PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENDETEKSI PENYEBARAN PENYAKIT TBC (STUDI KASUS: DI KABUPATEN DELI SERDANG)
| Main Authors: | Fauzi, Muhammad, -, Yudi |
|---|---|
| Other Authors: | LPPM STMIK Kaputama |
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
STMIK KAPUTAMA
, 2018
|
| Online Access: |
http://jurnal.kaputama.ac.id/index.php/JTIK/article/view/41 http://jurnal.kaputama.ac.id/index.php/JTIK/article/view/41/38 |
Daftar Isi:
- Tuberculosis (TBC) merupakan penyakit menular yang masih menjadi perhatian dunia.Hingga saat ini, belum ada satu negara pun yang bebas TBC. Angka kematian dan kesakitanakibat kuman mycobacterium tuberculosis ini pun tinggi. Tingkat prevalensi penderita TBC diIndonesia diperkirakan sebesar 289 per 100 ribu penduduk dan insidensi sebesar 189 per 100ribu penduduk. Bahkan 27 dari 1.000 penduduk terancam meninggal seperti yang dilaporkanDirektorat Jendral Pengendalian Penyakit dan Penyehatan Lingkungan, Kementrian KesehatanRepublik Indonesia yang dihimpun sepanjang 2011 mengenai tuberkulosis (TBC) di Indonesia.Pengelompokkan wilayah penyebaran TBC penulis menggunakan algoritma KMeansClustering,algoritma K-MeansClustering mampu mengelompokkan data pada kelompokyang sama dan data yang berbeda pada kelempok yang berbeda. Sehingga akan terlihat titiktitiklokasi penyebaran penyakit diare. Algoritma K-Means Clustering selain mampumengelompokkan data pada kelompok yang sama dan data yang berbeda pada kelompokberbeda, juga mampu menentukan titik pusat penyebaran. Diharapkan hasil penelitian inimampu memberikan kontribusi dalam mengatasi penyebaran diare, dengan melihat pusatpenyebaran maka akan membantu memfokuskan penanganan diare pada wilayah tersebut.