma K-Means yang dioptimasi pada penentuan jumlah clusternya dengan metode elbow dalam menentukan nilai K(kluster) yang tepat dengan menggunakan metric WCSS (Within Cluster Sum of Square). Hasil dari penelitian ini didapatkan informasi optimasi jumlah kluster yang dihasilkan berjumlah 4 cluster data balita. Setelah dilakukan proses clustering maka didapatkan hasil dimana cluster 1 berjumlah 216 data balita, cluster 2 berjumlah 182 data balita, cluster 3 berjumlah 153 data balita dan cluster 4 berjumlah 29 data balita. Kesimpulan dari penelitian ini menghasilkan informasi bahwasannya hasil optimasi cluster didapatkan sejumlah 4 cluster yang akan dijadikan input penentukan cluster yang terbentuk pada proses pengelompokan data menggunakan algoritma K-Means

Downloads

Download data is not yet available.

References

Ambarwari, Agus. Andrian Qadhli Jafar, Herdiyeni, Y. (2020). Analisis Pengaruh Data Scaling Terhadap Performa Algoritme Machine Learning untuk Identifikasi Tanaman. Resti, 4, 117–122.

Arhani, Muhammad. Nasir, M. (2020). Data Mining.

Dinata, R. K., Safwandi, S., Hasdyna, N., & Azizah, N. (2020). Analisis K-Means Clustering pada Data Sepeda Motor. INFORMAL: Informatics Journal, 5(1), 10. https://doi.org/10.19184/isj.v5i1.17071

Hidayat, R., Wasono, R., & Darsyah, M. Y. (2017). Pengelompokan Kabupaten/Kota Di Jawa Tengah Menggunakan Metode K-Means Dan Fuzzy C-Means. Prosiding Seminar Nasional & Internasional, 240–250. https://jurnal.unimus.ac.id/index.php/psn12012010/article/view/3017/2932

Juliana, E., Aleyda, V. N., & Yuliana, Y. (2021). Penerapan Metode Clustering K-Means Untuk Membantu Menentukan Tingkatan Status Daerah Dampak Covid-19. Jurnal MediaTIK, 4(3), 112. https://doi.org/10.26858/jmtik.v4i3.23698

K-means, M., Purwaningrum, O., Putra, Y. Y., & Arifiyanti, A. A. (2021). Penentuan Kelompok Status Gizi Balita dengan Menggunakan. 15(2), 129–136.

Mauladi, K. F. (2017). Informasi Data Rekam Medis Pasien Di Rs Bedah Mitra Kabupaten Lamongan Dengan Metode Naive Bayes Dan Clustering Dalam Penentuan Penyakit Hypertensi. Joutica, 2(1), 2–7. https://doi.org/10.30736/jti.v2i1.24

Mujilahwati, S., & Wardhani, R. (2021). Implementasi Fuzzy C-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Masuk Perguruan Tinggi. Joutica, 6(1), 448. https://doi.org/10.30736/jti.v6i1.582

Muningsih, Elly. Kiswati, S. (2018). SISTEM APLIKASI BERBASIS OPTIMASI METODE ELBOW UNTUK PENENTUAN CLUSTERING PELANGGAN. JOUTICA, 3.

Rohmah, A., Sembiring, F., & ... (2021). Implementasi Algoritma K-Means Clustering Analysis Untuk Menentukan Hambatan Pembelajaran Daring (Studi Kasus: Smk Yaspim …. … Sistem Informasi Dan …, 290–298. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/32

Sari, D. N. P., & Sukestiyarno, Y. L. (2021). Analisis Cluster dengan Metode K-Means pada Persebaran Kasus Covid-19 Berdasarkan Provinsi di Indonesia. PRISMA, Prosiding Seminar Nasional Matematika, 4, 602–610. https://journal.unnes.ac.id/sju/index.php/prisma/

Sari, P. P., Herdiani, E. T., & Sunusi, N. (2021). Outlier Detection Using Minimum Vector Variance Algorithm with Depth Function and Mahalanobis Distance. Jurnal Matematika, Statistika Dan Komputasi, 17(3), 418–427. https://doi.org/10.20956/j.v17i3.12629

Sari, P., Pramono, B., & Sagala, L. ode H. S. (2017). Improve K-Means Terhadap Status Nilai Gizi Pada Balita. SemanTIK, 3(1), 143–148. https://doi.org/10.1063/1.2957900

Syaputri, V., Hartama, D., Anggraini, F., Safii, M., & Dewi, R. (2022). Penerapan Algoritma K-Means Untuk Menentukan Status Gizi Balita (Studi Kasus: Puskesmas Kecamatan Jawa Maraja Bah Jambi). JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 94–102. https://doi.org/10.36040/jati.v6i1.4630

Wandana, Jeri. Defit, S. S. (2020). Klasterisasi Data Rekam Medis Pasien Pengguna Layanan BPJS Kesehatan Menggunakan Metode K-Means. Informasi Dan Teknologi, 2.

Downloads

PlumX Metrics

Published

2023-03-15

How to Cite

Ali, A., & Uktutias, S. A. M. (2023). OPTIMASI HASIL CLUSTERING DATA REKAM MEDIS BALITA DI DESA JUMPUT REJO DENGAN METODE ELBOW DALAM MENUNJANG PROGRAM PEMERINTAH MENGATASI STUNTING. Joutica, 8(1), 57–63. https://doi.org/10.30736/informatika.v8i1.984