IMPLEMENTASI ALGORITMA K-MEANS MENGUNAKAN RAPIDMINER DALAM MENGELOMPOKAN DATA DAERAH PENDERITA DBD DI PROVINSI DKI JAKARTA PADA TAHUN 2019

• MUHAMMAD ILMAN
• 2025

---

Muhammad Ilman (15210368) Implementasi Algoritma K-Means Menggunakan RapidMiner Dalam Mengelompokan Data Daerah Penderita DBD di Provinsi DKI Jakarta Pada tahun 2019

Penelitian ini dilatar belakangi oleh tingginya angka kasus Demam Berdarah Dengue (DBD) di Provinsi DKI Jakarta, yang membutukan pendakatan analisis berbasi data untuk mendukung upaya pencegahan yang lebih efektif. Tujuan dari penelitian ini adalah untuk mengelompokan wilayah kecamatan berdasarkan tingkat kasus penderita akibat DBD agar diperoleh pola sebaran yang dapat dijadikan dasar strategi penanggulangan yang dapat dijadi yang lebih terarah. Metode yang digunakan adalah algoritma K-Means Clustering dengan pendekatan data mining. Data diperoleh dari situs resmi data.jakarta.go.id dan dilakukan proses agregasi data meliputi normalisasi dan pembersihan. Pengolahan data dilakukan menggunakan perangkat lunak RapidMiner. Hasil dari pengelompokan menunjukan bahwa wilayah DKI Jakarta terbagi ke dalam klaster utama ,yaitu klaster dengan tingkat kasus rendah, sedang dan tinggi. Klaster 2 menjadi wilayah dengan jumlah kasus tertinggi, sedangkan klaster 0 merupakan kelompok dengan resiko terendah. Temuan ini membuktikan bahwa metode K-Means efektif dalam mengidentifikasi pola geografis penyebaran DBD. Hasil tersebut diharapkan dapat membantu pemerintah daerah dalam merumuskan kebijakan pencegahan DBD yang lebih spesifik dan berbasi data.

Kata Kunci: Data mining, Clustering, K-Means, DBD, RapidMiner

Tautan dinonaktifkan.