Implementasi Algoritme K-Means++ Untuk Clustering Prioritas Pelayanan Kesehatan Peserta Posyandu Lansia (“Studi Kasus Posyandu Lansia Desa Tirem”)

Firdaus, Muhammad Iqbal (2023) Implementasi Algoritme K-Means++ Untuk Clustering Prioritas Pelayanan Kesehatan Peserta Posyandu Lansia (“Studi Kasus Posyandu Lansia Desa Tirem”). undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text LEMBAR KEASLIAN.pdf Download (330kB) | Preview
Preview	Text LEMBAR PENGESAHAN.pdf Download (648kB) | Preview
Preview	Text HALAMAN PERSETUJUAN PUBLIKASI TUGAS.pdf Download (385kB) | Preview
Preview	Text HALAMAN JUDUL.pdf Download (358kB) | Preview
Preview	Text BAB I.pdf Download (121kB) | Preview
Preview	Text BAB II.pdf Download (363kB) | Preview
Preview	Text BAB III.pdf Download (484kB) | Preview
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
Preview	Text BAB V.pdf Download (100kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (222kB) | Preview
Preview	Text LAMPIRAN.pdf Download (236kB) | Preview

Abstract

Posyandu lansia Desa Tirem merupakan salah satu pos pelayanan terpadu untuk warga lansia, warga lansia bisa mendapatkan pelayanan kesehatan secara tepat. Namun pelayanan kesehatan posyandu lansia Desa Tirem masih dilakukan secara bergiliran berdasarkan kedatangan awal peserta posyandu lansia. Sehingga model pelayanan ini memiliki risiko terhadap peserta posyandu lansia yang memiliki riwayat penyakit kronis serta tingkat keparahan penyakit yang harus segera dilakukan penanganan secara cepat. Oleh karena itu, perlu dilakukan analisis data kesehatan peserta posyandu lansia Desa Tirem untuk mengetahui prioritas pelayanan kesehatan peserta posyandu lansia. Analisis data tersebut bisa dilakukan dengan berbagai macam cara, salah satunya yaitu menggunakan teknik Data Mining metode Clustering dengan menggunakan Algoritme K-Means++ yang merupakan improvisasi K-Means dengan harapan dapat memberikan hasil yang lebih baik untuk performa Clustering yang dihasilkan. Hasil pengujian black box telah berhasil dilakukan dengan keterangan success sebesar 100%. Hasil evaluasi performa menggunakan DBI didapatkan hasil 0,7706. Dan hasil uji validitas menggunakan Silhouette Coefficient didapatkan hasil 0,2243.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Algoritme K-Means++; Clustering; Data Mining; Pelayanan Kesehatan
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Muhammad Iqbal Firdaus
Date Deposited:	13 Nov 2023 22:58
Last Modified:	13 Nov 2023 22:58
URI:	http://eprints.umg.ac.id/id/eprint/9103

Actions (login required)

View Item