Clustering Tingkat Kesehatan Balita Menggunakan Metode Fuzzy Subtractive Clustering Pada Kota Makassar


Masyita, Fabyola Larasati (2021) Clustering Tingkat Kesehatan Balita Menggunakan Metode Fuzzy Subtractive Clustering Pada Kota Makassar. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Full text] Text (Full text)
D42116510_skripsi.pdf
Restricted to Repository staff only

Download (2MB)
[thumbnail of Bab I & II] Text (Bab I & II)
D42116510_skripsi_bab 1-2.pdf

Download (1MB)
[thumbnail of Cover]
Preview
Image (Cover)
D42116510_skripsi_cover1.jpg

Download (226kB) | Preview
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
D42116510_skripsi_dp.pdf

Download (484kB)

Abstract (Abstrak)

Tingkat kesehatan balita mencerminkan tingkat kesehatan bangsa, sebab balita sebagai generasi penerus bangsa memiliki kemampuan yang dapat dikembangkan dalam meneruskan pembangunan bangsa. Salah satu teknik yang dapat digunakan untuk mengetahui tingkat kesehatan balita dengan menggunakan teknik data mining. Tujuan utama dalam penelitian ini adalah agar mengetahui pengelompokan tingkat kesehatan balita untuk setiap kelurahan pada Kota Makassar.
Pada penelitian ini, algoritma fuzzy subtractive clustering diterapkan untuk mengetahui pengelompokkan tiap lingkungan (kelurahan) yang ada di Kota Makassar menjadi beberapa klaster. Klaster yang terbentuk ditinjau berdasarkan kemiripan karakteristik lingkungan dari indikator kesehatan balita, seperti angka kematian balita, presentase balita gizi kurang, presentase balita gizi kurus, presentase balita pendek, BBLR (berat badan lahir rendah), presentase balita menderita pneumonia, dan diare dengan menggunakan data yang berasal dari Dinas Kesehatan Kota Makassar tahun 2018.
Hasil penelitian menggunakan algoritma fuzzy subtractive clustering dengan r = 0.5 pada dataset balita di setiap kelurahan yang berasal dari Dinas Kesehatan Kota Makassar tahun 2018 baik dengan pengerjaan tanpa library maupun menggunakan library pada Matlab memberikan hasil klaster yang sama, yaitu 8 klaster. Sebanyak 16 kelurahan (34.8%) berada pada klaster 1 (persentase penderita gizi kurang tertinggi ketiga). Sebanyak 4 kelurahan (8.7%) berada pada klaster 2 (angka kematian tertinggi kedua). 5 kelurahan (10.9%) berada pada klaster 3 (persentase penderita pneumonia tertinggi kedua). 6 kelurahan (13%) berada pada klaster 4 (persentase penderita gizi kurang, kurus, dan pendek tertinggi). 4 kelurahan (8.7%) berada pada klaster 5 (persentase penderita pneumonia tertinggi). 3 kelurahan (6.5%) berada pada klaster 6 (persentase penderita BBLR tertinggi). 3 kelurahan (6.5%) berada pada klaster 7 (persentase penderita diare tertinggi). 5 kelurahan (10.9%) berada pada klaster 8 (angka kematian tertinggi). Adapun nilai Silhouette Coefficient yang didapatkan 0.2417, nilai SSE 7.6842, dan nilai MAE 0.5870. Dengan diketahuinya hasil klaster pada setiap kelurahan, maka dapat dijadikan oleh pemerintah sebagai bahan kebijakan agar mampu meningkatkan pelayanan kesehatan di setiap kelurahan berdasarkan masalah yang dihadapi, sehingga dapat menekan angka kematian dan penyakit serta status gizi balita dapat ditingkatkan.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: data mining, clustering, algoritma fuzzy subtractive clustering, tingkat kesehatan
Subjects: T Technology > T Technology (General)
Depositing User: Andi Milu
Date Deposited: 24 Aug 2022 01:08
Last Modified: 24 Aug 2022 01:08
URI: http://repository.unhas.ac.id:443/id/eprint/18308

Actions (login required)

View Item
View Item