PERANCANGAN APLIKASI DATA MINING UNTUK KLUSTERISASI PENYEBARAN PENYAKIT DI KABUPATEN XYZ DENGAN ALGORITMA K-MEANS DAN FUZZY C-MEANS
Abstract
Perkembangan data yang semakin meningkat saat ini menjadi tantangan tersendiri untuk memberikan kontribusi agar data tersebut dapat diolah menjadi informasi yang lebih bermanfaat. Salah satu pemanfaatan data yang dapat diterapkan yaitu pengelompokan data penyebaran penyakit sebagai informasi acuan bagi Pemerintah Daerah (Pemda) untuk membuat program intervensi yang lebih tepat sasaran baik dari sisi alokasi dana maupun penanganan cepat tanggap. Teknik yang dapat digunakan untuk menyelesaikan masalah tersebut dengan data mining. Penelitian ini akan membandingkan algoritma data mining K-Means dan Fuzzy C-Means yang berfokus pada pengelompokan atau klustering data. Hasil yang diperoleh pada penelitian ini, baik Algoritma K-Means maupun Fuzzy C-Means samasama berhasil melakukan pengelompokan data penyebaran penyakit dengan 3 kluster pada iterasi 5. Fungsi objektif yang diperoleh K-Means sebesar 0,0575 sedangkan Fuzzy C-Means sebesar 0,0783.
References
[2] M. Kamber, M. Kaufmann, and P. All, “Data Mining: Concepts and Techniques,” 2000.
[3] Ridlo. M. Rosyd, Defiyanti. Sofi, Primajaya. Aji, "Implementasi Algoritma K-Means untuk Pemetaan Produktivitas Panen Padi di Kabupaten Karawang, CITEE 2017, pp. 426-433
[4] Cheng. Shou-Cheng, "Applying Importance-Performance Analysis by Fuzzy C-Means to Evaluate Tourist Friendly Destination", International Conference on Machine Learning and Cybernatics, 2018.
[5] P.-N. Tan, M. Steinbach, and V. Kumar, “Chap 8 : Cluster Analysis: Basic Concepts and Algorithms,” Introd. to Data Min., p. Chapter 8, 2005.
[6] B. K. Teknomo, “K-Means Clustering Tutorial,” pp. 1–12, 2007.
[7] N. Wakhidah, “Clustering Menggunakan K-Means Algorithm ( K-Means Algorithm Clustering ),” Fak. Teknol. Inf., vol. 21, no. 1, pp. 70–80, 2014.
[8] Zadeh, L.a, (1956). Fuzzy Sets. Information an d Control, 8(3), 338-353.
[9] Bezdek, J.C. Ehrlich, R & Full. W, (1984), The Fuzzy C-Means Clustering Algorithm. Computers and Geosience, 10(2-3), 191-203