PENGEMBANGAN MODEL SISTEM PENDUKUNG KEPUTUSAN PENINGKATAN STRATEGI IMUNISASI ANAK MENGGUNAKAN METODE CLUSTERING K-MEANS PADA PENGELOMPOKAN CAPAIAN IMUNISASI ANAK
Abstract
Cakupan imunisasi dasar di Indonesia mengalami penurunan sejak terjadinya pendemi. Rendahnya cakupan imunisasi dasar dikarenakan fasilitas kesehatan dioptimalkan untuk pengendalian pandemi COVID-19. Penelitian ini dilakukan dengan cara mengelompokkan data berdasarkan imunisasi yang diterima anak. Tujuan penelitian ini adalah mengembangkan model sistem pendukung keputusan yang menampilkan informasi capaian imunisasi dasar anak di Babat Jerawat, informasi ini digunakan untuk memberikan rekomendasi kepada kader dan dinas kesehatan informasi terkait cakupan imunisasi mana yang kurang di Babat Jerawat. Adapun urgensi dari penelitian ini adalah penelitian ini diharapkan dapat membantu pihak terkait ( kader posyandu, Puskesmas, Dinas Kesehatan) untuk upaya peningkatan cakupan imunisasi dasar guna menekan Kejadian Luar biasa yang diakibatkan rendahnya cakupan imunisasi serta peningkatan penerima imunisasi sebagai upaya menciptakan lingkungan yang lebih sehat. Metode yang digunakan adalah K-Means Klastering yang selanjutnya data dikelompokkan menjadi 2 Klaster terendah dan tertinggi. Adapun tahapan-tahapan penelitian adalah sebagai berikut identifikasi permasalahan mengenai data imunisasi dasar anak yang didapat dari beberapa posyandu di Kelurahan Babat Jerawat, analisis kebutuhan untuk pengembangan model sistem pendukung keputusan, validasi model pengembangan cakupan imunisasi menggunakan Python untuk mendapatkan hasil daerah mana yang cakupan imunisasinya rendah sehingga bisa di lakukan tindakan preventif. Hasil yang didapatkan adalah klaster tinggi dan rendah berdasarkan jumlah dan jenis imunisasi dasar yang diterima oleh anak-anak. Data ini dapat diolah lebih lanjut untuk menjadi acuan peningkatan giat imunisasi di posyandu terkait.
References
K. K. RI, Peraturan Menteri Kesehatan Republik Indonesia Nomor 12 Tahun 2017 Tentang Penyelenggaraan Imunisasi, vol. 5, no. 1. 2017. [Online]. Available: https://ejournal.poltektegal.ac.id/index.php/siklus/article/view/298%0Ahttp://repositorio.unan.edu.ni/2986/1/5624.pdf%0Ahttp://dx.doi.org/10.1016/j.jana.2015.10.005%0Ahttp://www.biomedcentral.com/1471-2458/12/58%0Ahttp://ovidsp.ovid.com/ovidweb.cgi?T=JS&P
N. A. V. Irawati, “Imunisasi Dasar dalam Masa Pandemi COVID-19,” Jurnal Kedokteran Unila, vol. 4, no. 2, pp. 205–210, 2022.
Y. Yundri, M. Setiawati, S. Suhartono, H. Setyawan, and K. Budhi, “Faktor-Faktor Risiko Status Imunisasi Dasar Tidak Lengkap pada Anak (Studi di Wilayah Kerja Puskesmas II Kuala Tungkal),” Jurnal Epidemiologi Kesehatan Komunitas, vol. 2, no. 2, p. 78, 2017, doi: 10.14710/jekk.v2i2.4000.
Kemenkes RI, Profil Kesehatan Indonesia 2021. 2022.
P. Silitonga, “Clustering of Patient Disease Data by Using K-Means Clustering,” Article in International Journal of Computer Science and Information Security, no. March, 2018.
R. W. Sari, A. Wanto, and A. P. Windarto, “Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 2, no. 1, 2018, doi: 10.30865/komik.v2i1.930.
A. Chusyairi and P. Ramadar Noor Saputra, “Pengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering,” Telematika, vol. 12, no. 2, pp. 139–148, 2019, doi: 10.35671/telematika.v12i2.848.
M. A. Amri, D. Hartama, and Ap. Windarto, “Penerapan Data Mining Pada Presentasi Penerimaan Imunisasi Anak-Anak Menurut Provinsi Menggunakan K-Means Clustering,” Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), pp. 319–324, 2020.
P. Puntoriza and C. Fibriani, “Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means,” JOINS (Journal of Information System), vol. 5, no. 1, pp. 86–94, 2020, doi: 10.33633/joins.v5i1.3469.
J. Ha, M. Kambe, and J. Pe, Data Mining: Concepts and Techniques. 2013. doi: 10.1016/C2009-0-61819-5.
D. N. P. Sari and Y. L. Sukestiyarno, “Analisis Cluster dengan Metode K-Means pada Persebaran Kasus Covid-19 Berdasarkan Provinsi di Indonesia,” PRISMA, Prosiding Seminar Nasional Matematika, vol. 4, pp. 602–610, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
Moh. Fatkuroji, Fajrizal, Taslim, Eka Sabna, and Kursiah Warti Ningsih, “Optimasi Nilai K Pada Algoritma k-Means untuk Klasterisasi Data Pasien Covid-19,” Indonesian Journal of Computer Science, vol. 11, no. 2, pp. 697–707, 2022, doi: 10.33022/ijcs.v11i2.3088.
R. A. Siregar, “Seleksi Penyerang Utama Menggunakan K-Means Clustering Dan Sistem Pendukung Keputusan Metode Topsis,” Technomedia Journal, vol. 2, no. 1, pp. 37–48, 2017, doi: 10.33050/tmj.v2i1.314.
M. Squire, Mastering Data Mining with Python – Find patterns hidden in your data. 2016. [Online]. Available: www.packtpub.com
Ainur Rahman and H. Suroyo, “Analisis Data Produk Elektronik Di E-Commerce Dengan Metode Algoritma K-Means Menggunakan Python,” Journal of Advances in Information and Industrial Technology, vol. 3, no. 2, pp. 11–18, 2021, doi: 10.52435/jaiit.v3i2.158.
