Pengelompokkan Provinsi di Indonesia berdasarkan Penyakit Tidak Menular Menggunakan Metode Partisi, Hierarki, dan Fuzzy Clustering

Salsa Vira

Abstract


Penyakit tidak menular menjadi isu penting di Indonesia. Berdasarkan data Riset Kesehatan Dasar, tingkat prevalensi penyakit tidak menular di Indonesia melonjak lebih dari 34 persen pada tahun 2018. Oleh karena itu diperlukan suatu penelitian sebagai dasar pemerintah dan pihak terkait untuk membuat kebijakan yang tepat. Penelitian pengelompokkan provinsi di Indonesia berdasarkan penyakit tidak menular menggunakan metode partisi, hierarki, dan fuzzy clustering memiliki tujuan mengelompokkan provinsi-provinsi di Indonesia berdasarkan penyakit tidak menular dan menentukan metode terbaik untuk melakukan pengelompokkannya. Variabel yang digunakan pada penelitian ini terdiri dari delapan jenis penyakit tidak menular yang bersumber dari data RISKESDAS 2018. Berdasarkan hasil pengujiannya didapatkan bahwa provinsi-provinsi di Indonesia dapat dikelompokkan berdasarkan penyakit tidak menular dengan menggunakan metode k-means, k-medoids, AGNES, DIANA, dan fuzzy c-means clustering, dan berdasarkan hasil perbandingan kelima metode tersebut dapat disimpulkann bahwa metode paling baik untuk mengelompokkan provinsi di Indonesia berdasarkan penyakit tidak menular adalah dengan fuzzy c-means clustering.


Keywords


Statistical Theory

References


Alwi, W., & Hasrul, M. (2018). Analisis Klaster untuk Pengelompokkan Kabupaten/Kota di Provinsi Sulawesi Selatan berdasarkan Indikator Kesejahteraan Rakyat. Jurnal MSA (Matematika dan Statistika serta Aplikasinya), 6(1), 35.

Bazazeh, D., & Shubair, R. (2016). Comparative study of machine learning algorithms for breast cancer detection and diagnosis. In 2016 5th International Conference on Electronic Devices, Systems and Applications (ICEDSA) (pp. 1-4). IEEE.

Bhatia, S.K., 2012. A Propound Method For The Improvement of Cluster Quality. IJCSI International Journal of Computer Science Issues, 9(2), 216-221.

Bora, D. J., Gupta, D., & Kumar, A. (2014). A comparative study between fuzzy clustering algorithm and hard clustering algorithm. arXiv preprint arXiv:1404.6059.

Darmawan, A., & Epid, M. (2016). Epidemiologi penyakit menular dan penyakit tidak menular. JAMBI MEDICAL JOURNAL "Jurnal Kedokteran dan Kesehatan", 4(2).

Han, J. and Micheline. 2006. Data Mining Consepts and Techniques. Morgan Kaufmann. Publishers.

Nishom, M. (2019). Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square. Jurnal Informatika, 4(1).

Non communicable diseases. (2018). Diakses pada 3 December 2020, dari https://www.who.int/news-room/fact-sheets/detail/noncommunicable-diseases

Pramana, S., Yuniarto, B., Mariyah, S., Santoso, I., & Nooraeni, R. (2018). Data Mining dengan R. IN MEDIA.

Savitri, A. D., Bachtiar, F. A., & Setiawan, N. Y. (2009). Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Kecantikan (Studi Kasus: Belle Crown Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.

Yatskiv, I., & Gusarova, L. (2005). The methods of cluster analysis results validation. International Conference RelStat, 4, 75-80.




DOI: https://doi.org/10.24252/msa.v9i1.17942

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Crossref Cited-by logo