Penerapan Metode Clustering SOM dan DBSCAN dalam Mengelompokkan Unmet Need Keluarga Berencana di Nusa Tenggara Barat
Abstract views: 612
DOI:
https://doi.org/10.36456/jstat.vol15.no2.a5549
Keywords:
Clustering, SOM, DBSCAN, Unmet need, Keluarga BerencanaAbstract
Perkembangan big data terus mengalami kemajuan dengan sangat pesat. Untuk memudahkan mengakses data dan informasi dapat menggunakan metode clustering. Clustering merupakan proses pengelompokkan obyek atas kesamaan karakteristiknya. Metode clustering dapat diterapkan pada bidang kesehatan yaitu unmet need Keluarga Berencana (KB). Unmet need dapat diartikan sebagai tidak terpenuhinya kebutuhan akan alat kontrasepsi pada pasangan usia subur. Metode clustering yang digunakan pada penelitian ini yaitu SOMdan DBSCAN. Penelitian bertujuan untuk melihat gambaran unmet need di Provinsi Nusa Tenggara Barat yang kedua adalah menguraikan hasil clustering dengan metode Clustering Self Orgaizing Maps (SOM) dan terakhir untuk menguraikan hasil clustering dengan metode DBSCAN dalam kasus pengelompokkan penyebab unmet need KB di Provinsi NTB. Berdasarkan hasil analisis di dapatkan bahwa Kabupaten Lombok Timur merupakan kabupaten dengan jumlah unmet need KB tertinggi sebanyak 84.72 jiwa, sedangkan terendah di Kota Bima sebesar 4.636 orang. Hasil penelitian dengan metode SOM memiliki 3 cluster, 86 kecamatan cluster 1, 30 kecamatan cluster 2 dan 4 kecamatan cluster 3. Untuk metode DBSCANdengan eps 1.20 dan MinPts 3, jumlah cluster yang terbentuk yaitu 2 cluster, cluster 1 dengan 97 kecamatan dan cluster 2 dengan 4 kecamatan, serta 16 kecamatan yang memiliki data noise.
Downloads
References
BKKBN NTB. (2020). Rencana Strategis 2020-2024 Perwakilan BKKBN Provinsi NTB. BKKBN: Nusa Tenggara Barat
Cahyani, A. D., Khotimah, B. K., Rizkillah, R. T., Studi, P., Informatika, T., & Trunojoyo, U. (2014). Perbandingan Metode SOM ( Self Organizing Map ) dengan Pembobotan Berbasis RBF ( Radial Basis Function ) Vol . 7 No . 1 Agustus 2014 ISSN : 1979-8415. 7(1).
Fatmawati, K., & Windarto, A. P. (2018). Data Mining: Penerapan Rapidminer dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi. Computer Engineering, Science and System Journal, 3(2), 173. DOI: https://doi.org/10.24114/cess.v3i2.9661
Gunawan, W. (2021). Implementasi Algoritma DBSCAN dalam Pemngambilan Data Menggunakan Scatterplot. Techno Xplore : Jurnal Ilmu Komputer Dan Teknologi Informasi, 6(2), 91–98. DOI: https://doi.org/10.36805/technoxplore.v6i2.1179
Halim, N. N., Widodo, E., Statistika, P., Indonesia, U. I., Artikel, I., Bumi, G., Validation, I., Halim, N. N., & Indonesia, U. I. (2017). Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps. 1(1), 188–194.
Harli, E., Fauzi, A., & Kusmanto, T. H. (2016). Pengelompokkan Kelas Menggunakan Self Organizing Map Neural Network pada SMK N 1 Depok. 2(2), 90–95. DOI: https://doi.org/10.26418/jp.v2i2.17574
Kristianto, A., Sediyono, E., & Hartomo, K. D. (2020). Implementation dbscan algorithm to clustering satellite surface temperature data in indonesia. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 6(2), 109–118. DOI: https://doi.org/10.26594/register.v6i2.1913
Listyaningsih, U., Sumini, S., & Satiti, S. (2016). Unmet need: Konsep Yang Masih Perlu Diperdebatkan. Populasi, 24(1), 72. DOI: https://doi.org/10.22146/jp.23696
Made, N., Santika, A., Gede, I. K., Putra, D., & Sukarsa, I. M. (2015). Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan. 6(3), 185–191. DOI: https://doi.org/10.24843/LKJITI.2015.v06.i03.p05
Nastiti, R., Supraptu, B., & Gaffar, A. F. O. (2018). Perbandingan Hasil Algoritma Self Organizing Map ( SOM ) dan Fuzzy C-Means Clustering Untuk Kualifikasi Data Kinerja Dosen. Prosiding Seminar Nasional Ilmu Komputer Dan Teknologi Informasi, 3(2), 15–21.
Qadrini, L. (2020). Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 13(2), 5–11. DOI: https://doi.org/10.36456/jstat.vol13.no2.a2886
Risman, Syaripuddin, & Suyitno. (2019). Implementasi Metode Dbscan Pada Pengelompokan Kabupaten/Kota Di Pulau Kalimantan Berdasarkan Indikator Kesejahteraan Rakyat. Prosiding Seminar Nasional Matematika, 22–28.
Royal, S. (2022). Implementasi Metode K-Means Clustering Tunggakan. 4307(1), 118–124.
Suwirmayanti, N. L. G. P. (2020). Penerapan Teknik Clustering Untuk Pengelompokkan Konsentrasi Mahasiswa Dengan Metode Self Organizing Map. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 2(01), 11–20. DOI: https://doi.org/10.46772/intech.v2i01.182
Wuryandari, T., Rahmawati, R., Pati, K., Demak, K., & Brebes, K. (2017). Metode DBSCAN untuk Pengelompokan Kabupaten / Kota Di Provinsi Jawa Tengah. 5(1), 1–6.
Yordani, R. (2016). Teori Pertumbuhan Ekonomi Menggunakan Aplikasi Integrasi Self Organizing Map ( SOM ) dan Sistem Informasi Geografis Visualization Of Clustering Region By Economic Growth Theory Using The Integrasi Self Organizing Map ( SOM ). 129–142.
