Clustering Data Obat-obatan Menggunakan Algoritma K-means

Nur Khafidhoh; Munawarah Munawarah

doi:10.32764/epic.v2i03.324

A. Amelio and A. Tagarelli, “Data Mining: Clustering,” Ref. Modul. Life Sci., 2018.
Ade Bastian, Haruan Sujadi, dan Gigin Febrianto. Penerapan Algoritma K-Means Cluster Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka), vol.14 no.01, 2018
F. Gullo, “From patterns in data to knowledge discovery: What data mining can do,” Phys. Procedia, vol. 62, pp. 18–22, 2015.
Gurunescu, F. Data Mining Consepts, Models and Techniques (Volume 12 ed.). Verlag Berlin Heidelberg. 2011
N. Nidheesh, K. A. Abdul Nazeer, and P. M. Ameer, “An enhanced deterministic K-Means clustering algorithm for cancer subtype prediction from gene expression data,” Comput. Biol. Med., vol. 91, pp. 213–221, 2017.
Prasetyo, Eko, Data Mining : Mengolah Data Menjadi Informasi Menggunkan Mathlab,Andi, 2014
R. Mythily, A. Banu, and S. Raghunathan, “Clustering models for data stream mining,” Procedia Comput. Sci., vol. 46, no. Icict 2014, pp. 619–626, 2015.
Sulastri H, Gufroni AI. Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia. Jurnal Teknologi dan Sistem Informasi. 2017 Sep 26;3(2):299-305.
Taslim, Fajrizal, “Penerapan algorithma k-mean untuk clustering data obat pada puskesmas rumbai” Vol.7, Nomor 2. 108-114, 2016.
T. H. Sardar and Z. Ansari, “An analysis of MapReduce efficiency in document clustering using parallel K-means algorithm,” Futur. Comput. Informatics J., pp. 1–10, 2018.
X. Wu, et al., Top 10 Algorithms In Data Mining, Knowl. Inf. Syst. 14 hal. 1–37. 2008

Abstract viewed - 1568 times
pdf downloaded - 756 times

Affiliations

Nur Khafidhoh
Universitas KH. A. Wahab Hasbullah

Munawarah Munawarah
Universitas KH. A. Wahab Hasbullah

Content Top

Clustering Data Obat-obatan Menggunakan Algoritma K-means

Nur Khafidhoh ,
Munawarah Munawarah

Vol 2 No 03 (2020): Agustus 2020

DOI 10.32764/epic.v2i03.324

Submitted: Sep 23, 2020

Published: Sep 23, 2020

Abstract

Obat-obatan yang beredar di Indonesia memiliki banyak variasi kategori kegunaannya. Berdasarkan kategori obat-obatan diperlukan perencanaan kebutuhan yang tepat untuk membuat pengadaan obat-obatan menjadi efektif dan efesien sehingga ketersediaan obat-obatan dengan jenis jumlah yang cukup sesuai dengan kebutuhan serta dapat diperoleh pada saat yang diperlukan. Penyediaan kebutuhan obat-obatan dibutuhkan metode untuk memudahkan pengelompokan obat-obatan yang pemakaiannya rendah, sedang, tinggi yang dibutuhkan oleh masyarakat. Dalam data mining dapat menggunakan metode Clustering untuk pengelompokan dan algoritma K-means digunakan untuk menganalisa pemakaian obat-obatan, perencanaan ketersediaan dan pengendalian obat-obatan di apotik. Metode pada penelitian ini dengan data clustering non hirarki yang mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok lain. Hasil dari penelitian ini adalah untuk mengelompokkan data obat-obatan di apotik yang dapat digunakan sebagai salah satu alat bantu penunjang keputusan bagi pihak apotik untuk mengajukan permintaan obat pada periode yang akan datang penyediaan.