K-MEANS ALGORITHM IMPLEMENTATION FOR CLUSTERING OF PATIENTS DISEASE IN KAJEN CLINIC OF PEKALONGAN

Anindya Khrisna Wardhani

Abstract


In determining the consistency of health data, can use data mining techniques that can dig the hidden information from multidimensional data sets that have been obtained. In addition, data wich connected with other data can also be done by these data mining techniques. One of the data mining techniques is quite well known namely clustering. The methods are quite popular in data mining techniques that called k-means method. It is used to facilitate medical recorder for analyzing the general health situation of population groups in archiving health care data. The results of this analysis, the clustering of the disease based on age, sex, duration of disease and disease diagnosis.This research used tool Rapid Miner 5.3.Based on the data from clinic centers Kajen Pekalongan, the result of clustering is 376 items of acute and 624 unacute diseases from 1000 total of data.

Keywords


Data Mining, K-Means, Clustering

References


M. M. Putri dan K. Fithriasari, Pengelompokan Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Metode Kohonen SOM dan K-Means, Jurnal Sains dan Seni ITS, vol. 4, no. 1, pp. D13 - D18, 2015.

N. Atthina dan L. Iswari, Klasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat kesehatan Daerah denganMetode K-Means, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), Vol. %1 dari %2ISSN 1907 - 5022, pp. B52 - B59, 2014.

V. Handayani, A. dan A. P. kurniati, Analisa Clustering Menggunakan Algoritma K-Modes, Telkom University, pp. 1-8, 2010.

J. O. Ong, Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing President University, Jurnal Ilmiah Teknik Industri, vol. 12, no. 1, pp. 10 - 20, 2013.

Y. Ardilla, H. Tjandrasa dan I. Arieshanti, Deteksi Penyakit Epilepsi dengan Menggunakan Entropi Permutasi, K-Means Clustering, dan Multilayer Perceptron, Jurnal Teknik POMITS , vol. 3, no. 1, pp. A70 - A74, 2014.

M. E. Putra, Implementasi Algoritma K-Means Pada Pendeteksian Warna Untuk Membantu Penderita Buta Warna, Jurnal Ilmiah komputer dan Informatika (KOMPUTA), Vol. %1 dari %2ISSN 2089 - 9033, pp. 1-8, 2012.

S. P. Tulus dan Hendry, Supprot Vektor Machines Yang Didukung K-Means Clustering Dalam Klasifikasi Dokumen, Jurnal Teknologi Informasi-Aiti, vol. 11, no. 2, pp. 101-202, 2014.

S. Agustina, D. Yhudo, H. Santoso, N. Marnasusanto, A. Tirtana dan F. Khusnu, Clustering Kualitas Beras Berdasarkan Ciri Fisik Menggunakan Metode K-Means, Universitas Brawijaya Malang, Malang, 2012.

F. E. Agustin, A. Fitria dan A. H. S, Implementasi Algoritma K-Means Untuk Menentukan Kelompok Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi Kasus : SMP Negeri 101 Jakarta), Jurnal Teknik Informatika, vol. 8, no. 1, pp. 73 - 78, 2015.

K. R. Prilianti dan H. Wijaya, Aplikasi Text Mining Untuk Automasi Penentuan Tren Topik Skripsi Dengan Metode K-Means Clustering, Jurnal Cybermatika, vol. 2, no. 1, pp. 1-6, 2014.

A. Yusuf dan T. Priambadha, Supprot Vektor Machines Yang Didukung K-Means Clustering Dalam Klasifikasi Dokumen, JUTI, vol. 11, no. 1, pp. 13-16, 2013.

N. A, S. B dan P. U, Implementasi Naive Bayes Classifier Pada Program Bantu Penentuan Buku Referensi Mata Kuliah, Jurnal Informatika, vol. 3, no. 2, pp. 32-36, 2007.

D. Septiari, Implementasi Metode Naive Bayes Classifier Dalam Klasifikasi Kelayakan Calon Pendonor Darah (Studi Kasus : PMI Kabupaten Demak), Universitas Dian Nuswantoro, Semarang, 2016.

Budiono, a. Fahmi dan Pujiono, Penerapan Metode Association Rule Discovery Menggunakan Algoritma Apriori Untuk Mengidentifikasi Pola Penyakit Radang Sendi, Techno.COM, vol. 13, no. 2, pp. 115-124, 2014.

Supardi, D. E. Ratnawati dan W. F. Mahmudy, Pengenalan Pola Transaksi Sirkulasi Buku Pada Database Perpustakaan Menggunakan Algoritma Generalized Sequential Pattern, Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 4, no. 11, pp. 1-8, 2014.

R. F. Jannah, Rancang Bangun Sistem Hasil Produksi Dengan Memanfaatkan Metode Least Square Regression Line (Studi Kasus : Toko Keeava Salad & Puding) , Universitas Jember, Jember, 2015.

N. P. E. Merliana, Ernawati dan J. Santoso, Analisis Penentuan Jumlah Cluster Terbaik Pada Metode K-Means Clustering, dalam Prosiding Seminar Nasional Multi Disiplin Ilmu dan Call For Papers Unisbank (SENDI_U), Yogyakarta, 2014.




DOI: http://dx.doi.org/10.26623/transformatika.v14i1.387

Refbacks

  • There are currently no refbacks.


| View My Stats |

Jurnal Transformatika : Journal Information Technology  by  Department of Information Technology, Faculty of Information Technology and Communication, Semarang University  is licensed under a  Creative Commons Attribution 4.0 International License.