LILI RAHMAWATI, - (2023) Penerapan Data Mining untuk Menentukan Penyebab Kematian di Indonesia Menggunakan Metode Clustering K-Means. PENERAPAN DATA MINING UNTUK MENENTUKAN PENYEBAB KEMATIAN DI INDONESIA MENGGUNAKAN METODE CLUSTERING K-MEANS, 4 (3). pp. 535-543. ISSN 2685-998X

Preview

Text (JURNAL) LILI RAHMAWATI.pdf - Published Version Download (1MB) | Preview

Abstract

Abstrak–Kematian dalam ilmu kedokteran dipelajari pada disiplin ilmu yang disebut ilmu tanatologi. kematian tidak hanya dialami oleh orang yang berusia lanjut, tetapi juga dapat dialami oleh orang yang masih muda, remaja, atau bahkan bayi. Kematian dapat disebabkan oleh berbagai macam faktor yaitu, karena sakit, usia lanjut, kecelakaan, dan sebagainya. Berdasarkan informasi yang diberikan oleh World Health Organization (WHO), ada lima penyebab kematian tertinggi diantaranya yaitu penyakit jantung iskemik, Alzheimer, stroke, gangguan pernapasan, kondisi neonatal. Dalam penelitian ini k-means digunakan untuk pengelompokkan penyebab kematian di Indonesia berdasarkan angka kematian yang terjadi untuk menentukan kasus kematian yang paling berdampak atas tingginya kematian di Indonesia. Dengan mengetahui apa saja kasus kematian ini akan memberikan persiapan dini dalam antisipasi penyebab kematian di Indonesia. Tujuan dilakukannya penelitian ini adalah untuk mengelompokkan angka kematian berdasarkan jumlah penyebab kematian manakah yang termasuk dalam cluster rendah, sedang, dan tinggi dengan menerapkan metode K-Means. Pada penelitian ini penulis menggunakan algoritma K-Means clustering untuk mengelompokkan angka kematian pada data penyebab kematian di indonesia dari tahun 2017-2021. Hasil dari penelitian ini dibentuk 3 cluster yang telah dievaluasi menggunakan Davies Bouldin Index (DBI) di Rapidminer dengan nilai sebesar 0.259. Hasil clustering dari jumlah keseluruhan 21 Kasus didapatkan cluster tinggi, sedang dan rendah. pengelompokkan cluster ini didapatkan menurut banyaknya angka kematian setiap kasus, yaitu cluster pertama (C0) rendah dengan jumlah 17 Kasus, cluster kedua (C1) sedang dengan jumlah 3 Kasus dan cluster ketiga (C2) tinggi dengan jumlah 1 Kasus. Kata Kunci: Clustering; Data Mining; Kematian; K-means; Rapidminer

Actions (login required)

View Item