Penerapan Algoritma K-Means Clustering untuk Mengelompokkan Rekomendasi Jenis KB Berbasis Machine Learning (Studi Kasus di Puskesmas Pegang Baru)

Adawiyah, Quratih (2024) Penerapan Algoritma K-Means Clustering untuk Mengelompokkan Rekomendasi Jenis KB Berbasis Machine Learning (Studi Kasus di Puskesmas Pegang Baru). Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_222321030_QURATIH ADAWIYAH_Abstrak.pdf Download (11kB)
	Text Tesis_222321030_QURATIH ADAWIYAH_BAB I.pdf Download (90kB)
	Text Tesis_222321030_QURATIH ADAWIYAH_Daftar Pustaka.pdf Download (160kB)
	Text Tesis_222321030_QURATIH ADAWIYAH_Full Text.pdf Restricted to Repository staff only Download (3MB)

Abstract

Data Mining juga menjadi proses untuk mengekstrak pola dan informasi dari kumpulan data yang besar. Salah satu teknik Data Mining yang digunakan pada penelitian ini adalah K-Means Clustering, yang merupakan metode pengelompokan yang membagi data dalam kelompok berdasarkan kesamaan karakteristik. Clustering bekerja dengan menentukan centroid dari setiap cluster dan mengelompokkan data berdasarkan jarak terdekat ke centroid tersebut. Penelitian ini bertujuan untuk mengelompokkan data pasien KB kedalam jenis KB jangka pendek dan jenis KB jangka panjang berdasarkan karakeristik nama, umur, dan jumlah anak. Data yang digunakan yaitu 50 data pasien KB tahun 2023 dianalisis menggunakan software RapidMiner yang memfasilitasi pengolahan data lebih cepat dan akurat. Algoritma KMeans Clustering mengelompokkan pasien ke dalam 2 cluster, yaitu cluster C0 yang menyatakan pasien direkomendasikan menggunakan jenis KB jangka pendek, dan cluster C1 yang merekomendasikan jenis KB jangka panjang. Hasil dari penelitian ini menunjukkan bahwa cluster C0 terdiri dari 29 anggota, sedangkan cluster C1 memiliki 21 anggota. Penggunaan algoritma K-Means Clustering mampu secara efektif membagi data pasien yang memberikan manfaat kepada bidan dalam memberikan rekomendasi jenis KB yang lebih tepat sasaran dan terstruktur kepada pasien. RapidMiner juga memberikan hasil yang konsisten, dan mempermudah proses analisis data dan memastikan bahwa hasil clustering manual sejalan. Kata Kunci: K-Means Clustering, Data Mining, RapidMiner, Kontrasepsi, Puskesmas

Actions (login required)

View Item