Implementasi Metode K-Nearest Neighbor Dalam Menentukan Klasifikasi Strata Posyandu Di Kabupaten Brebes

Farkhatun Zaidah; Supatman

doi:10.58794/jekin.v5i1.1124

Authors

Farkhatun Zaidah Universitas Mercubuana Yogyakarta
Supatman Universitas Mercubuana Yogyakarta

DOI:

https://doi.org/10.58794/jekin.v5i1.1124

Keywords:

K-Nearest Neighbor (K-NN), Euclidean Distance, Posyandu

Abstract

Abstrak - Posyandu (Pos Pelayanan Terpadu ) merupakan kesehatan dasar yang menjadi bagian dari program pemerintah dalam mendukung upaya kesehatan berbasis masyarakat (UKBM). Posyandu diinisiasi, dikelola, dan dilaksanakan oleh masyarakat untuk kepentingan bersama yang untuk mengurangi angka kematian ibu dan angka kematian bayi di Indonesia. Permasalahan yang dihadapi dalam pelaksanaan Posyandu di Kabupaten Brebes mencakup tantangan dalam mengelompokkan strata Posyandu berdasarkan kualitas layanan yang diberikan. Pengelompokan yang kurang tepat dapat menyebabkan evaluasi dan prioritas peningkatan layanan tidak efektif, sehingga mempengaruhi keberhasilan program kesehatan masyarakat. Oleh karena itu, dibutuhkan solusi berbasis data untuk menghasilkan klasifikasi strata Posyandu yang akurat dalam membantu pengambilan keputusan. Penelitian ini mengusulkan implementasi metode K- Nearest Neighbor (K-NN) dalam menentukan klasifikasi strata Posyandu di Kabupaten Brebes. K-NN dipilih karena kemampuannya dalam menangani data numerik dan menghasilkan prediksi yang presisi. Data yang digunakan dalam penelitian ini diambil dari buku profil Posyandu tiap kecamatan di Kabupaten Brebes dalam kurun waktu 2021 - 2024. Pengukuran kinerja yang digunakan meliputi: akurasi, presisi, recall, dan f1-score. Berdasarkan hasil pengujian, klasifikasi strata Posyandu menggunakan metode K-Nearest Neighbor menunjukkan akurasi, presisi, racall, f1-score secara beturutan yaitu 100%, 100%, 100%, dan 100%, pada pengujian dengan nilai K = 9 dengan rasio perbandingan 80% : 20% Hasil penelitian ini membuktikan bahwa metode K-Nearest Neighbor dapat ditetapkan secara efektif untuk klasifikasi strata Posyandu

.Dengan demikian , penelitian ini mendukung peningkatan kualitas layanan dan keberhasilan program kesehatan masyarakat di Kabupaten Brebes .

Downloads

Download data is not yet available.

References

E. E. Pering, A. E. . Takaeb, and R. R. Riwu, “Faktor Yang Berhubungan Dengan Keaktifan Kader Dalam Kegiatan Posyandu Di Wilayah Puskesmas Kenarilang Kabupaten Alor,” J. Ris. Rumpun Ilmu Kesehat., vol. 1, no. 1, pp. 27–37, 2022, doi: 10.55606/jurrikes.v1i1.198.

L. N. Aome, Muntasir, and Sarci M,Toy, “Faktor-faktor Yang Berhubungan Dengan Keaktifan Kader Posyandu Di Wilayah Kerja Puskesmas Baumata Tahun 2021,” SEHATMAS J. Ilm. Kesehat. Masy., vol. 1, no. 3, pp. 418–428, 2022, doi: 10.55123/sehatmas.v1i3.693.

Cindy Amini, M. Ridwan, and V. R. Ningsih, “Faktor yang Berhubungan dengan Keaktifan Kader dalam Pelaksanaan Posyandu selama Masa Pandemi Covid-19,” J. Ilm. Permas J. Ilm. STIKES Kendal, vol. 13, no. 3, pp. 709–720, 2023, doi: 10.32583/pskm.v13i3.950.

R. Bahtiar, “Implementasi Data Mining Untuk Prediksi Penjualan Kusen Terlaris Menggunakan Metode K-Nearest Neighbor,” J. Inform. MULTI, vol. 1, no. 3, pp. 203–214, 2023, [Online]. Available: https://jurnal.publikasitecno.id/index.php/jim203

Widodo and Supatman, “Klasifikasi Transaksi Obat Puskesmas Bagelen Menggunakan Algoritma KNN,” J. Zetroem, vol. 6, no. 1, pp. 79–85, 2024, doi: 10.36526/ztr.v6i1.3540.

D. Ojol, “Implementasi Metode K-Nearest Neighbor Dalam Menentukan Waktu Optimal Penarikan Pesanan Driver Ojol 1,2,” vol. 11, no. 2, pp. 255– 269, 2024.

