Implementasi Data Mining Menggunakan Metode K-Means Dalam Pengelompokkan Bayi Penerima ASI Ekslusif
Main Article Content
Abstract
ASI Eksklusif adalah ASI yang diberikan kepada bayi baru lahir selama 6 bulan tanpa menambah atau menggantinya dengan makanan dan minuman lain. Jika sebagian besar bayi mendapatkan ASI eksklusif pada usia 0-6 bulan, diperkirakan sedikitnya 1,2 juta jiwa dapat diselamatkan. Manfaat ASI eksklusif pada bayi terbukti dapat menurunkan risiko berbagai jenis penyakit infeksi seperti diare, infeksi saluran pernapasan, infeksi telinga, pneumonia, dan infeksi saluran kemih. Dengan memberikan ASI eksklusif pada bayi selama 6 bulan dapat meningkatkan daya tahan tubuh dan dapat memenuhi asupan gizi yang dibutuhkan bayi selama 6 bulan pertama kehidupannya. Penelitian ini menggunakan data yang diambil dari Badan Pusat Statistik (BPS) dengan menggunakan 34 provinsi dan tingkat pemberian ASI eksklusif yang berbeda. Berdasarkan hasil proses penelitian dengan menggunakan metode K-Means dalam Implementasi data mining, diperoleh tiga jenis klaster, yaitu klaster 1 yang merupakan klaster dengan kategori ASI eksklusif tertinggi, klaster 2 dengan kategori ASI sedang, dan klaster 3 dengan kategori ASI paling sedikit. Hasil penelitian ini diharapkan dapat mendukung Pemerintah Provinsi dalam mencermati tingkat pemberian ASI eksklusif pada bayi usia 0-6 bulan.
Kata Kunci : Data Mining, K-Means, ASI Ekslusif
Article Details
References
[2] Butsianto, S. Mayangwulan, T. Nindi, “Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering,” Jurnal JNKTI, Vol. 3, No.3, pp. 187-201, 2020.
[3] Mirantika. N, Tsamratul’Ain. A, Diviana. A. F, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran COVID-19 di Provinsi Jawa Barat, ” Jurnal Nuansa Informatika, Vol. 15, No. 2, pp. 92-98, 2021.
[4] Meri. Rozi, “Metode K-Means Clustering dalam Persebaran COVID 19 di Sumatra Barat,” Jurnal Edik Informatika, Vol. 8, No. 1, pp. 1-12, 2021.
[5] Wahyu. P. W, Yunus. A, Sartika. W. A, “Perbandingan Metode K-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang,” Jurnal JATI, Vol. 6, No. 2, pp. 493-500, 2022.
[6] Sinta. S. D, Maha. Putra. G, Fitri. L. M, “Implementasi Algoritma K-Means Clustering Untuk Desa Tervaksinasi Covid-19 Pada Kecamatan Ujung Padang,” Jurnal JUTIF, Vol. 3, No. 2, pp. 261-267, 2022.
[7] Purwayoga. Vega, “Optimasi Jumlah Cluster pada Algoritme K-Means untuk Evaluasi Kinerja Dosen,” Jurnal Informatika, Vol. 6, No. 2, pp. 118-125, 2021
[8] Ananda. R, Zidny. N. M, Beladinna. A. A, Burhanuddin. A, “Sistem Rekomendasi Pemilihan Peminatan Menggunakan Density Canopy K-Means,” Jurnal RESTI, Vol. 4, No. 1, pp. 172-179, 2020.
[9] Rizki. N. M, Edo. H. I, Purwanto, “Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI,” Vol. 16, No. 1, pp. 125-133, 2022.
[10] Hardiyanti. F, Satria. T. H, Syaputra. S. I, “Penerapan Metode K-Medoids Clustering Pada Penanganan Kasus Diare di Indonesia,” Jurnal KOMIK, Vol. 3, No. 1, pp. 598-603, 2019.
[11] Anas. A, Hartha. D. R, “Penerapan Data Mining Untuk Menganalisis Data Mahasiswa Baru STIE-GK Muara Bulian,” Vol. 15. No. 2, pp. 119-128, 2021.
[12] Ramdhan. A, Efendi. Z, “Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 9, pp. 18-19, 2017.
[13] Gustientiedina, Hasmil. A. M, Desnelita. Y, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru,” Jurnal TEKNOSI, Vo. 5, No. 1, pp. 17-24, 2019.