(0721) 8030188    pusat@itera.ac.id   

Perbandingan Algoritma K-Means Dan K-Medoids Dalam Pengelompokan Data Pasien Demam Berdarah (Studi Kasus: Puskesmas Kaliasin)


Demam berdarah dengue (DBD) adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan oleh nyamuk Aedes Spp yang mana virus dengue ini ditemukan di daerah tropis dan subtropis [1]. Penyakit ini biasanya menyerang anak-anak dan orang dewasa, dan jumlah penderitanya semakin meningkat serta luas penyebarannya semakin meningkat [1]. Untuk mengelompokkan data pasien demam berdarah berdasarkan parameter gejala demam berdarah dilakukan dengan menggunakan metode clustering. Penelitian ini adalah membandingkan algoritma K-Means dan K-Medoids dengan menggunakan pengukuran jarak yaitu Manhattan Distance untuk mengetahui algoritma yang paling optimal dalam melakukan pengelompokkan data pasien demam berdarah di wilayah kerja Puskesmas Kaliasin. Hasil clustering yang dilakukan dengan jumlah cluster sebanyak 3 pada algoritma K-means clustering terbentuk menjadi 3 kelompok memiliki anggota yaitu pada cluster 0 terdapat 32 anggota, cluster 1 terdapat 15 anggota, dan cluster 2 terdapat 26 anggota. Sedangkan pada algoritma K-Medoids clustering memiliki anggota yaitu pada cluster 0 terdapat 46 anggota, cluster 1 terdapat 24 anggota, dan cluster 2 terdapat 3 anggota. Berdasarkan hasil pengelompokkan menunjukan bahwa pada algoritma K-Medoids masih terdapat kesalahan dalam penempatan pada data ke 27, 34, 48, dan 70 ke cluster yang tepat. Sedangkan pada algoritma K-Means tidak ada kesalahan dalam penempatan data pada cluster. Analisis dilakukan berdasarkan evaluasi nilai Silhouette Coefficient. Hasil yang didapatkan berdasarkan nilai Silhouette Coefficient nya pada data pasien demam berdarah memperoleh bahwa K-Means sebagai metode clustering teroptimal dengan nilai Silhouette Coefficient tertinggi yaitu 0.25362003217634904 dibandingkan metode K-Medoids 0.1821645521976126. Maka dapat diketahui bahwa metode clustering dengan algoritma K-Means memiliki kualitas cluster yang baik dibandingkan dengan algoritma K-Medoids.

URI
https://repo.itera.ac.id/depan/submission/SB2109020014

Keyword