KLUSTERISASI PENYAKIT ENDEMIS PADA KECAMATAN SABU BARAT, KABUPATEN SABU RAIJUA MENGGUNAKAN ALGORITMA K-MEANS

Information technology can be applied to identify endemic diseases in an area, in this case Sabu Raijua Regency. Endemic diseases can be identified early using the Clustering K-Means method where this method partitions data into one or more clusters/groups, so that data with the same characteristics are grouped into the same cluster and data with different characteristics are grouped into groups. another group. The data used in this study are medical record data at the Seba Health Center as many as 1020 data with year, village, diagnosis, age and gender variables. Due to the large amount of data, the K-Means Clustering process will use Weka 8.5 as a tool. The results of this study indicate the characteristics and patterns of endemic diseases in the service area of ​​the Seba Health Center with variables of year, village, diagnosis, age and gender, the characteristics used are based on the most optimal number of clusters. The most optimal number of clusters can be found using the Elbow Method. The results of clustering of 1020 medical record data showed that the most optimal number of clusters was 2 clusters with the characteristics of ARI diagnosis. Keywords:&nbsp
Teknologi informasi dapat diterapkan untuk mengidenfikasi penyakit endemis pada suatu wilayah dalam hal ini Kabupaten Sabu Raijua. Penyakit endemis dapat diidentifikasi dini dengan metode Clustering K-Means dimana metode ini mempartisi data ke dalam bentuk satu atau lebih cluster/kelompok, sehingga data yang memiliki karakteristik yang sama dikelompokkan dalam satu cluster yang sama dan data yang memiliki karakteristik berbeda dikelompokkan ke dalam kelompok lain. Data yang dipakai dalam penelitian ini yaitu data rekam medis pada Puskesmas Seba sejumlah 1020 data dengan variabel tahun, desa, diagnosa, usia dan gender. Dikarenakan data yang banyak, proses Clustering K-Means akan menggunakan Weka 8.5 sebagai alat bantu. Hasil dari penelitian ini menunjukan karakteristik dan pola penyakit endemi pada daerah pelayanan Puskesmas Seba dengan variabel tahun, desa, diagnosa, usia dan gender, karakteristik yang dipakai berdasarkan jumlah klaster yang paling optimal. Jumlah klaster paling optimal dapat dicari menggunakan Metode Elbow. Hasil klasterisasi dari 1020 data rekam medis menunjukan jumlah klaster yang paling optimal adalah 2 klaster dengan karakteritik diagnose ISPA. Kata Kunci: Klusterisasi K-Means, Metode Elbow, WEKA, Rekam Medis