PENERAPAN ALGORITMA K-MEANS DAN ALGORITMA AGGLOMERATIVE DALAM KLASTERISASI KASUS STUNTING BALITA (STUDI KASUS : DUKUN ANYAR)
Article Sidebar
Algoritma Agglomerative,
Klasterisasi,
Stunting
Main Article Content
Abstract
Permasalahan stunting atau kekurangan gizi masih menjadi masalah kesehatan serius yang dihadapi sebagian besar masyarakat di Indonesia. Dalam melakukan pencatatan data balita, para petugas disana masih memakai cara yang manual, misalnya mencatat rekam medis balita dan mencari data balita tersebut sudah pernah melaksanakan imunisasi atau belum sehingga menghambat proses pencarian data balita yang pernah diimunisasi. Clustering atau klasterisasi merupakan proses untuk menempatkan sekumpulan data ke dalam sebuah kelompok yang disebut cluster, sehingga dalam satu cluster memiliki data dengan kemiripan karakteristik yang sama dan berbeda dengan cluster yang lain. 4. Hasil dari percobaan 3 sampai 5 cluster didapatkan pengujian cluster paling optimal adalah pada percobaan 3 cluster dengan hasil nilai DBI sebesar 0,592 dengan hasil cluster 1 sebanyak 32 data, cluster 2 sebanyak 39 data dan cluster 3 sebanyak 29 data.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Aprilia, A., Rahmawati, W. M., & Hakimah, M. (2019). Penentuan Kategori Status Gizi Balita Menggunakan Penggabungan Metode Klasterisasi Agglomerative Dan K-Means. Seminar Nasional Sains dan Teknologi Terapan, 595-600.
Faujia, R. A., Setianingsih, E. S., & Pratiwi, H. (2022). Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia. Seminar Nasional Official Statistics, 1249 - 1258.
Alpiana, I., & Anifah, L. (2019). Penerapan Metode KnA (Kombinasi K-Means dan Agglomerative Hierarchical Clustering) dengan Pendekatan Single Linkage untuk Menentukan Status Gizi pada Balita. Indonesian Journal of Engineering and Technology (INAJET).
Muningsih, Elly, Ina Maryani, and Vembria Rose Handayani. 2021. "Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index." Evolusi: Jurnal Sains dan Manajemen 95-100.
Julyantari, N. K., Budiarta, I. K., & Putri, N. M. (2021). Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). Jurnal Janitra Informatika dan Sistem Informasi, Hal. 92-101.
Apriyani, P., Dikananda, A. R., & Ali, I. (2023). Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi. Jurnal Ilmu Komputer, Vol.2 No.1.
Munawar, Ghifari. 2015. "Implementasi Algoritma Self Organizing Map (SOM) untuk Clustering." Relawan Jurnal Indonesia 66-78.
PAUD, Direktorat. 2023. Prevalensi Stunting Tahun 2022 di Angka 21,6%, Protein Hewani Terbukti Cegah Stunting. 1. https://paudpedia.kemdikbud.go.id/kabar-paud/berita/prevalensi-stunting-tahun-2022-di-angka-216-protein-hewani-terbukti-cegah-stunting?do=MTQyMy1iNmNmMmYzZA==&ix=MTEtYmJkNjQ3YzA=#:~:text=Berita-,Prevalensi%20Stunting%20Tahun%202022%20di%20Angka%2021%2C6%2.
Prasetyo, E. (2014). DATA MINING Mengolah Data Menjadi Informasi Menggunakan Matlab. Penerbit ANDI Yogyakarta
Hartini, E., Adrial, H., & Pujiarta, S. (2019). RELIABILITY ANALYSIS OF PRIMARY AND PURIFICATION PUMPS IN RSG-GAS USING MONTE CARLO SIMULATION APPROACH. JURNAL TEKNOLOGI REAKTOR NUKLIR TRI DASA MEGA, 21(1), 15. https://doi.org/10.17146/tdm.2019.21.1.5311
Hartono Jogiyanto. (2013). Teori Portofolio dan Analisis Investasi (8th ed.). BPFE.
