Penerapan Metode K-Means pada Pemetaan Persebaran Penyakit Diabetes untuk Rekomendasi Prioritas Pemberian Penyuluhan

Priscila Priscila; Hardi Jamhur

doi:10.36350/jskom.v1i2.42

Authors

Priscila Priscila Universitas Binaniaga Indonesia Author
Hardi Jamhur Universitas Binaniaga Indonesia Author

DOI:

https://doi.org/10.36350/jskom.v1i2.42

Keywords:

Penyakit Diabetes, Klasterisasi, Persebaran, Pemberian Penyuluhan, Algoritma K-Means

Abstract

Proses pemetaan persebaran penyakit diabetes merupakan pengelompokan persebaran penyakit diabetes berdasarkan dari berbagai kriteria yang nantinya dikelompokkan (klasterisasi) berdasarkan persebaran penderita diabetes baik itu tinggi, sedang, rendah guna membantu pihak tenaga kesehatan dalam menyediakan acuan data dan informasi agar dapat menentukan strategi pemberian penyuluhan mengenai penyakit diabetes di setiap kelurahan yang dapat dijalankan di periode selanjutnya. Pada penelitian ini dikembangkan sebuah aplikasi yang dapat mengetahui persebaran penderita penyakit diabetes dengan pendekatan Algoritma K-Means Clustering yaitu dengan menganalisis kelompok data awal, mentransformasi data awal dan melakukan pengelompokkan. Didalamnya diterapkan variabel-variabel yaitu merokok, kurang aktifitas fisik, gula berlebihan, garam berlebihan, lemak berlebihan kurang makan sayur dan buah, konsumsi alkohol, dan pemeriksaan gula. Hal ini dilakukan untuk melihat persebaran penyakit diabetes, supaya dapat membantu pihak tenaga kesehatan dalam menyediakan acuan. Pada aplikasi yang dibangun telah dilakukan uji kelayakan dan diperoleh presentase kelayakan 100% yang dapat dikaterogikan kedalam interpretasi yang “Sangat Layak”. Telah dilakukan uji pengguna dengan menggunakan kuesioner PSSUQ sesuai dengan kategori PSSUQ diantaranya yaitu Overall sebesar 73,2% , Sysuse sebesar 69,01% , Infoqual sebesar 78,6% , Interqual sebesar 71,5% , yang artinya aplikasi layak digunakan. Serta telah uji validitas cluster menggunakan Silhouette Coefficient terhadap algoritma K-Means yang diterapkan dengan nilai yang di dapat sebesar 0,503 yang berarti klaster yang dibuat termasuk dalam kategori “weak structure”.

Downloads

Download data is not yet available.

References

[1] Bilal, Abdilah, dan Harbani, Arif. (2025). Penerapan Metode Test Driven Development untuk Menguji Rest Api pada Script di Visual Basic. Jurnal Ilmiah Saintekom, Volume 01 Nomor 01, Juni 2025; 84 – 94.

[2] Bluman, A. G. (2018). Elementary Statistics: A Step by Step Approach (10th ed.). McGraw-Hill Education.

[3] DeGroot, M. H., & Schervish, M. J. (2012). Probability and Statistics (4th ed.). Addison-Wesley.

[4] Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd Editio.). Morgan Kaufmann.

[5] Handoyo, R., M, R. R., & Michrandi, S. N. (2014). Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means Pada Pengelompokan Dokumen. JSM STMIK Mikroskil, 15.

[6] Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer.

[7] Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer.

[8] Prasetyo, E. (2014). Data Mining - Mengolah Data menjadi Informasi Menggunakan Matlab. (A. Sahala, Ed.). Yogyakarta: ANDI OFFSET.

[9] Rousseeuw, P. J. (1987). Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis. Journal of Computational and Applied Mathematics, 53–65.

[10] Santosa, B. (2007). Data Mining: Teknik Pemanfataan Data Untuk Keperluan Bisnis (Pertama.). Yogyakarta: Graha Ilmu.