R. A. D. Yulianto, I. Riadi, and R. Umar, “Perancangan Klasifikasi Pasien Stroke Dengan Metode K-Nearest Neighbor,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 8, no. 2, pp. 262–268, 2023, doi: 10.36341/rabit.v8i2.3454.

R. Wahyudi, M. Orisa, and N. Vendyansyah, “Penerapan Algoritma K-Nearest Neighbors Pada Klasifikasi Penentuan Gizi Balita (Studi Kasus Di Posyandu Desa Bluto),” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 750–757, 2021, doi: 10.36040/jati.v5i2.3738.

V. Alvian, D. Hidayatullah, A. Nilogiri, H. Azizah, and A. Faruq, “Klasifikasi Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor (KNN) Pada SMA Negeri 2 Situbondo Classification Of Achieving Students Using K-Nearest Neighbor (KNN) Method At SMA Negeri 2 Situbondo,” J.

Smart Teknol., vol. 1, no. 1, pp. 2774–1702, 2021, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST

A. Aisyah and S. Anraeni, “Analisis Penerapan Metode K-Nearest Neighbor (K-NN) pada Dataset Citra Penyakit Malaria,” Indones. J. Data Sci., vol. 3, no. 1, pp. 17–29, 2022, doi: 10.56705/ijodas.v3i1.22.

D. Damayanti, R. Yudiantara, and M. G. Anâ€TMars, “Sistem Penilaian Rapor Peserta Didik Berbasis Web Secara Multiuser,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 2, no. 4, pp. 447–453, 2022, doi: 10.33365/jatika.v2i4.1512.

U. I. Lestari, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Pendukung Keputusan Identifikasi Penyakit Diabetes Melitus,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 2071–2082, 2021, doi: 10.35957/jatisi.v8i4.1235.

K. Akbar and M. Hayaty, “Data Balancing untuk Mengatasi Imbalance Dataset pada Prediksi Produksi Padi,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 2, no. 02, 2020, doi: 10.46772/intech.v2i02.283.

A. Putri, “Pentingnya Data Cleaning Sebelum Visualisasi: Teknik Dan Tips,” Teknologipintar.org, vol. 4, no. 5, pp. 2024–2025, 2024.

R. Oktafiani, A. Hermawan, and D. Avianto, “Pengaruh Komposisi Split data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning,” J. Sains dan Inform., no. August, pp. 19–28, 2023, doi: 10.34128/jsi.v9i1.622.

S. Bahri, A. Wibowo, and R. Wajhillah, Data Mining; Algoritma Klasifikasi & Penerapannya dalam Aplikasi, Pertama., vol. 1. Graha Ilmu, 2020.

R. T. Handayanto and Herlawati, Data mining dan marchine Learning Menggunakan Matlab dan Python. Informatika. 2020.

Y. A. Setianto, K. Kusrini, and H. Henderi, “Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur,” Creat. Inf. Technol. J., vol. 5, no. 3, p. 232, 2019, doi: 10.24076/citec.2018v5i3.179.

W. Ode Nurhayah Kadir, B. Pramono, and Statiswaty, “Penerapan Data Mining Dengan Metode K-Nearest Neighbor(KNN) Untuk Mengelompokan Minat Konsumen Asuransi (Pt. Jasaraharja Putera),” semanTIK, vol. 5, no. 1, pp. 97–104, 2019, [Online]. Available: http://ojs.uho.ac.id/index.php/semantik/article/view/6141

L. (n. d. ). Afifah, “Algoritma K-Nearest Neighbor (KNN) untuk Klasifikasi.” [Online]. Available: https://ilmudatapy.com/algoritma-k-nearest- neighbor-knn-untuk-klasifikasi/

Advernesia, “Pengertian dan Cara Kerja Algoritma K-Nearest Neighbors (KNN).” [Online]. Available: https://www.advernesia.com/blog/data- science/pengertian-dan-cara-kerja-algoritma-k-nearest-neighbours-knn/

S. Ratna, “Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm,” Technol. J. Ilm., vol. 11, no. 3, p. 181, 2020, doi: 10.31602/tji.v11i3.3294.

C. Haryanto, N. Rahaningsih, and F. Muhammad Basysyar, “Komparasi Algoritma Machine Learning Dalam Memprediksi Harga Rumah,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 533–539, 2023, doi: 10.36040/jati.v7i1.6343.

R. Rafael, “Penerapan Algoritma Pgp Untuk Enkripsi Csv File Di Pt. X,” p. 6, 2020.

Hasran, “Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor,” Indones. J. Data Sci., vol. 1, no. 1, pp. 6–10, 2020, [Online]. Available: http://bit.ly/datasetcardio.