Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara

Abstract

Abstract. The health level in Indonesia is still a challenge in every central and district area, especially the health level of infants and toddlers. The Health Office in North Bengkulu Regency always strives to provide the best health services to the people in North Bengkulu. Focusing on the health level of infants and toddlers in Bengkulu Regency, this study applies clustering to help the Health Office determining their health level in each village/district. K-means algorithm is used to cluster each subdistrict based on indicators of infant mortality, under-five mortality, morbidity, and nutritional status. The result showed that the processing of existing indicators is grouped into three clusters covering high, medium and low health levels.Keywords: Clustering, K-means, Health, RapidMiner Abstrak. Tingkat kesehatan di Indonesia masih menjadi tantangan di setiap daerah pusat maupun kabupaten, terutama tingkat kesehatan pada bayi dan balita. Dinas Kesehatan di Kabupaten Bengkulu Utara selalu berusaha untuk memberikan pelayanan kesehatan terbaik terhadap masyarakat di Bengkulu Utara. Dalam rangka memperhatikan tingkat kesehatan bayi dan balita pada Kabuaten Bengkulu, penelitian ini menerapkan klasterisasi untuk membantu Dinas Kesehatan mengetahui tingkat kesehatan bayi dan balita disetiap desa/ kecamatan. Algoritma K-means digunakan untuk mengklasterisasisetiap kecamatan berdasarkan indikator angka kematian bayi, angka kematian balita, angka kesakitan , dan status gizi. Hasil proses pengolahan indikator yang ada dikelompokan ialah tiga klaster meliputi tingkat kesehatan tinggi, sedang dan rendah. Kata Kunci: Klasterisasi, K-means, Kesehatan, RapidMiner