Jurnal Ilmiah OPTIMASI K-MEANS CLUSTERING UNTUK IDENTIFIKASI DAERAH ENDEMIK PENYAKIT MENULAR DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DI KOTA SEMARANG

Download Jurnal Disini

Daerah tropis adalah wilayah endemik berbagai penyakit menular. Pada saat yang sama suatu daerah berpotensi tinggi untuk kehadiran penyakit menular. Penyakit infeksi masih merupakan masalah kesehatan masyarakat yang utama di Indonesia. Identifikasi daerah endemik penyakit infeksi merupakan masalah penting di bidang kesehatan, tingkat rata-rata pasien dengan cacat fisik dan kematian bersumber dari penyakit menular. Data Mining dalam perkembangannya menjadi salah satu tren utama dalam pengolahan data. Data Mining dapat secara efektif mengidentifikasi daerah endemik hubunngan antar variabel. Algoritma K-means klustering digunakan untuk mengklasifikasikan area endemik sehingga identifikasi penyakit infeksi endemik dapat dicapai dengan tingkat validasi yang maksimal dalam pengelompokan. Penggunaan optimasi untuk mengidentifikasi daerah endemik penyakit menular menggabungkan k-means algoritma pengelompokan dengan optimasi partikel swarm optimasi (PSO). hasil percobaan adalah endemik algoritma k-means dengan iterasi = 10, K-Fold = 2 memiliki Indeks davies bauldin = 0.169 dan k-means algorithm dengan PSO, iterasi = 10, K-Fold = 5, index davies bouldin = 0,113. k-fold = 5 memiliki performa yang lebih baik.

Download Jurnal Disini

Tags: