ANALISIS METODE FUZZY C-MEANS UNTUK DETEKSI DAN KLASTERISASI PENYAKIT DIABETES DI RSUD PIDIE JAYA
DOI:
https://doi.org/10.54314/jssr.v8i3.4201Abstrak
Abstract: Diabetes is a chronic disease with a steadily increasing number of suf Mutia Arifah ferers every year, including in Pidie Jaya Regency. Early detection and clustering of sufferers are crucial to support effective disease management, personalized care, and more targeted allocation of health resources. This study aims to cluster sub-districts based on the number of diabetes sufferers using the Fuzzy C-Means (FCM) method. This method was chosen because it can flexibly group data by calculating the degree of membership of each data item within each cluster. The data used is secondary data on the number of diabetes sufferers from 12 sub- districts in Pidie Jaya Regency during the 2021-2024 period. The clustering process is carried out through several stages: parameter initialization, random creation of an initial partition matrix, calculation of cluster centers, degree of membership, and iterative evaluation of the objective function until convergence. The results show that Fuzzy C-Means successfully divides the data into two clusters: high and low clusters. Subdistricts such as Trienggadeng and Meureudu are in the high cluster, while Cubo and Jangka Buya are in the low cluster. The objective function value decreased significantly and reached convergence at the 13th iteration. The results of this study are expected to assist local governments and health agencies in developing more targeted policies based on the geographic distribution of diabetes sufferers in the Pidie Jaya region.
Keyword: Diabetes, Clustering, Fuzzy C-Means.
Abstrak: Diabetes merupakan salah satu penyakit kronis yang jumlah penderitanya terus meningkat setiap tahun, termasuk di Kabupaten Pidie Jaya. Deteksi dini dan klasterisasi penderita sangat penting untuk mendukung manajemen penyakit yang efektif, personalisasi perawatan, serta alokasi sumber daya kesehatan yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengklaster wilayah kecamatan berdasarkan jumlah penderita diabetes menggunakan metode Fuzzy C-Means. Metode ini dipilih karena mampu mengelompokkan data secara fleksibel dengan memperhitungkan derajat keanggotaan setiap data terhadap masing-masing klaster. Data yang digunakan berupa data sekunder jumlah penderita diabetes dari 12 kecamatan di Kabupaten Pidie Jaya selama periode 2021, 2022, 2023 hingga 2024. Proses klasterisasi dilakukan melalui beberapa tahap, yaitu inisialisasi parameter, pembuatan matriks partisi awal secara acak, perhitungan pusat klaster, derajat keanggotaan, dan evaluasi fungsi objektif secara iteratif hingga konvergensi. Hasil penelitian menunjukkan bahwa Fuzzy C-Means berhasil membagi data menjadi dua klaster, yaitu klaster tinggi dan rendah. Kecamatan seperti Trienggadeng dan Meureudu termasuk klaster tinggi, sedangkan Cubo dan Jangka Buya termasuk klaster rendah. Nilai fungsi objektif menurun signifikan dan mencapai konvergensi pada iterasi ke-13. Hasil penelitian ini diharapkan dapat membantu pemerintah daerah dan instansi kesehatan dalam membuat kebijakan yang lebih tepat sasaran berdasarkan distribusi geografis penderita diabetes di wilayah Pidie Jaya.
Kata kunci: Diabeter, Clustering, Fuzzy C-Means.
Unduhan
Referensi
Argina, A. M. (2020). Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. Indonesian Journal of Data and Science, 1(2), 29–33. https://doi.org/10.33096/ijodas.v1i2.11
Basalamah, A. T., & Setyadi, R. (2023). Penerapan Algoritma K-Means Clustering Pada Tingkat Penyelesaian Pendidikan Di Provinsi Indonesia. Jurnal Informatika Dan Teknologi Komputer, 4(2), 114–121. https://ejurnalunsam.id/index.php/jicom/
Hana, F. M. (2020). Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan),
Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (Jima-Ilkom), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26
Kurniawan, S., Siregar, A. M., & Novita, H. Y. (2023). Penerapan Algoritma K-Means dan Fuzzy C-Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik. Scientific Student Journal for Information, Technology and Science, IV(1), 73–81.
Satriatama, A. E., Wibowo, A. P., Arnold, I. G. N., Pratama, R. B., Masyhuda, T. A., Agusti, Y. A., Purwanti, E., & Werdiningsih, I. (2023). Analisis Klaster Data Pasien Diabetes untuk Identifikasi Pola dan Karakteristik Pasien. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(3), 172–182. https://doi.org/10.47233/jteksis.v5i3.828
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162
Waruwu, M. (2023). Pendekatan Penelitian Pendidikan: Metode Penelitian Kualitatif, Metode Penelitian Kuantitatif dan Metode Penelitian Kombinasi (Mixed Method). Jurnal Pendidikan Tambusai , 7(1), 2896–2910.
