PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK CLSUTERING PESERTA KELUARGA BERENCANA AKTIF DI KABUPATEN TIMOR TENGAH UTARA
DOI:
https://doi.org/10.31849/yrsx6t15Keywords:
Data Mining, Clustering, Peserta KB Aktif, K-Means, PhytonAbstract
Penelitian ini dilatarbelakangi oleh kebutuhan pemerintah daerah dalam memahami pola penggunaan kontrasepsi pada peserta program Keluarga Berencana (KB) aktif secara lebih sistematis dan berbasis data. Data peserta KB yang cukup besar serta memiliki karakteristik yang beragam memerlukan metode pengolahan yang mampu mengelompokkan data ke dalam kelompok-kelompok yang memiliki kemiripan. Dengan demikian, hasil pengelompokan tersebut dapat membantu dalam penyusunan kebijakan serta perencanaan program KB yang lebih tepat sasaran. Penelitian ini bertujuan untuk melakukan pengelompokan (clustering) peserta KB aktif di Kabupaten Timor Tengah Utara dengan menerapkan algoritma K-Means sebagai salah satu metode dalam data mining. Metode penelitian yang digunakan meliputi beberapa tahapan, yaitu pengumpulan data, preprocessing data, dan proses clustering menggunakan algoritma K-Means. Tahap preprocessing dilakukan untuk memastikan data siap dianalisis, yang meliputi proses pembersihan data (data cleaning), transformasi data, serta penyesuaian format agar sesuai dengan kebutuhan pemodelan. Selanjutnya, proses clustering dilakukan menggunakan bahasa pemrograman Python yang memiliki berbagai pustaka yang mendukung analisis data secara efisien. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan peserta KB aktif ke dalam empat cluster utama berdasarkan jenis kontrasepsi yang digunakan. Dari hasil pengelompokan tersebut diketahui bahwa metode kontrasepsi suntikan dan implan merupakan jenis yang paling dominan digunakan oleh peserta KB aktif di Kabupaten Timor Tengah Utara. Setiap cluster memiliki karakteristik penggunaan kontrasepsi yang berbeda, sehingga dapat memberikan informasi penting bagi instansi terkait dalam memahami pola penggunaan KB di masyarakat. Temuan penelitian ini diharapkan dapat mendukung pengambilan keputusan berbasis data serta membantu pemerintah daerah dalam merancang strategi dan kebijakan program KB yang lebih efektif dan tepat sasaran.
References
[2] Aulia, Putri Ulil Fatma, and Sudin Saepudin. "Penerapan Data Mining K-Means Clustering Untuk Mengelompokkan Berbagai Jenis Merk Laptop." Prosiding Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra. Vol. 1. 2021.
[3] Hasyim, Fuadz, M. Kom, and M. Muafi. "Implementasi Data Mining Dalam Menentukan Strategi Promosi Program KB Menggunakan Algoritma K-Means Clustering." Jurnal Kecerdasan Buatan 3.1 (2022).
[4] Ua, Angelina MTI Sambi, et al. "Penggunaan Bahasa Pemrograman Python Dalam Analisis Faktor Penyebab Kanker Paru-Paru." Jurnal Publikasi Teknik Informatika 2.2 (2023): 88-99.
[5] Maesaroh, Maya, Tesa Nur Padilah, and Jajam Haerul Jaman. "PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA PENGELOMPOKAN DAERAH PENYEBARARAN DIARE DI PROVINSI JAWA BARAT." JATI (Jurnal Mahasiswa Teknik Informatika) 7.4 (2023): 2783-2787.
[6] Indriana, Ika, Sarah Sambiran, and Neni Kumayas. "Implementasi Program Keluarga Berencana Di Kecamatan Kotamobagu Selatan Kota Kotamobagu." Jurnal Eksekutif 1.1 (2018).
[7] Jaya, I. N. T. D., & udytama, i. W. W. W. (2021). Efektifitas undang-undang nomor 52 tahun 2009 tentang perkembangan penduduk dan pembangunan keluarga terhadap keluarga berencana (studi kasus di desa medewi, kecamatan pekutatan kabupaten jembrana). Jurnal hukum mahasiswa, 1(1).
[8] Fajri, Muhammad Bhakti, and Susan Dian Purnamasari. "Klasterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Menggunakan K-Means Clustering." Journal of Information Technology Ampera 3.3 (2022): 317-334.
[9] Hidayat, Andrian, Nurhidayati Nurhidayati, and Amri Muliawan Nur. "IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI PESERTA KELUARGA BERENCANA BERDASARKAN TINGKAT RISIKO KEHAMILAN DI DESA PRINGGASELA SELATAN." Jurnal PRINTER: Jurnal Pengembangan Rekayasa Informatika dan Komputer 1.2 (2023): 154-166.
[10] Sari, Herlina Latipa, and Ila Yati Beti. "Penerapan Data Mining Dalam Pengelompokkan Buku Yang Dipinjam Menggunakan Algoritma K-Means." KLIK: Kajian Ilmiah Informatika dan Komputer 3.6 (2023): 925-933.
[11] Utami, Wiranti Sri, Nila Pratiwi, and Faisal Muhammad. "Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Clustering Perokok Usia Lebih dari 15 Tahun." Bulletin of Information Technology (BIT) 4.4 (2023): 501-507.
[12] Fathurrahman, Fathurrahman, Sri Harini, and Ririen Kusumawati. "Evaluasi clustering K-Means dan K-Medoid pada persebaran Covid-19 di Indonesia dengan metode Davies-Bouldin Index (DBI)." Jurnal Mnemonic 6.2 (2023): 117-128.
[13] Jollyta, Deny, et al. "Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index." Prosiding Seminar Nasional Riset Information Science (SENARIS). Vol. 1. 2019.
[14] Kelen, Yoseph PK, et al. "Decision support system for the selection of new prospective students using the simple additive weighted (SAW) method." AIP Conference Proceedings. Vol. 2798. No. 1. AIP Publishing, 2023.
[15] Fairuzabadi, Muhammad, et al. SISTEM PENDUKUNG KEPUTUSAN: KONSEP, METODE DAN IMPLEMENTASI. Get Press Indonesia, 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 ZONAsi: Jurnal Sistem Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
