CLUSTERING TIME SERIES MENGGUNAKAN DYNAMIC TIME WARPING DAN EUCLIDEAN DISTANCE (STUDI KASUS DATA PENYAKIT DBD DAERAH ISTIMEWA YOGYAKARTA)

Penulis

Akbar Dzukha Asyiqin

Pembimbing: Afiahayati, S.Kom, M.Cs, Ph.D


ABSTRACT: Dengue Fever is a disease that occurs every year in Indonesia. In Daerah Istimewa Yogyakarta the dengue fever happened in every subdistrict. Puskesmas in every regions carry out some countermeasures, one of them is collecting data of dengue fever. The aim of data documentation conducted by puskesmas is to collect information of DBD incidence on the puskesmas working area. Datacollectionwas conducted in 2010-2014 in 78 districts DIY. The Data will be used on this Clustering research. Clustering method groups data that have similarity between each other. This research is using Clustering K-Means, K-Medoid, Hierarchical K-Means, and Hierarchical K-Medoid. Application of four algorithms will be conducted for DBD DIYs data. Testing that will be done on every algorithm is the experiment with k 2,3,4, and 5 with silhouette evaluation thats useful to know the best algorithm for clustering. The experimental results in this study indicate the city of Yogyakarta has suffered Dengue Fever from medium to high, in another city of Yogyakarta Dengue Fever has suffered in low categories. This study found that the greater the value of k then the value silhouette getting smaller.

INTISARI: Penyakit Demam Berdarah merupakan salah satu penyakit yang terjadi setiap tahun di Indonesia. Di Daerah Istimewa Yogyakarta kejadian penyakit DBD terjadi di seluruh kecamatan. Puskesmas pada masing-masing daerah banyak melakukan upaya penanggulangan, salah satunya dengan mendata kasus penyakit DBD. Pendataan yang dilakukan puskesmas bertujuan untuk mengumpulkan informasi kejadian penyakit DBD di wilayah kerja puskesmas. Pendataan telah dilakukan pada tahun 2010-2014 di 78 kecamatan DIY. Data tersebut digunakan dalam penelitian Clustering ini. Metode Clustering melakukan pengelompokkan data sesuai dengan kemiripan data. Penelitian ini menggunakan Clustering K-Means, K-Medoid, Hierarchical K-Means, dan Hierarchical K-Medoid. Penerapan keempat algoritma dilakukan pada data DBD DIY. Pengujian yang dilakukan pada masing-masing algoritma adalah uji kasus jumlah k yang bernilai 2,3,4, dan 5 serta evaluasi silhouette yang berguna untuk mengetahui hasil algoritma yang baik untuk clustering. Hasil eksperimen menunjukkan bahwa daerah di kota Yogyakarta memiliki kecenderungan berkategori kasus DBD sedang sampai tinggi, sedangkan di luar kota Yogyakarta memiliki kecenderungan berkategori rendah. Penelitian ini menemukan bahwa semakin besar nilai k maka nilai silhouette semakin kecil.

Kata kunci K-Means, K-Medoid, Hierarchical K-Means, Hierarchical K-Medoid, silhouette, Data DBD
Program Studi S1 ILMU KOMPUTER UGM
No Inventaris
Deskripsi
Bahasa Indonesia
Jenis Skripsi
Penerbit [Yogyakarta] : Universitas Gadjah Mada, 2016
Lokasi Perpustakaan Pusat UGM
File Tulisan Lengkap dapat Dibaca di Ruang Tesis/Disertasi
  • Anda dapat mengecek ketersediaan versi cetak dari penelitian ini melalui petugas kami dengan mencatat nomor inventaris di atas (apabila ada)
  • Ketentuan Layanan:
    1. Pemustaka diperkenankan mengkopi cover, abstrak, daftar isi, bab pendahuluan, bab penutup/ kesimpulan, daftar pusatak
    2. Tidak diperbolehkan mengkopi Bab Tinjauan Pustaka, Bab Pembahasan dan Lampiran (data perusahaan/ lembaga tempat penelitian)
    3. Mengisi surat pernyataan, menyertakakan FC kartu identitas yang berlaku

<< kembali