Clustering Tingkat Kesehatan Balita Menggunakan Metode Fuzzy
Subtractive Clustering Pada Kota Makassar
Writer(s) : Fabyola Larasati Masyita | Ingrid Nurtanio | Elly Warni
Teknik Informatika | Teknik Informatika S1
Tingkat kesehatan balita mencerminkan tingkat kesehatan bangsa, sebab balita sebagai
generasi penerus bangsa memiliki kemampuan yang dapat dikembangkan dalam meneruskan
pembangunan bangsa. Salah satu teknik yang dapat digunakan untuk mengetahui tingkat
kesehatan balita dengan menggunakan teknik data mining. Tujuan utama dalam penelitian ini
adalah agar mengetahui pengelompokan tingkat kesehatan balita untuk setiap kelurahan pada
Kota Makassar.
Pada penelitian ini, algoritma fuzzy subtractive clustering diterapkan untuk mengetahui
pengelompokkan tiap lingkungan (kelurahan) yang ada di Kota Makassar menjadi beberapa
klaster. Klaster yang terbentuk ditinjau berdasarkan kemiripan karakteristik lingkungan dari
indikator kesehatan balita, seperti angka kematian balita, presentase balita gizi kurang,
presentase balita gizi kurus, presentase balita pendek, BBLR (berat badan lahir rendah),
presentase balita menderita pneumonia, dan diare dengan menggunakan data yang berasal dari
Dinas Kesehatan Kota Makassar tahun 2018.
Hasil penelitian menggunakan algoritma fuzzy subtractive clustering dengan r = 0.5
pada dataset balita di setiap kelurahan yang berasal dari Dinas Kesehatan Kota Makassar tahun
2018 baik dengan pengerjaan tanpa library maupun menggunakan library pada Matlab
memberikan hasil klaster yang sama, yaitu 8 klaster. Sebanyak 16 kelurahan (34.8%) berada
pada klaster 1 (persentase penderita gizi kurang tertinggi ketiga). Sebanyak 4 kelurahan (8.7%)
berada pada klaster 2 (angka kematian tertinggi kedua). 5 kelurahan (10.9%) berada pada klaster
3 (persentase penderita pneumonia tertinggi kedua). 6 kelurahan (13%) berada pada klaster 4
(persentase penderita gizi kurang, kurus, dan pendek tertinggi). 4 kelurahan (8.7%) berada pada
klaster 5 (persentase penderita pneumonia tertinggi). 3 kelurahan (6.5%) berada pada klaster 6
(persentase penderita BBLR tertinggi). 3 kelurahan (6.5%) berada pada klaster 7 (persentase
penderita diare tertinggi). 5 kelurahan (10.9%) berada pada klaster 8 (angka kematian tertinggi).
Adapun nilai Silhouette Coefficient yang didapatkan 0.2417, nilai SSE 7.6842, dan nilai MAE
0.5870. Dengan diketahuinya hasil klaster pada setiap kelurahan, maka dapat dijadikan oleh
pemerintah sebagai bahan kebijakan agar mampu meningkatkan pelayanan kesehatan di setiap
kelurahan berdasarkan masalah yang dihadapi, sehingga dapat menekan angka kematian dan
penyakit serta status gizi balita dapat ditingkatkan.
Keyword(s): data mining, clustering, algoritma fuzzy subtractive clustering, tingkat kesehatan
Year : 2021