DATA MINING: PENERAPAN RAPIDMINER DENGAN K-MEANS CLUSTER PADA DAERAH TERJANGKIT DEMAM BERDARAH DENGUE (DBD) BERDASARKAN PROVINSI

Kiki Fatmawati; Agus Perdana Windarto

doi:10.24114/cess.v3i2.9661

Authors

Kiki Fatmawati STIKOM Tunas Bangsa Pematangsiantar
Agus Perdana Windarto STIKOM Tunas Bangsa Pematangsiantar http://orcid.org/0000-0003-3983-1760

DOI:

https://doi.org/10.24114/cess.v3i2.9661

Abstract

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh Dengue yang tergolong Arthropod-Borne Virus, genus Flavivirus, dan famili Flaviviridae. DBD ditularkan melalui gigitan nyamuk dari genus Aedes, terutama Aedes aegypti atau Aedes albopictus. Penyakit DBD dapat muncul sepanjang tahun dan dapat menyerang seluruh kelompok umur. Penyakit ini berkaitan dengan kondisi lingkungan dan perilaku masyarakat. Penelitian ini membahas tentang pengelompokkan jumlah daerah yang terjangkit demam berdarah dengue (DBD) berdasarkan provinsi. Metode yang digunakan adalah Data mining K-Means Clustering. Dengan menggunakan metode ini data-data yang telah diperoleh dapat dikelompokkan ke dalam beberapa cluster, dimana penerapan proses K-Means Clustering menggunakan tools RapidMiner. Penelitian ini menggunakan sumber data yang terekam di situs departemen kesehatan dengan alamat url https://www.depkes.go.id/. Data yang digunakan adalah (2014-2016) yang terdiri dari 34 provinsi. Kriteria yang digunakan, yakni: 1) jumlah kabupaten/kota dan 2) kabupaten/kota yang terjangkit. Data diolah dengan menggunakan K-means yang dibagi dalam 3 cluster yaitu: tingkat cluster tinggi (C1), tingkat cluster sedang (C2) dan tingkat cluster rendah (C3). Proses iterasi berlangsung 6 kali sehingga diperoleh penilaian dalam mengelompokkan daerah yang terjangkit demam berdarah dengue (DBD) berdasarkan provinsi. Hasil yang diperoleh bahwa terdapat 4 provinsi dengan cluster tingkatan tinggi (C1), 13 provinsi dengan cluster tingkatan sedang (C2), dan 17 provinsi dengan cluster tingkatan rendah (C3). Hal ini dapat menjadi masukan kepada masyarakat untuk menjaga kesehatan dengan meningkatkan kewaspadaan terhadap penularan demam berdarah, sehingga diperlukan kepedulian peran serta aktif masyarakat untuk bergotong-royong melakukan langkah-langkah pencegahan penularan penyakit DBD, melalui kegiatan pemberantasan nyamuk dan jentik secara berkala.

References

C. J. M. S. Fina Nasari, œPenerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat, pp. 108“119.

A. P. Windarto, œImplementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method, Int. J. Artif. Intell. Res., vol. 1, no. 2, pp. 26“33, 2017.

S. Mulyati, œPenerapan Data Mining Dengan Metode Clustering Untuk Pengelompokan Data Pengiriman Burung, vol. 1, no. Senatkom, 2015.

A. P. Windarto, œPenerapan Data Mining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering, Techno.COM, vol. 16, no. 4, pp. 348“357, 2017.

N. Aggarwal, K. Aggarwal, and K. Gupta, œComparative Analysis of K-means and Enhanced K-means Clustering Algorithm for Data Mining, Int. Jouranl Sci. Eng. Res., vol. 3, no. 3, 2012.

Y. Siyamto and Program, œPemanfaatan Data Mining Dengan Metode Clustering Untuk Evaluasi Biaya Dokumen Ekspor, vol. 1, no. 2, pp. 28“31, 2017.

R. Hidayat, R. Wasono, and M. Y. Darsyah, œPengelompokan Kabupaten / Kota Di Jawa Tengah, pp. 240“250, 2017.