Hayati, N., Defit, S., & Nurcahyo, G. W. (2020). Optimalisasi Prediksi Penjualan Produk Herbal Menggunakan Metode Monte Carlo dalam Meningkatkan Transaksi (Studi Kasus: Toko Herbal An Nabawi). Jurnal Informatika Ekonomi Bisnis. https://doi.org/10.37034/infeb.v2i4.54
Kotler, P., & Keller, K. L. (2013). Marketing Management. Pearson Education.
Mahessya, R. A. (2017). PEMODELAN DAN SIMULASI SISTEM ANTRIAN PELAYANAN PELANGGAN MENGGUNAKAN METODE MONTE CARLO PADA PT POS INDONESIA (PERSERO) PADANG. Jurnal Ilmu Komputer, 6(1), 15–24. https://doi.org/10.33060/JIK/2017/Vol6.Iss1.41
Mardiansyah, R. F., Kusrini, E., & RM, F. (2017). Analisa ekonomis peralatan pulverizer untuk optimalisasi keandalan PLTU dengan simulasi Monte Carlo dan pendekatan analisa biaya siklus hidup (Studi kasus: PLTU X). Teknoin, 23(3), 275–288. https://doi.org/10.20885/teknoin.vol23.iss3.art8
Muhamad Apri, Dasril Aldo, & Hariselmi. (2019). SIMULASI MONTE CARLO UNTUK MEMPREDIKSI JUMLAH KUNJUNGAN PASIEN. JURSIMA (Jurnal Sistem Informasi Dan Manajemen).
Mulia, J. R., & Nurcahyo, G. W. (2022). Prediksi Pemakaian Obat Kronis Menggunakan Metode Monte Carlo. Jurnal Informasi Dan Teknologi, 81–85. https://doi.org/10.37034/jidt.v4i2.198
Ndehedehe C., Simeon O., & Ekpa A. (2013). Spatial Image Data Mining Using K-Means Analysis: A Case Study of Uyo Capital City, Nigeria. International Journal of Advanced Research., 1(7), 6–15.
Samekto, B. O. (2020). Rancang Bangun Game Edumatika Berbasis Android. Jurnal Ilmiah Teknologi Informasi Asia, 14(1), 57. https://doi.org/10.32815/jitika.v14i1.402
Sucipto, S., Indriati, R., & Hariawaan, F. B. (2017). DESAIN DATABASE UNTUK OPTIMALISASI SISTEM PREDIKSI TRANSAKSI PENJUALAN. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 2(2). https://doi.org/10.29100/jipi.v2i2.367
Suntoro, J. (2019). Data mining: algoritma dan implementasi dengan pemrograman PHP (1st ed., Vol. 180). Elex Media Komputindo.
Syaputra, A. E. (2023). Akumulasi Metode Monte Carlo dalam Memperkirakan Tingkat Penjualan Keripik Sanjai. Jurnal Informatika Ekonomi Bisnis, 209–216. https://doi.org/10.37034/infeb.v5i1.222
Syaputra, A. E., & Eirlangga, Y. S. (2022). Akumulasi dan Prediksi Tingkat Penjualan Minuman dengan Menerapkan Metode Monte Carlo. Jurnal Informasi Dan Teknologi. https://doi.org/10.37034/jidt.v5i1.225
Thoriq, M., Syaputra, A. E., & Eirlangga, Y. S. (2022). Model Simulasi untuk Memperkirakan Tingkat Penjualan Garam Menggunakan Metode Monte Carlo. Jurnal Informasi Dan Teknologi, 242–246. https://doi.org/10.37034/jidt.v4i4.244
Turban, E. D. P. A. J. E. T.-P. L. (2005). Desision support systems and intelligent systems : (sistem pendukung keputusan dan sistem cerdas) (Andi, Ed.; 7th ed.).
Yomei Hendra, Eko Syaputra, A., & Putra Juledi, A. (2023). SIMULASI DALAM PENGOPTIMALAN PENINGKATAN PENJUALAN KUE KAREH-KAREH MENGGUNAKAN METODE MONTE CARLO. 107 |Journal Computer Science and Information Technology (JCoInT) Program Studi Teknolog iInformasi, Fakultas Sains &Teknologi, Universitas Labuhan batu, 1, 107–118. http://jurnal.ulb.ac.id/index.php/JCoInT/index.