SISTEM INFORMASI GEOGRAFIS PENYEBARAN PENYAKIT TBC DENGAN METODE K-MEANS DAN SISTEM DIAGNOSA PENYAKIT TBC DENGAN METODE NAÃVE BAYES DI DINAS KESEHATAN KOTA PADANGSIDIMPUAN
DOI:
https://doi.org/10.29103/sisfo.v6i2.10143Keywords:
Sistem Informasi Geografis (SIG), K-Means, Naïve Bayes, TBC.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.
References
Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. ILKOM Jurnal Ilmiah, 10(2), 160-165.
Bastian, A. (2018). Penerapan algoritma k-means clustering analysis pada penyakit menular manusia (studi kasus kabupaten Majalengka). Jurnal Sistem Informasi, 14(1), 28-34.
Darmi, Y. D., & Setiawan, A. (2016). Penerapan metode clustering k-means dalam pengelompokan penjualan produk. Jurnal Media Infotama, 12(2).
Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 427. https://doi.org/10.25126/jtiik.201854773
Fatkhudin, A. (2021). Sistem Informasi Geografis Sebaran Penyakit Tuberkulosis Di Kecamatan Paninggaran Kabupaten Pekalongan Berbasis Android. Jurnal Ilmiah Infokam, 17(2), 87-96.
Fitriana, N., Saraswati, E., & Widayani, P. (2013). Aplikasi Penginderaan Jauh dan Sistem Informasi Geografi untuk Pemetaan Tingkat Kerentanan Penyakit Tuberkulosis (Tb) di Kecamatan Imogiri, Kabupaten Bantul, YOGYAKARTA. Jurnal Bumi Indonesia, 3(2).
Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17-24.
Hastuti, T., Ibrahim, K., & others. (2016). Analisis Spasial, Korelasi dan Tren Kasus TB Paru BTA Positif menggunakan Web Sistem Informasi Geografis di Kota Kendari Tahun 2013-2015. Haluoleo University.
Kemenkes. (2018). Waspada, TBC Cepat Menular. https://www.kemkes.go.id/article/view/18032700001/waspada-tbc-cepat-menular.html
Kemenkes. (2021). Peraturan Presiden Nomor 67 tahun 2021 tentang Penanggulangan Tuberkulosis. https://tbindonesia.or.id/pustaka/pedoman/umum/peraturan-presiden-nomor-67-tahun-2021-tentang-penanggulangan-tuberkulosis/
Khabibullah, K. (2020). Perancangan Sistem Informasi Geografis (SIG) Penyebaran Penyakit Tuberculosis (TBC) di Kabupaten Tebo Berbasis Web. Universitas Dinamika Bangsa.
Maghfiroh, N. L. (2021). Sistem Informasi Geografis (SIG) : Pengertian, Komponen, Analisis, dan Fungsi. Aku Pintar. https://akupintar.id/info-pintar/-/blogs/sistem-informasi-geografis-sig-pengertian-komponen-analisis-dan-fungsi
Purwoko, S., Cahyati, W. H., & Farida, E. (2020). Pemanfaatan Sistem Informasi Geografis (SIG) dalam Analisis Sebaran Penyakit Menular TB BTA Positif Di Jawa Tengah Tahun 2018. SEMINAR NASIONAL PASCASARJANA 2020, 861-871.
Sulzmann, J. N., Fürnkranz, J., & Hüllermeier, E. (2007). On pairwise naive bayes classifiers. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 4701 LNAI, 371-381. https://doi.org/10.1007/978-3-540-74958-5_35
WHO. (2021). Tuberculosis. https://www.who.int/news-room/fact-sheets/detail/tuberculosis
Windarto, A. P. (2017). Penerapan Datamining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering Method. Techno. Com, 16(4), 348-357.
Downloads
Published
Issue
Section
License
Authors retain copyright and grant the journal right of first publication and this work is licensed under a Creative Commons Attribution-ShareAlike 4.0 that allows others to share the work with an acknowledgement of the works authorship and initial publication in this journal.
All articles in this journal may be disseminated by listing valid sources and the title of the article should not be omitted. The content of the article is liable to the author.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
In the dissemination of articles by the author must declare the Sisfo: Jurnal Ilmiah Sistem Informasi as the first party to publish the article.
