ANALISIS KLASTERISASI UNTUK PREDIKSI JUMLAH KASUS DBD BERDASARKAN JENIS KELAMIN DAN KABUPATEN/KOTA DI JAWA BARAT

  • Ali Ikbal Teknik Informatika, STMIK IKMI Cirebon
  • Ade Irma Purnamasari Teknik Informatika, STMIK IKMI Cirebon
  • Irfan Ali Rekayasa Perangkat Lunak, STMIK IKMI Cirebon
Keywords: Data Mining, K-means, Naïve Bayes, Linear Regression

Abstract

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang sering fatal, terutama di daerah tropis dan subtropis, menjadi isu kesehatan global dengan penyebaran luas dan dampak serius. Lingkungan memiliki peran penting dalam kondisi ini. Penelitian ini menggunakan metode k-means, naive bayes, dan linear regresi, masing-masing memiliki fungsinya sendiri. K-means berhasil mengelompokkan kasus DBD menjadi 3 cluster (tinggi, sedang, rendah) dengan indeks kinerja Davies Bouldin rata-rata 0.71. Naive bayes digunakan untuk memprediksi hasil cluster 2023 dengan akurasi model 88.27%. Linear regresi untuk menentukan jumlah kasus DBD tahun 2023, dengan kasus tertinggi Kota Bandung 1590 laki laki, 1585 perempuan dan Kota Bekasi 1576 laki-laki dan 1572 perempuan, Kota Depok masuk kategori sedang 948 laki-laki dan 944 perempuan, 24 kota lainnya masuk dalam kategori rendah. Penyebaran DBD cenderung lebih tinggi pada kaum laki-laki, mencapai puncak tertinggi pada tahun 2022. Analisis data kasus DBD dapat memberikan informasi dan kontribusi penting untuk pembangunan strategi pencegahan dan penanggulangan yang lebih efektif oleh masyarakat, pemerintah, dan dinas kesehatan.

Downloads

Download data is not yet available.
Published
2024-02-07