Perbandingan Algoritma K-Means dan K-Medoids Untuk Pemetaan Daerah Penanganan Diare Pada Balita di Kabupaten Kuningan
DOI: https://doi.org/10.21456/vol12iss2pp132-139
Abstract
Keywords
Full Text:
Fulltext PDFReferences
Adiana, B.E., 2018. Analisis segmentasi pelanggan menggunakan kombinasi rfm model dan teknik clustering. Jurnal Terapan Teknologi Informasi 2(1), 23-32.
Andini, A.D., 2020. Implementasi algoritma k-medoids untuk klasterisasi data penyakit pasien di RSUD Kota Bandung. Jurnal Responsif: Riset Sains dan Informatika 2(2), 128-138.
Aryuni, M.M., 2018. Penerapan k-means dan k-medoids clustering pada data internet banking di Bank XYZ. Jurnal Teknik dan Ilmu Komputer.
Chapman, P.C., 1999. The CRISP-DM user guide. In 4th CRISP-DM SIG Workshop in Brussels in March, Vol. 1999. Brussels: CRISP-DM SIG Workshop.
Dinkes, P.J., 2020. Profil kesehatan Provinsi Jawa Barat tahun 2020. Bandung: Dinas Kesehatan Provinsi Jawa Barat.
Farahdinna, F.N., 2019. Perbandingan algoritma k-means dan k-medoids dalam klasterisasi produk asuransi perusahaan nasional. Jurnal Ilmiah Fifo 11(2), 208-214.
Farissa, R.A., 2021. Perbandingan algoritma k-means dan k-medoids untuk pengelompokkan data obat dengan silhouette coefficient di Puskesmas Karangsambung. Journal of Applied Informatics and Computing (JAIC) 5(2), 109-116.
Gie, W., Jollyta, D., 2020. Perbandingan euclidean dan manhattan untuk optimasi cluster menggunakan davies bouldin index: status covid-19 wilayah Riau. Seminar Nasional Riset Information Science (SENARIS) Vol. 2, 187-191.
Hermawati, F.A., 2013. data mining . Yogyakarta: Andi Offset.
Hung, P.D., 2019. Customer segmentation using hierarchical agglomerative clustering. International Conference on Information Science and Systems, 33-37.
Kartikasari, M.D., 2021. Self-organizing map menggunakan davies-bouldin index dalam pengelompokan Wilayah Indonesia berdasarkan konsumsi pangan. Jambura Journal of Mathematics 3(2), 187-196.
Kemenkes., 2020. Profil Kesehatan Indonesia. Jakarta: Kementerian Kesehatan Republik Indonesia.
Mirantika, N., 2021. Penerapan algoritma k-means clustering untuk pengelompokan penyebaran covid-19 di Provinsi Jawa Barat. Nuansa Informatika 15(2), 92-98.
Monalisa, S.N., 2019. Analysis for customer lifetime value categorization with RFM model. Procedia Computer Science 161, 834-840.
Riyanto, B., 2019. Penerapan algoritma k-medoids clustering untuk pengelompokkan penyebaran diare di Kota Medan (Studi Kasus: Kantor Dinas Kesehatan Kota Medan). KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) 3(1), 562-568.
Selviana, T.E., 2017. Faktor-faktor yang berhubungan dengan kejadian diare pada anak usia 4-6 Tahun. Jurnal Vokasi Kesehatan 3(1), 28–34.
Supriyadi, A.T., 2021. Perbandingan algoritma k-means dengan k-medoids pada pengelompokan armada kendaraan truk berdasarkan produktivitas. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) 6(2), 229-240.
Utomo, W., 2021. The comparison of k-means and k-medoids algorithms for clustering the spread of the covid-19 outbreak in Indonesia. ILKOM Jurnal Ilmiah 13(1), 31-35.
Vercellis, C., 2009. Business intelligence: data mining and optimization for decision making. John Wiley & Sons.
Copyright (c) 2022 JSINBIS (Jurnal Sistem Informasi Bisnis)