Responsive Banner

Clustering data pasien Puskesmas Puhpelem menggunakan K-Means Clustering

Arif, Khoirul Solekhan (2023) Clustering data pasien Puskesmas Puhpelem menggunakan K-Means Clustering. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img]
Preview
Text (Fulltext)
17650061.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (4MB) | Preview

Abstract

INDONESIA:

Penelitian ini bertujuan untuk melakukan clustering terhadap data pasien Puskesmas Puhpelem menggunakan metode K-Means Clustering dan mengukur kualitas cluster yang dihasilkan dengan menggunakan metode Silhouette Coefficient. Dari 12 skenario clustering yang diuji, skenario terbaik adalah dengan jumlah cluster 13 yang menunjukkan nilai Silhouette Coefficient tertinggi sejumlah 0.72. Hasil tersebut menandakan bahwa cluster-cluster yang terbentuk memiliki pemisahan yang jelas dan tingkat kesamaan yang tinggi antar data dalam cluster. Terdapat variasi karakteristik dalam 13 cluster, mencakup pasien peserta BPJS PBI dan NON PBI, anak-anak, ibu hamil dan berbagai jenis penyakit. Kesimpulannya, skenario 12 dengan jumlah cluster 13 dianggap optimal untuk mengelompokkan data pasien Puskesmas Puhpelem.

ENGLISH:

The research aims to perform clustering on data of Puskesmas Puhpelem patients using the K-Means Clustering method and measure the cluster quality produced using the Silhouette Coefficient method. From 12 clustering scenarios tested, the best goes for cluster 13, showing the highest Silhouette Coefficient of 0.72. It indicates that the formed clusters have a clear separation and high similarity among their data. The characteristic variation has been found in the 13 clusters, including the patients of PBI and non-PBI BPJS insurance, children, pregnant women, and various diseases. The conclusion shows that scenario 12, with a total of 13 clusters, is considered optimum to group data of Puskesmas Puhpelem patients.

ARABIC:

يهدف هذا البحث إلى تجميع بيانات مريض بمركز فوه فيليم الصحي باستخدام طريقة خوارزمية تصنيفية (K-Means Clustering) وقياس جودة المجموعة الناتجة باستخدام طريقة معامل الصورة الظلية. من بين 12 سيناريو التجميع التي تم اختبارها، فإن أفضل سيناريو هو أن يظهر عدد المجموعات 13 أعلى قيمة معامل صورة ظلية تبلغ 0.72. أشارت هذه النتائج إلى أن المجموعات التي تشكلت لها فصل واضح ومستوى عال من التشابه بين البيانات في المجموعة. هناك اختلافات في الخصائص في 13 مجموعة، بما في ذلك المرضى المشاركين في BPJS PBI و NON PBI والأطفال والنساء الحوامل وأنواع مختلفة من الأمراض. في الختام، يعتبر السيناريو 12 برقم مجموعة 13 هو الأمثل لتجميع بيانات مرضى بمركز فوه فيليم الصحي.

Item Type: Thesis (Undergraduate)
Supervisor: Faisal, Muhammad and Fatchurrochman, Fatchurrochman
Keywords: K-Means Clustering; Pasien Puskesmas; Silhouette Coefficient; K-Means Clustering; Puskesmas Patients; Silhouette Coefficient; معامل الصورة الظلية ;مرضى بالمركز الصحي ;خوارزمية تصنيفية;
Departement: Fakultas Sains dan Teknologi > Jurusan Teknik Informatika
Depositing User: Khoirul Solekhan Arif
Date Deposited: 19 Feb 2024 11:43
Last Modified: 19 Feb 2024 11:43
URI: http://etheses.uin-malang.ac.id/id/eprint/59534

Downloads

Downloads per month over past year

Actions (login required)

View Item View Item