Publisher

UNBINUNBIN

Journal Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Abstract

Proses pemetaan persebaran penyakit diabetes merupakan pengelompokan persebaran penyakit diabetes berdasarkan dari berbagai kriteria yang nantinya dikelompokkan (klasterisasi) berdasarkan persebaran penderita diabetes baik itu tinggi, sedang, rendah guna membantu pihak tenaga kesehatan dalam menyediakan acuan data dan informasi agar dapat menentukan strategi pemberian penyuluhan mengenai penyakit diabetes di setiap kelurahan yang dapat dijalankan di periode selanjutnya. Pada penelitian ini dikembangkan sebuah aplikasi yang dapat mengetahui persebaran penderita penyakit diabetes dengan pendekatan Algoritma K-Means Clustering yaitu dengan menganalisis kelompok data awal, mentransformasi data awal dan melakukan pengelompokkan. Didalamnya diterapkan variabel-variabel yaitu merokok, kurang aktifitas fisik, gula berlebihan, garam berlebihan, lemak berlebihan kurang makan sayur dan buah, konsumsi alkohol, dan pemeriksaan gula. Hal ini dilakukan untuk melihat persebaran penyakit diabetes, supaya dapat membantu pihak tenaga kesehatan dalam menyediakan acuan. Pada aplikasi yang dibangun telah dilakukan uji kelayakan dan diperoleh presentase kelayakan 100% yang dapat dikaterogikan kedalam interpretasi yang “Sangat Layak. Telah dilakukan uji pengguna dengan menggunakan kuesioner PSSUQ sesuai dengan kategori PSSUQ diantaranya yaitu Overall sebesar 73,2% , Sysuse sebesar 69,01% , Infoqual sebesar 78,6% , Interqual sebesar 71,5% , yang artinya aplikasi layak digunakan. Serta telah uji validitas cluster menggunakan Silhouette Coefficient terhadap algoritma K-Means yang diterapkan dengan nilai yang di dapat sebesar 0,503 yang berarti klaster yang dibuat termasuk dalam kategori “weak structure.

Conclusion

Berdasarkan hasil penelitian, penerapan metode K-Means dapat memberikan persebaran penderita diabetes secara optimal, terbukti melalui uji akurasi dengan Silhouette Coefficient.Penerapan metode K-Means dalam pemetaan persebaran penyakit diabetes menjadi lebih efektif dibandingkan metode sebelumnya.Pengembangan prototype aplikasi berhasil menampilkan hasil klaster dan ploting data.Hasil uji akurasi dengan Silhouette Coefficient sebesar 0,503 menunjukkan kategori *weak structure*, namun hasil kuesioner pengguna sebesar 73,2% dan uji ahli (blackbox 100%, whitebox 100%) menunjukkan kelayakan aplikasi.

Future Research

Penelitian selanjutnya dapat berfokus pada peningkatan kualitas klaster yang dihasilkan oleh algoritma K-Means, misalnya dengan mencoba algoritma clustering lain seperti DBSCAN atau hierarchical clustering, serta melakukan optimasi parameter pada algoritma K-Means untuk mendapatkan hasil yang lebih optimal. Selain itu, penelitian dapat diperluas dengan mengintegrasikan data dari sumber lain, seperti data demografis, data sosial ekonomi, dan data lingkungan, untuk mendapatkan pemahaman yang lebih komprehensif tentang faktor-faktor yang mempengaruhi persebaran penyakit diabetes. Terakhir, pengembangan aplikasi dapat ditingkatkan dengan menambahkan fitur-fitur yang lebih interaktif, seperti visualisasi data yang lebih menarik, rekomendasi penyuluhan yang lebih personal, dan sistem pelaporan yang terintegrasi dengan sistem informasi kesehatan yang ada, sehingga dapat mendukung pengambilan keputusan yang lebih efektif dan efisien dalam upaya pencegahan dan pengendalian penyakit diabetes di masyarakat.

References

1. Penerapan Metode K-Means pada Pemetaan Persebaran Penyakit Diabetes untuk Rekomendasi Prioritas Pemberian... ejournal-unbin.id/index.php/jskom/article/view/42Penerapan Metode K Means pada Pemetaan Persebaran Penyakit Diabetes untuk Rekomendasi Prioritas Pemberian ejournal unbin index php jskom article view 42

Metadata

File size	566.65 KB
Pages	19
DMCA	Report