PEMANFAATAN K-MEANS UNTUK PEMETAAN EPIDEMIOLOGI KASUS KUSTA DI KABUPATEN CIREBON

Egi Susanto Dimin; Nining Rahaningsih; Raditya Danar Dana; Cep Lukman Rohmat

doi:10.23960/jitet.v13i2.6276

Egi Susanto Dimin
STMIK IKMI CIREBON Teknik Informatika
Nining Rahaningsih
STMIK IKMI CIREBON Komputerisasi Akuntansi
Raditya Danar Dana
STMIK IKMI CIREBON Manajemen Informatika
Cep Lukman Rohmat
STMIK IKMI CIREBON Rekayasa Perangkat Lunak

DOI: https://doi.org/10.23960/jitet.v13i2.6276

Abstract Views (Last 12 Months)

363 Abstract Views

269 Downloads

Abstract

Kusta merupakan masalah kesehatan masyarakat di Kabupaten Cirebon, dengan 240 kasus aktif pada 2022–2023. Penyebaran penyakit ini menunjukkan perlunya strategi pengendalian berbasis data. Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan kasus kusta karena kemampuannya mengidentifikasi pola distribusi epidemiologi. Metode yang digunakan mencakup pengumpulan data dari portal data terbuka Kabupaten Cirebon, preprocessing untuk memastikan kualitas data, penerapan K-Means, serta evaluasi hasil klasterisasi menggunakan Davies-Bouldin Index. Dataset terdiri dari jumlah kasus, lokasi geografis, jenis kusta, dan faktor demografi. Hasil analisis menunjukkan bahwa wilayah Kabupaten Cirebon terbagi dalam tiga klaster kerawanan: tinggi, sedang, dan rendah. Wilayah dengan tingkat kerawanan tinggi memiliki kepadatan kasus lebih besar serta keterbatasan akses layanan kesehatan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menyusun kebijakan intervensi yang lebih terarah, seperti distribusi tenaga medis dan edukasi masyarakat. Studi ini menekankan pentingnya pemanfaatan teknologi berbasis data untuk meningkatkan efektivitas program pengendalian kusta di masa depan.

Downloads

Download data is not yet available.

References

D. Syaputri, P. H. Noprita, and S. Romelah, “Implementasi Algoritma K-Means untuk Pengelompokan Distribusi Sosial Ekonomi Masyarakat Berdasarkan Demografi Kependudukan,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 1–6, 2021, doi: 10.57152/malcom.v1i1.5.

R. Kurniawan, M. S. Hasibuan, and R. Hasibuan, “Klasterisasi Wilayah Prioritas Vaksin Menggunakan Algoritma K-Means Clustering,” Media Online, vol. 4, no. 3, pp. 1585–1592, 2023, doi: 10.30865/klik.v4i3.1334.

N. T. Luchia, H. Handayani, F. S. Hamdi, D. Erlangga, and S. F. Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, pp. 35–41, 2022, doi: 10.57152/malcom.v2i2.422.

A. Amrullah, I. Purnamasari, B. N. Sari, G. Garno, and A. Voutama, “Analisis Cluster Faktor Penunjang Pendidikan Menggunakan Algoritma K-Means (Studi Kasus: Kabupaten Karawang),” J. Inform. dan Rekayasa Elektron., vol. 5, no. 2, pp. 244–252, 2022, doi: 10.36595/jire.v5i2.701.

T. Asy Aria, M. Julkarnain, and F. Hamdani, “Penerapan Algoritma K-Means Clustering Untuk Data Obat,” Media Online, vol. 4, no. 1, pp. 649–657, 2023, doi: 10.30865/klik.v4i1.1117.

F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 2, pp. 111–121, 2022, doi: 10.14421/jiska.2022.7.2.111-121.

D. S. Saputri, G. M. Putra, and M. F. Larasati, “Implementation of the K-Means Clustering Algorithm for the Covid-19 Vaccinated Village in the Ujung Padang Sub-District,” J. Tek. Inform., vol. 3, no. 2, pp. 261–267, 2022, [Online]. Available: https://doi.org/10.20884/1.jutif.2022.3.2.165

Y. Filki, “Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa,” J. Inform. Ekon. Bisnis, vol. 4, no. 4, pp. 166–171, 2022, doi: 10.37034/infeb.v4i4.166.

D. Marcelina, A. Kurnia, and T. Terttiaavini, “Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 293–301, 2023, doi: 10.57152/malcom.v3i2.952.

N. N. Fransiska R, D. S. Anggraeni, and U. Enri, “Pengelompokkan Data Kemiskinan Provinsi Jawa Barat Menggunakan Algoritma K-Means dengan Silhouette Coefficient,” Tematik, vol. 9, no. 1, pp. 29–35, 2022, doi: 10.38204/tematik.v9i1.901.

R. N. Fahmi, M. Jajuli, and N. Sulistiyowati, “Analisis Pemetaan Tingkat Kriminalitas di Kabupaten Karawang menggunakan Algoritma K-Means,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 4, no. 1, pp. 67–79, 2021, doi: 10.31539/intecoms.v4i1.2413.

P. S. Rosiana, A. A. Mohsa, and Y. Umaidah, “Implementasi K-Means Dalam Pengelompokan Penyebaran Penyakit Dbd Di Jawa Barat,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3, pp. 782–788, 2023, doi: 10.23960/jitet.v11i3.3344.

PEMANFAATAN K-MEANS UNTUK PEMETAAN EPIDEMIOLOGI KASUS KUSTA DI KABUPATEN CIREBON

Abstract

Downloads

References

Most read articles by the same author(s)