SISTEM INFORMASI GEOGRAFIS PENYEBARAN PENYAKIT TBC DENGAN METODE K-MEANS DAN SISTEM DIAGNOSA PENYAKIT TBC DENGAN METODE NAÏVE BAYES DI DINAS KESEHATAN KOTA PADANGSIDIMPUAN

Abstract

Tuberculosis (TBC) merupakan penyakit menular yang menyebabkan masalah kesehatan terbesar kedua di dunia setelah HIV, sehingga masih menjadi perhatian dunia. Angka kematian dan kesakitan yang disebabkan oleh bakteri mycobacterium tuberculosis ini pun tinggi. Pada penelitian ini, penulis akan menerapkan metode klasifikasi data mining, yaitu metode Naïve Bayes dan metode K-Means clustering. Metode Naïve Bayes digunakan untuk membantu dilakukannya diagnosa secara dini penyakit tuberculosis agar dapat mengurangi penularan penyakit yang meluas terhadap masyarakat. Sedangkan, K-Means clustering digunakan untuk menentukan pola penyebaran penyakit tuberculosis yang terjadi di Kota Padangsidimpuan. Penelitian ini adalah bagaimana mengembangkan Sistem Informasi Geografis (SIG) sebagai alat kontrol penyebaran bagi instansi pemerintah di Kota Padangsidimpuan. Berdasarkan hasil clustering K-Means didapatkan cluster 1 (hijau) terdiri dari 9 anggota fasilitas pelayanan kesehatan, cluster 2 (kuning) terdiri dari 4 anggota fasilitas pelayanan kesehatan, dan cluster 3 (merah) terdiri dari 2 anggota fasilitas pelayanan kesehatan. Penerapan metode naïve bayes untuk sistem diagnosa penyakit TBC dengan cara training data gejala kemudian dihitung gejala yang dipilih untuk mencari nilai probabilitas pasien positif atau negatif TBC, hasil tertinggi di ambil sebagai hasil diagnosa.