Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan

Gustientiedina Gustientiedina(1*), M. Hasmil Adiya(2), Yenny Desnelita(3)
(1) Sekolah Tinggi Ilmu Komputer Pelita Indonesia Pekanbaru
(2) Sekolah Tinggi Ilmu Komputer Pelita Indonesia Pekanbaru
(3) Sekolah Tinggi Ilmu Komputer Pelita Indonesia Pekanbaru
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v5i1.2019.17-24


Abstrak


Perencanaan dari kebutuhan obat-obatan yang tepat dapat membuat pengadaan obat-obatan menjadi efektif dan efisien sehinggaobat-obatan dapat tersedia dengan cukup sesuai dengan kebutuhan serta dapat diperoleh pada saat yang diperlukan. Menganalisa pemakaian obat, perencanaan dan pengendalian obat-obatan dapat dilakukan pada data miningyaitu dengan clusterisasi.Metode yang akan di pakai untuk clustering data obat-obatan adalah algoritma K-Means yang mana merupakan metode clustering dengan non hirarki yang mempartisi data – data  kedalam cluster dimana data – datadengan karakteristik sama akan dikelompokkan padasatu cluster dan data – data dengan karakteristik yang berbeda akan dikelompokkan padacluster lainnya.Tujuan penelitian ini yaitumengelompokkan data obat-obatan pada rumah sakitsehingga dapat digunakan dalam acuan pengambilan keputusan perencanaan dan pengendaliaan persediaan obat-obatan di rumah sakit.

Kata Kunci


Data Mining; Clustering; K-Means; Obat-obatan


Teks Lengkap:

PDF


Referensi


[1] R. Mythily, A. Banu, and S. Raghunathan, “Clustering models for data stream mining,” Procedia Comput. Sci., vol. 46, no. Icict 2014, pp. 619–626, 2015.

[2] T. H. Sardar and Z. Ansari, “An analysis of MapReduce efficiency in document clustering using parallel K-means algorithm,” Futur. Comput. Informatics J., pp. 1–10, 2018.

[3] Sulastri H, Gufroni AI. Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia. Jurnal Teknologi dan Sistem Informasi. 2017 Sep 26;3(2):299-305.

[4] Gurunescu, F. (2011). Data Mining Consepts, Models and Techniques (Volume 12 ed.). Verlag Berlin Heidelberg.

[5] F. Gullo, “From patterns in data to knowledge discovery: What data mining can do,” Phys. Procedia, vol. 62, pp. 18–22, 2015.

[6] A. Amelio and A. Tagarelli, “Data Mining: Clustering,” Ref. Modul. Life Sci., 2018.

[7] N. Nidheesh, K. A. Abdul Nazeer, and P. M. Ameer, “An enhanced deterministic K-Means clustering algorithm for cancer subtype prediction from gene expression data,” Comput. Biol. Med., vol. 91, pp. 213–221, 2017.

[8] Prasetyo, Eko, Data Mining : Mengolah Data Menjadi Informasi Menggunkan Mathlab,Andi, 2014

[9] J.A. Harding, M. Shahbaz, S. Srinivas, A. Kusiak, Data mining in manufacturing: a review, J. Manuf. Sci. Eng. 128 (2006).

[10] X. Wu, et al., Top 10 algorithms in data mining, Knowl. Inf. Syst. 14 (2008) 1–37


Artikel Statistik

Abstrak telah dilihat : 30168 kali
PDF telah dilihat : 17097 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.