Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Pengelompokkan Data Penerima Vaksinasi Covid-19
DOI:
https://doi.org/10.53513/jursi.v2i3.6829Abstract
Masalah yang ditemukan di Puskesmas Bandar Baru cabang Sibolangit adalah pemerintah menetapkan untuk penerima vaksinas yaitu berdasarkan prioritas tertentu, seperti PNS, tenaga medis, manusia lanjut usia dan masyarakat biasa. Ini membuat pusat layanan kesehatan masyarakat seperti puskesmas harus dapat mengelompokkan data-data di masyarakat berdasarkan prioritas yang telah ditetapkan oleh pemerintah. Oleh karena itu maka dibangunlah sebuah data mining yang dapat melakukan proses pengelompokkan data vaksinasi covid-19 berdasarkan kriteria yang telah ditentukan dan dikombinasikan dengan metode K-means clustering. Metode k- means clustering adalah sebuah metode cluster analysis non hirarki yang berusaha mempartisi objek berdasarkan karakteristiknya, sehingga objek yang mempunyai karakteristik yang sama dikelompokkan dalam satu cluster yang sama dan objek yang mempunyai karakteristik yang berbeda dikelompokkan kedalam cluster yang lain. Hasil yang diperoleh adalah sebuah sistem yang dapat memberikan hasil akhir berupa data-data kelompok penerima vaksinasi perbulannya dimulai dari nilai tertinggi ke terendah. Data ini diharapkan dapat membantu pihak puskesmas Bandar Baru cabang Sibolangit untuk mengelompokkan data penerima vaksinasi covid-19 kriteria vaksinasi I, vaksinasi II dan vaksin booster.References
Rachmadi, T., Rahayu, T. P., Waluyo, A., & Yuliyanto, W. (2021). Pemberian vaksinasi covid-19 bagi masyarakat kelompok petugas pelayanan publik di Kecamatan Buluspesantren. JURPIKAT (Jurnal Pengabdian Kepada Masyarakat), 2(2), 318-333.
M. Ramadhan, J. Hutagalung, M. Dahria, I. Zulkarnain, and H. Jaya, “Prediksi Penjualan Spare Part Mobil Daihatsu Menggunakan Algoritma Apriori,†Techno.Com, vol. 22, no. 1, pp. 156–166, 2023, doi: 10.33633/tc.v22i1.7192.
A. Gusderia, M. Ramadhan, and M. I. Perangin-angin, “Data Mining Untuk Klasifikasi Data Penjualan Alat Teknik Menggunakan Metode Naive Bayesian Clacifier,†vol. 21, no. 2, pp. 73–79, 2022.
Y. Syahra, “Penerapan Data Mining Dalam Pengelompokkan Data Nilai Siswa Untuk Penentuan Jurusan Siswa Pada SMA Tamora Menggunakan Algoritma K-Means Clustering,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 17, no. 2, p. 228, 2018, doi: 10.53513/jis.v17i2.70.
A. Fitri, Y. Syahra, and R. Kustini, “Penerapan Data Mining Dalam Mengklusterisasi Location Best Pb Tambahan Pada Regional IV PT Indomarco Prismatama Cab.Medan Dengan Menggunakan Metode K-Means,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 19, no. 2, p. 11, 2020, doi: 10.53513/jis.v19i2.2330.
S. D. Prasetiani and N. Rochmawati, “Penerapan Data Mining Untuk Clustering Menu Favorit Menggunakan Algoritma K-Means (Studi Kasus Kedai Expo),†vol. 03, pp. 278–286, 2022.
R. Girsang, E. F. Ginting, and M. Hutasuhut, “Penerapan Algoritma C4.5 Pada Penentuan Penerima Program Bantuan Pemerintah Daerah,†J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 4, p. 449, 2022, doi: 10.53513/jursi.v1i4.5727.
D. P. Utomo, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,†vol. 4, no. April, pp. 437–444, 2020, doi: 10.30865/mib.v4i2.2080.
R. Aditiya, S. Defit, and G. W. Nurcahyo, “Prediksi Tingkat Ketersediaan Stock Sembako Menggunakan Algoritma FP-Growth dalam Meningkatkan Penjualan,†J. Inform. Ekon. Bisnis, vol. 2, pp. 67–73, 2020, doi: 10.37034/infeb.v2i3.44.
F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,†Sistemasi, vol. 7, no. 3, p. 238, 2018, doi: 10.32520/stmsi.v7i3.388.
M. Syukri Mustafa, M. Rizky Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,†Citec J., vol. 4, no. 2, pp. 151–162, 2017.
