| dc.identifier.citation | Admin. 2017. Tuberculosis. www.who.int/mediacentre/factsheets/fs104/en/ (Diakses 10 Oktober 2017 Pukul 18.45) Binus. 2017. Clustering. https://socs.binus.ac.id/2017/03/09/clustering/ (Diakses pada 25 September 2017 Pukul 09.00) Depkes R.I., 2008. Profil Kesehatan Indonesia. Jakarta Depkes R.I (2009). Profil Kesehatan Indonesia. Jakarta : Departemen Republik Indonesia. Kemenkes R.I. 2016. “Data dan Informasi Profil Kesehatan Indonesia”. Dalam http://www.depkes.go.id. Download 24 September 2017 Pukul 14.00 WIB. Kuriah, Dwi. (2016). Laporan Kerja Praktek “Analisis Cluster K-Means untuk Mengelompokk an Budidaya Produksi Ikan dan Segmentasi Produksi Ikan di Kabupaten Sragen. Laporan Kerja Praktek, Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia Yogyakarta. Metisen, Benri Melpa dan Herlina Latipa Sari. (2015). Jurnal “Analisis Clustering Menggunakan Metode K-Means Dalam Pengelompokan Penjualan Produk Pada Swalayan Fadhila”. Program Studi Teknik Informatika Fakultas Ilmu Komputer Univesitas Dehasen Bengkulu. Bengkulu. Mutianingtyas, Yoanisa Aprilia. 2017. “Hubungan Perilaku Pasien Tuberkulosis Paru dengan Kepatuhan Progam Pengobatan Sistem DOTS di Balai Kesehatan Paru Masyarakat Purwokerto”. Skripsi. FIK, Ilmu Keperawatan, Universitas Muhammadiyah Purwokerto. Osgeo. 2013. “Mengenal SIG dan data Spasial”. http://osgeo.ft.ugm.ac. id/mengenal-sig-dan-data-spasi al/ (Diakses pada 25 September 2017 Pukul 09.40). Pradnya, Mega Wendha. 2015. “Clustering Menggunakan Metode K-means untuk Menentukan Status Gizi Balita”. Jurnal Setiawan, Yohanes. (2012). Makalah “Rancang Bangun Aplikasi Pemetaan Layanan Rumah Sakit Darmo Surabaya dengan Menggunakan Teknologi Layar Sentuh.” Makalah, Jurusan Sistem Informasi Fakultas Tekhnologi dan Informatika Sekolah Tinggi Manajemen Informatika dan Teknik Komputer Surabaya. Surabaya. Statisticsanalyst. 2011. “Metode Spasial”. https://statisticsanalyst.wordpress.com/2011 /08/26/metode-spasial/ (Diakses pada 25 September 2017 Pukul 09.30). Suherni, Noor Anisa Dewi dan Maduratna. (2013). Jurnal ”Analisis Pengelompokan Kecamatan di Kota Surabaya Berdasarkan Faktor Penyebab Terjadinya Penyakit Tuberkulosis”. Jurusan Statistika Fakultas MIPA ITS. Surabaya. Yoga F. 2015. Faktor- Faktor yang Mempengaruhi Kejadian TB Paru dan Upaya Penang gulangannya. | id_ID |
| dc.description.abstract | Tuberkulosis (TBC atau TB) adalah suatu penyakit infeksi yang disebabkan oleh bakteri
Mycobacterium tuberculosis. Penyakit ini paling banyak menyerang paru-paru. Indonesia setiap
tahun ditemukan 582.000 kasus penderita baru TB dengan angka kematian 41 orang per 100.000
sebagian besar penderita TB paru atau sebanyak 75% paling mencengangkan yang terkena virus
TB paru ialah orang –orang yang masi usia produktif 15-49 tahun. K-Means merupakan salah satu
algoritma dalam data mining yang bisa digunakan untuk melakukan pengelompokan/clustering
suatu data. Ada banyak pendekatan untuk membuat cluster, diantaranya adalah membuat aturan
yang mendikte keanggotaan dalam kelompok yang sama berdasarkan tingkat persamaan diantara
anggota-anggotanya. Tujuan penelitian ini untuk mengetahui cluster penyakit Tuberculosis Paru
menurut provinsi di Indonesia dan pemetaanya berdasarkan kelompok umur penderita
Tuberculosis. Untuk penyelesaian permasalahan yang ada maka penulis akan menggunakan
analisis cluster K-Means untuk mengetahui kelompok daerah yang memiliki kasus TB yang sama,
sehingga dapat diketahui wilayah yang akan menjadi prioritas dalam menangani kasus TB.
Penerapan kasus Tuberkulosis yang dianalisis menggunakan cluster k-means menjadi tiga cluster.
Cluster 1 merupakan provinsi dengan jumlah penderita rendah yang terdiri dari 29 Provinsi yaitu
Aceh, Sumatera Barat, Riau, Jambi, sumatera Selatan, Bengkulu, Lampung, Kep. Bangka Belitung,
Kep. Riau, Banten, DI Yogyakarta, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Kalimantan
Barat, Kalimantan Tengah, Kalimantan Selatan, Kalimantan Timur, Kalimantan Utara, Sulawesi
Utara, Sulawesi Tengah, Sulawesi Tenggara, Gorontalo, Sulawesi Barat, Sulawesi Selatan, Maluku,
Maluku Utara, Papua Barat dan Papua. Cluster 2 merupakan provinsi dengan jumlah penderita
sedang yang terdiri dari 4 Provinsi yaitu Sumatera Utara, DKI Jakarta, Jawa Tengah dan Jawa
Timur dan cluster 3 merupakan provinsi dengan jumlah penderita tinggi yang terdiri 1 Provinsi
yaitu Jawa Barat dan hasil pemetaan provinsi berdasarkan penderita tuberculosis dari kelompok
umur. | id_ID |
