{"title":"Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat","authors":"Bakhtiyar Hadi Prakoso, Ervina Rachmawati, Demiawan Rachmatta Putro Mudiono, Veronika Vestine, Gandu Eko Julianto Suyoso","doi":"10.24002/jbi.v14i01.7105","DOIUrl":null,"url":null,"abstract":"One of the fundamental principles followed by the Jember Health Office for decision-making is data. Data plays a crucial role in the decision-making process. Raw data is more difficult to interpret and needs to be analyzed. Clustering is one of the techniques used for analysis. This study discusses using K-Means to cluster Public Health Center data based on AKI, AKB, and stunting prevalence. The data is processed by reducing dimensions and normalizing them. The clustering process is performed using the K-Means method, where the maximum k-value is obtained by calculating WCSS. The clustering process results in three clusters of Public Health Centers in the Jember Regency. These clusters can serve as a reference for the Jember Health Office to formulate family health and community nutrition quality policies.Keywords: data mining, K-Means, clustering, Maternal Mortality Rate, Infant Mortality Rate, the prevalence of stunting\n \nSalah satu dasar pengambilan kebijakan oleh Dinas Kesehatan Jember adalah data. Data memiliki peran dalam proses pengambilan keputusan. Data mentah yang didapatkan lebih sulit untuk diinterpretasikan sehingga diperlukan analisis terhadap data tesebut. Salah satu analisis yang dapat digunakan adalah teknik klasterisasi. Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisasi data puskesmas berdasarkan AKI, AKB, dan prevalensi stunting. Data diproses dengan melakukan reduksi dimensi dan normalisasi. Proses klasterisasi dilakukan dengan metode K-Means dimana nilai k maksimal diperoleh dengan menghitung WCSS. Adapun hasil proses klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember. Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas kesehatan keluarga dan gizi masyarakatKata Kunci: data mining, K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi, prevalensi stunting","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"82 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Buana Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24002/jbi.v14i01.7105","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
One of the fundamental principles followed by the Jember Health Office for decision-making is data. Data plays a crucial role in the decision-making process. Raw data is more difficult to interpret and needs to be analyzed. Clustering is one of the techniques used for analysis. This study discusses using K-Means to cluster Public Health Center data based on AKI, AKB, and stunting prevalence. The data is processed by reducing dimensions and normalizing them. The clustering process is performed using the K-Means method, where the maximum k-value is obtained by calculating WCSS. The clustering process results in three clusters of Public Health Centers in the Jember Regency. These clusters can serve as a reference for the Jember Health Office to formulate family health and community nutrition quality policies.Keywords: data mining, K-Means, clustering, Maternal Mortality Rate, Infant Mortality Rate, the prevalence of stunting
Salah satu dasar pengambilan kebijakan oleh Dinas Kesehatan Jember adalah data. Data memiliki peran dalam proses pengambilan keputusan. Data mentah yang didapatkan lebih sulit untuk diinterpretasikan sehingga diperlukan analisis terhadap data tesebut. Salah satu analisis yang dapat digunakan adalah teknik klasterisasi. Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisasi data puskesmas berdasarkan AKI, AKB, dan prevalensi stunting. Data diproses dengan melakukan reduksi dimensi dan normalisasi. Proses klasterisasi dilakukan dengan metode K-Means dimana nilai k maksimal diperoleh dengan menghitung WCSS. Adapun hasil proses klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember. Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas kesehatan keluarga dan gizi masyarakatKata Kunci: data mining, K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi, prevalensi stunting
Jember卫生办公室在决策时遵循的基本原则之一是数据。数据在决策过程中起着至关重要的作用。原始数据更难解释,需要进行分析。聚类是用于分析的技术之一。本研究讨论了基于AKI、AKB和发育迟缓患病率的公共卫生中心数据的K-Means聚类。通过降维和规范化来处理数据。聚类过程采用K-Means方法,通过计算WCSS获得最大k值。在群集过程中,Jember摄政形成了三个公共卫生中心群集。这些分组可作为Jember保健办公室制定家庭保健和社区营养质量政策的参考。关键词:数据挖掘,K-Means,聚类,孕产妇死亡率,婴儿死亡率,发育迟缓患病率数据记忆,peran dalam, pengambilan, keputusan。Data mentah yang didapatkan lebih sulit untuk diinterpretkan seinga diperlukan analysis terhadap Data tesebut。萨拉赫状态分析杨达帕特digunakan adalah技术,klasterisasi。Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisissi数据显示,儿童发育迟缓,AKB和普遍发育迟缓。数据处理是按维数和正态化处理。散文klasterisasi dilakukan dengan metode k - means dimana汝k maksimal diperoleh dengan menghitung wcs。Adapun hasil处理klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember。Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas Kesehatan keluarga dan gizi masyarakatKata Kunci:数据挖掘,K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi,患病率发育不良