Metode Boost-K-means untuk Clustering Puskesmas berdasarkan Persentase Bayi yang Diimunisasi

Authors

  • Ahmad Irfan Abdullah Politeknik Negeri Media Kreatif PSDKU Makassar
  • Edi Winarko
  • Aina Musdholifah

DOI:

https://doi.org/10.30595/jrst.v4i2.7546

Keywords:

k-means, multi-clustering, boost-clustering, boost-k-means.

Abstract

Dinas Kesehatan Kabupaten/Kota adalah satuan kerja pemerintahan daerah kabupaten/kota yang bertanggung jawab menyelenggarakan urusan pemerintahan dalam bidang kesehatan di kabupaten/kota. Pelayanan kesehatan adalah upaya yang diberikan oleh Puskesmas kepada masyarakat, mencakup perencanaan, pelaksanaan, evaluasi, pencatatan, pelaporan, dan dituangkan dalam suatu sistem. Pada penelitian ini, akan digunakan data persentase bayi yang diimunisasi yang merupakan salah satu layanan dari Puskesmas. Pelayanan imunisasi ini merupakan pelayanan imunisasi dasar meliputi BCG, DPT/HB1-3, polio 1-4 dan campak. Data persentase bayi yang diimunisasi belum memiliki pengelompokan sehingga pada penelitian ini akan diterapkan metode clustering untuk melakukan pengelompokan Puskesmas berdasarkan persentase bayi yang diimunisasi. Data persentase bayi dari masing-masing Puskesmas dijadikan data uji yang akan diterapkan pada proses multi-clustering dengan metode boost-clustering. Output dari penerapan metode ini akan dibandingkan dengan output metode clustering dasar k-means, hasil clustering akan diukur menggunakan metode silhouette index. Evaluasi menggunakan metode silhouette index dilakukan pada dataset puskesmas. Analisis dilakukan dengan melihat hasil evauasi dataset yang sudah diimplementasikan kedalam algoritma cluster dasar k-means dan algoritma multiclustering boost-k-means. Berdasarkan hasil evaluasi, diperoleh nilai silhouette index 0,798102756 untuk k-means dan 0,789901932 untuk boost-k-means, dengan ini algoritma yang diusulkan memiliki kualitas hasil clustering minimal sama atau lebih baik dari single clustering k-means dengan jumlah iterasi yang lebih sedikit

References

Frossyniotis, D., Likas, A. & Stafylopatis, A. (2004). A clustering method based on boosting, Pattern Recognition Letters, 25, Elsevier B.V., pp.641-654.

Wang, R., dkk. (2011). K-means Clustering Algorithm Application in University Libraries, Cognitive IEEE Informatics & Cognitive Computing (ICCI*CC), pp.419-422.

Ahalya, G. & Pandey, H.M. (2015). Data Clustering Approaches Survey and Analysis, IEEE Futuristic Trends on Computational Analysis and Knowledge Management ABLAZE, pp.532-537.

Elssied, N.O.F., Ibrahim, O. & Osman, A.H. (2014). Enhancement of spam detection mechanism based on hybrid k-mean clustering and support vector machine, Journal of Soft Computing, vol.19, pp 3237–3248.

Li C.A. (2009). A new clustering algorithm using attribute boosting, IEEE International Conference on Management and Service Science (MASS ’09).

Rashedi., E. & Mirzaei., A. (2011). A Novel Multi-clustering Method for Hierarchical Clusterings Based on Boosting, IEEE 19th Iranian Conference on Electrical Engineering.

Li., C & Wu T. (2006). A Boosted Clustering Algorithm for Distributed Homogeneous Data Mining, IEEE The 6th World Congress on Intelligent Control and Automation.

Lisangan, E.A., Musdholifah, A. & Hartati S. (2015). Two Level Clustering for Quality Improvement using Fuzzy Subtractive Clustering and Self-Organizing Map, TELKOMNIKA Indonesian Journal of Electrical Engineering, II(15), pp.373-380.

Prasetyo, E. (2012). Data Mining - Konsep dan Aplikasi Menggunakan MATLAB, ANDI, Yogyakarta.

Ashlock, D. dan Guo, L. (2007). Evolutionary Parameter Setting of Multi-clustering, IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB).

Tan, Pang-Ning., Steinbach M. & Kumar V. (2006). Introduction to Data Mining, Pearson Inc., New York.

Downloads

Published

2020-11-25

How to Cite

Abdullah, A. I., Winarko, E., & Musdholifah, A. (2020). Metode Boost-K-means untuk Clustering Puskesmas berdasarkan Persentase Bayi yang Diimunisasi. JRST (Jurnal Riset Sains Dan Teknologi), 4(2), 89–96. https://doi.org/10.30595/jrst.v4i2.7546

Issue

Volume 4 N0. 2 September 2020: JRST

Section

Articles

License

Copyright (c) 2020 Ahmad Irfan Abdullah, Edi Winarko, Aina Musdholifah

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access)

Creative Commons License

JRST (Jurnal Riset Sains dan Teknologi) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.