Optimasi K-Means dengan Particle Swarm Optimization pada Pengelompokkan Daerah Stunting

Article Sidebar

pdf
Published: Nov 30, 2021
DOI: https://doi.org/10.46772/intech.v3i02.457
Keywords:
stunting, optimasi, k-means, particle swarm intelligence

Main Article Content

Harliana Harliana
Program Studi Ilmu Komputer, Fakultas Eksakta, Universitas Nahdlatul Ulama Blitar
Raden Mohamad Herdian Bhakti
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhadi Setiabudi Brebes
Otong Saeful Bachri
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhadi Setiabudi
Fery Sofian Efendi
Program Studi Manajemen Informatika, Jurusan Teknologi Informasi, PSDKU Polinema Kediri

Abstract

Stunting suatu kondisi balita yang memiliki tinggi badan lebih pendek dari usia normalnya. Berdasarkan data PSG Dinas Kesehatan Kabupaten Kediri di bulan februari 2018, tingkat prevelensi stunting di seluruh kecamatan Kabupaten Kediri sekitar 19,79%. Melihat tingkat prevelensi yang tinggi tersebut, maka penelitian ini akan melakukan clustering terhadap 37 kecamatan yang ada di Kabupaten Kediri berdasarkan prosentasi tingkat stunting tertinggi sampai dengan terendah. Untuk mendapatkan hasil yang maksimal maka algoritma k-means yang digunakan akan dioptimasi dengan PSO. Berdasarkan hasil penelitian didapatkan bahwa rata-rata hasil nilai silhouette coefficient dan akurasi pada PSO k-means akan menghasilkan nilai yang lebih tinggi bila dibandingkan dengan k-means murni. Namun apabila dilihat dari waktu komputasinya maka k-means murni memiliki waktu yang lebih cepat bila dibandingkan dengan PSO k-means.

Article Details

How to Cite
Harliana, H., Herdian Bhakti, R. M. ., Saeful Bachri, O. ., & Sofian Efendi, F. (2021). Optimasi K-Means dengan Particle Swarm Optimization pada Pengelompokkan Daerah Stunting. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 3(02), 95–101. https://doi.org/10.46772/intech.v3i02.457
Issue
Vol. 3 No. 02 (2021): November
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

References

A. D. Laksono and H. Megatsari, “Determinan Balita Stunting di Jawa Timur: Analisis Data Pemantauan Status Gizi 2017,” Amerta Nutr., vol. 4, no. 2, p. 109, 2020, doi: 10.20473/amnt.v4i2.2020.109-115.

C. Dewanti, V. Ratnasari, and T. Rumiati, “Pemodelan Faktor-faktor yang Memengaruhi Status Balita Stunting di Provinsi Jawa Timur Menggunakan Regresi Probit Biner,” J. Sains Dan Seni Its, vol. 8, no. 2, 2019, [Online]. Available: http://ejurnal.its.ac.id/index.php/sains_seni/article/view/48519.

D. Werdiningsih, D. Rahmawati, I. Cholissodin, and N. Santoso, “Optimasi K-Means untuk Pengelompokan Data Kinerja Akademik Dosen menggunakan Particle Swarm Optimization,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 4, pp. 4102–4110, 2019.

M. Mursalim, P. Purwanto, and M. A. Soeleman, “Penentuan Centroid Awal Pada Algoritma K-Means Dengan Dynamic Artificial Chromosomes Genetic Algorithm Untuk Tuberculosis Dataset,” Techno.Com, vol. 20, no. 1, pp. 97–108, 2021, doi: 10.33633/tc.v20i1.4230.

T. Taslim, D. Toresa, D. Jollyta, D. Suryani, and E. Sabna, “Optimasi K-Means dengan Algoritma Genetika untuk Target Pemanfaat Air Bersih Provinsi Riau,” Indones. J. Comput. Sci., vol. 10, no. 1, 2021.

D. A. Kuntjoro, B. D. Setiawan, and R. S. Perdana, “Algoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3865–3872, 2018, [Online]. Available: http://j-ptiik.ub.ac.id.

A. Primandana, S. Adinugroho, and C. Dewi, “Optimasi Penentuan Centroid pada Algoritme K-Means Menggunakan Algoritme Pillar (Studi Kasus: Penyandang Masalah Kesejahteraan Sosial di Provinsi Jawa Timur),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 11, pp. 10678–10683, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/6748/3264.

M. Nishom and M. Y. Fathoni, “Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritma K-Means Clustering,” J. Inform. J. Pengemb. IT, vol. 3, no. 2, pp. 237–241, 2018, doi: 10.30591/jpit.v3i2.909.

A. Winarta and W. J. Kurniawan, “Optimasi Cluster K-Means Menggunakan Metode Elbow Pada Data Pengguna Narkoba Dengan Pemrograman Python,” JTIK (Jurnal Tek. Inform. …, vol. 5, no. 1, 2021, [Online]. Available: https://jurnal.kaputama.ac.id/index.php/JTIK/article/view/466.

E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” Evolusi J. Sains dan Manaj., vol. 9, no. 1, pp. 95–100, 2021, doi: 10.31294/evolusi.v9i1.10428.

D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 3, pp. 102–109, 2019, doi: 10.31940/matrix.v9i3.1662.

I. Wahyuni, Y. A. Auliya, A. Rahmi, and W. F. Mahmudy, “Clustering nasabah bank berdasarkan tingkat likuiditas menggunakan hybrid particle swarm optimization,” vol. 10, no. 2, pp. 24–33, 2016.