Implementasi Algoritma K-Means untuk Clustering Penyebaran Tuberkulosis di Kabupaten Karawang

Abstract

Tuberkulosis merupakan masalah kesehatan yang sifatnya menular melewati udara karena adanya kuman mycobacterium tuberculosis. Kasus penyakit tuberkulosis tersebar hampir diseluruh daerah Kabupaten Karawang. Luasnya daerah Kabupaten Karawang dan jumlah kasus yang cenderung terus meningkat setiap tahunnya, memungkinkan perlunya pengelompokan daerah penyebaran penyakit tuberkulosis. Metode yang dapat digunakan untuk mengelompokkan daerah penyebaran penyakit tuberkulosis adalah data mining. Metodologi data mining yang diterapkan yaitu CRISP-DM. Dataset yang digunakan bersumber dari Dinas Kesehatan Kabupaten Karawang tahun 2018. Kemudian data tersebut diproses menggunakan algoritma k-means clustering dengan bantuan tools WEKA. Penelitian diawali dengan mencari jumlah cluster terbaik menggunakan metode elbow, dimana K=3 adalah jumlah cluster terbaik. K=3 dikombinasikan dengan S (random seed) 5, 10, 15 untuk diuji coba. Hasil dari uji coba tersebut kemudian dievaluasi menggunakan SSE (Sum of Square Error) dan Silhouette. Clustering terbaik dihasilkan oleh K=3 dengan kombinasi S=10 yang terdiri dari cluster 0 (7 anggota), cluster 1 (9 anggota), dan cluster 2 (14 anggota). Nilai evaluasi yang dihasilkan SSE 2,4402 dan Silhouette 0,5629.