Pengelompokan Kasus Penyakit Aids Berdasarkan Provinsi Dengan Data Mining K-Medoids Clustering

Abstract

Acquired Immunodeficiency Syndrome or Acquired Immune Deficiency Syndrome (AIDS abbreviated) is a set of symptoms and infections that arise due to the destruction of the human immune system due to HIV viral infection. This study discusses about Rapidminer Application in Grouping Cases of AIDS Disease by Province with K-medoid Clustering Data Mining. The rise of AIDS cases in Indonesia has become a case that never escapes government attention. Attention to the ever increasing rate of death makes people worry about the spread of the AIDS virus. Sources of data and research are collected from the information document Number of Villages Who Have Health Facilities produced by the Social Security Administering Board. The data used in this study is data from 2008-2011 which consists of 34 provinces. Assessment criteria used are 2 ie 1). the average number of AIDS cases and 2). the average number of AIDS cases deaths were managed using 3 clusters ie high cluster level (C1), medium cluster level (C2) and low cluster level (C3). So that the cluster C1 obtained for Cases of AIDS Disease by Province as many as 4 provinces of Papua, DKI Jakarta, West Java and East Java, 9 provinces for cluster C2 and for cluster C3 as much as 20. This can be input to the government, the province of concern in the number of cases of AIDS.Keywords: Maining Data, AIDS Disease, Clustering, K-medoid

Penerapan Algoritma K-Medoids Untuk Pengelompokkan Pengangguran Umur 25 tahun Keatas Di Sumatera Utara

“…"Data mining adalah proses menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengetahui informasi yang bermanfaat yang terkait dari database yang besar. "Tujuan utama Data mining adalah untuk menemukan, menggali, atau menambang pengetahuan dari data atau informasi yang kita miliki" [4] "Data Mining sering juga disebut Knowledge Discovery in Database (KDD) merupakan meliputi kegiatan pengumpulan, pemakaian data historis menemukan pola atau hubungan dalam set data berukuran besar" [5] Data mining merupakan salah satu bidang paling penting dalam penelitian yang bertujuan untuk memperoleh informasi dari data set. [6] Data mining memiliki kelebihan sebagai alat analisis seperti berikut :…”

Clustering Daerah Penyebaran Covid-19 Di Indonesia Menggunakan Algoritma K-Medoids

“…Algoritma K-Medoids sering disebut juga algoritma Partitoning Around Medoids (PAM) [14]. Algoritma PAM (Partitioning Around Medoid) adalah sebuah algoritma yang merepresentasikan cluster yang dibentuk menggunakan medoids cluster di bangun dengan menghitung kedekatan yang dimiliki antara medoid dengan objek non-medoid menggunakan distance measure [6].…”

Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia

“…Berdasarkan hasil penelitian menggunakan Jumlah dataset sebesar 34 data tersebut, dapat disimpulkan bahwa metode K-Medoids menghasilkan nilai SC lebih besar dari pada metode K-Means, sehingga K-Medoids dapat memberikan hasil pengelompokan yang lebih baik. Data selection merupakan proses pemilihan data yang akan dilakukan dalam proses data mining, kemudian dilanjutkan pada tahap data preprocessing dimana data dilakukan pengecekan apabila terdapat data yang hilang atau terdapat typography (kesalahan input) maka data harus ditangani terlebih dahulu, kemudian dilakukan data transformation dimana data yang telah dibersihkan melalui tahap data preprocessing atribuyt-atribut yang digunakan diubah menjadi standarisasi data yang masih berbentuk kategori juga ditranformasikan pada bentuk intejer dan polynomial, selanjutnya adalah proses data mining yaitu data tersebut diekstraksi bentuk dan polanya dengan menggunakan algoritma K-Means dan K-Medoids, dan hasil dari nilai Device Boudin [14] cluster yang tersedia di tools RapidMiner studio pengukuran jarak tersebut digunakan pada proses data mining, sedangkan untuk melakukan proses mining menggunakan algoritma K-Means dan K-Medoids [15] untuk menampilkan hasil clustering dari cluster. Selanjutnya dilakukannya evaluasi dari hasil model data mining yang telah didapatkan yaitu untuk mengukur optimalisasi dari cluster yang hasilkan pada tools RapidMiner dengan menggunakan nilai Device Boudin untuk mengetahui nilai evaluasi berupa nilai silhouette.…”