Analisis Penyakit Menular dan Tidak Menular Berdasarkan Wilayah Tempat Tinggal Menggunakan Metode K-Means dan Fuzzy C-Means (Studi Kasus: Puskesmas Bayung Lencir)

Marsa Juleha; Rike Limia Budiarti; Novhirtamely Kahar

Marsa Juleha Nurdin Hamzah University
Rike Limia Budiarti
Novhirtamely Kahar

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Penyakit menular dan tidak menular masih menjadi tantangan utama dalam pelayanan kesehatan masyarakat. Penelitian ini dilakukan di Puskesmas Bayung Lencir dengan tujuan untuk melakukan analisis risiko penyakit berdasarkan data jumlah kasus penyakit Demam Berdarah Dengue (DBD), Tuberkulosis (TBC), Hipertensi, dan Diare. Metode yang digunakan adalah K-Means dan Fuzzy C-Means, dua teknik clustering populer dalam data mining yang akan dibandingkan dari segi efektivitas dalam mengelompokkn data menjadi dua klaster, yaitu klaster risiko penyakit cukup rendah dan klaster risiko penyakit cukup tinggi. Data yang digunakan adalah data tahunan yang telah melalui prosaes normalisasi. Hasil analisis menunjukkan bahwa Fuzzy C-Means (FCM) memiliki akurasi lebih baik dibandingkan K- Means, dengan nilai validasi Silhouette Coefficient mencapai 84%, sedangkan K-Means hanya mencapai sekitar 80%. Hal ini disebabkan oleh kemampuan FCM dalam menangkap ketidakpastian data dengan memberikan derajat keanggotaan pada tiap klaster, sehingga lebih adaptif terhadap data yang saling tumpang tindih. Sebaliknya, K-Means menghasilkan batas klaster yang tegas namun kurang fleksibel.

References

[1] H. Mubarak dan G. Kholijah, “Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means,” J. Statistika dan Komputasi, vol. 2, no. 1, pp. 1–20, Jun. 2023.
[2] A. Rusmiati, Skripsi Optimasi K-Means Clustering pada Penyakit Menular di Puskesmas Bontomarannu, Univ. Hasanuddin, 2023.
[3] A. Kurnia, “Perbandingan Algoritma K-Means dan Fuzzy C-Means Untuk Clustering Puskesmas Berdasarkan Gizi Balita Surabaya,” Processor, vol. 18, no. 1, Apr. 2023.
[4] R. Chaniago, Pengelompokan Daerah Penyebaran Penyakit Menular di Kota Sibolga Menggunakan Algoritma Fuzzy C-Means, Univ. Malikussaleh, 2024.
[5] M. H. Ziqrullah et al., “Clustering Data Penyakit Pasien Pada Puskesmas Mulyaguna Menggunakan Algoritma K-Means,” JUMIN, vol. 6, no. 2, pp. 608–616, Des. 2024.
[6] N. D. A. L. R. Putri, “Analisa perbandingan K-Means dan Fuzzy C-Means dalam pengelompokan daerah penyebaran COVID-19 Indonesia,” Sistemasi, vol. 10, no. 2, 2021.
[7] S. F. Octavia dan M. Mustakim, “Penerapan K-Means dan Fuzzy C-Means untuk Pengelompokan Data Kasus COVID-19 di Kabupaten Indragiri Hilir,” BITS, vol. 3, no. 2, Sep. 2021.
[8] G. A. Budianto, “Evaluasi K-Means dan Fuzzy-C-Means Clustering: Analisis Data HIV di Kota Surabaya,” Jurnal Kesehatan Informasi, 2023.
[9] M. H. Sholeh et al., “Implementasi K-Means Clustering dalam Pemetaan Wilayah Rawan Penyakit Leptospirosis di Jawa Timur,” JRAM, 2024.
[10] H. Priyatman, “Klasterisasi Menggunakan Algoritma K-Means Clustering,” JEPIN, Univ. Tanjungpura, 2021.
[11] Skripsi, “Algoritma K-Means dalam Clustering Balita Stunting di Kecamatan Mustika Jaya, Kota Bekasi,” BSI, 2022.
[12] A. Khusaeri, “Pengelompokan Daerah Penyebaran Penyakit Demam Berdarah Dengue Menggunakan K-Means,” JISICOM, 2024.
[13] Penelitian, “Klasterisasi Pasien Rawat Jalan di Puskesmas Aikmel Utara Berdasarkan Usia Pasien,” KLIK, 2024.
[14] N. H. Harani, C. Prianto, dan F. A. Nugraha, “Segmentasi Klaster dengan K-Means dan FCM,” Sistemasi, 2022.
[15] M. C. Panjaitan dan Lisnawita, “Implementasi K-Means untuk Pengelompokan Anak Kurang Gizi di Puskesmas Umban Sari,” 2025.
[16] A. Lesmana, “Penerapan Logika Fuzzy K-Means untuk Clustering Data Obat pada Puskesmas Pematang Johar,” UMA, 2023.
[17] Skripsi, “Penerapan Analisis Cluster dengan K-Means dalam Mengelompokkan Jumlah Kematian COVID-19 di Indonesia,” UNM, 2023.
[18] W. Aulia, “Analisis Algoritma K-Means Clustering pada Penyakit Tidak Menular,” JSSR, 2025.
[19] Y. Febriani, “Metode K-Means Cluster Untuk Mengelompokkan Kota,” Sainmatika, 2021.
[20] Marince Cristina Panjaitan, “Analisa Perbandingan Algoritma Clustering untuk Pemetaan Status Gizi Balita di Puskesmas Pasir Jaya,” ResearchGate, 2025.