ANALISIS KLASTERING K-MEANS UNTUK Kota Yang Terjangkit DBD Berdasarkan Provinsi
Yandi Anzari (230 1162 035)
School of Computing, Telkom University
Yandianzari.ya@gmail.com
1. Introduction
Demam berdarah dengue (DBD) adalah
penyakit menular yang disebabkan oleh
virus dengue yang dibawa oleh nyamuk.
Demam berdarah DBD dulu disebut
penyakit “break-bone” karena kadang
menyebabkan nyeri sendi dan otot di
mana tulang terasa retak. Demam
berdarah ringan menyebabkan demam
tinggi, ruam, dan nyeri otot dan sendi.
Demam berdarah yang parah, atau juga
dikenal sebagai dengue hemorrhagic
fever, dapat menyebabkan perdarahan
serius, penurunan tekanan darah yang
tiba-tiba (shock), dan kematian.
Hingga saat ini belum ada penanganan
yang spesifik untuk demam berdarah.
Namun, vaksin demam berdarah telah
dikembangkan oleh WHO pada bulan April
2016. Vaksin tersebut berfungsi untuk
mencegah terjadinya fase ke-2 demam
berdarah.
Jutaan kasus infeksi DBD terjadi setiap
tahunnya bukan hanya di Indonesia, akan
tetapi juga di seluruh dunia. Kondisi ini
dapat terjadi pada pasien dengan usia
berapapun. Demam berdarah dengue
paling banyak ditemui selama musim
hujan dan setelah musim hujan di area
tropis dan subtropics, antara lain :
 Afrika
 Asia Tenggara dan China
 India
 Timur Tengah
 Karibia, Amerika Tengah dan Amerika
Selatan
 Australia, Pasifik Selatan dan Pasifik
Tengah.
Berdasarkan data yang bersumber dari
Ditjen PP dan PL serta Kementrian dan
Kesehatan RI pada tahun 2013. Terdapat
beberapa kota pada setiap provinsi yang
terjangkit DBD setiap tahun nya.
Data Mining adalah proses yang
menggunakan teknik statistik,
matematika, kecerdasan buatan, machine
learning untuk mengekstraksi dan
mengidentifikasi informasi yang
bermanfaat dan pengetahuan yang terkait
dari berbagai database besar. Data mining
mempunyai fungsi yang penting untuk
membantu mendapatkan informasi yang
berguna serta meningkatkan pengetahuan
bagi pengguna. Salah satu fungsi dari data
mining adalah klasifikasi. Sedangkan salah
satu proses yang umum di gunakan dalam
data mining salah satu nya adalah
klastering.
Clustering merupakan pengelompokan
data tanpa berdasarkan kelas data
tertentu ke dalam kelas objek yang sama.
Sebuah kluster adalah kumpulan record
yang memiliki kemiripan suatu dengan
yang lainnya dan memiliki ketidakmiripan
dengan record dalam kluster lain.
Tujuannya adalah untuk menghasilkan
pengelompokan objek yang mirip satu
sama lain dalam kelompok-kelompok.
Semakin besar kemiripan objek dalam
suatu cluster dan semakin besar
perbedaan tiap cluster maka kualitas
analisis cluster semakin baik. Salah satu
metode klastering yang sering digunakan
adalah K-Means.
K-Means Clustering merupakan salah
satu metode yang dapat digunakan untuk
membagi sejumlah objek ke dalam partisi-
partisi berdasarkan kategori-kategori yang
ada dengan melihat titik tengah yang
diberikan. Peng-cluster-an objek dilihat
dari jarak objek dengan titik tengah yang
paling dekat. Setelah mengetahui titik
tengah terdekat, objek tersebut akan
diklasifikasikan sebagai anggota dari
kategori tersebut. Terdapat beberapa
algoritma untuk menyempurnakan K-
Means, antara lain, K-means++, Kmedoids,
Bisection K-means serta mini batch
Kmeans. Dengan memanfaatkan data
mining serta metode klastering
diharapkan akan mempermudah pihak
yang berkepentingan terutama
Kementrian dan Kesehatan RI agar dapat
segera melakukan penanggulangan pada
provinsi yang banyak terjangkit DBD.
II. K-Means
A. Clustering
Clustering merupakan proses partisi
satu set objek data ke dalam himpunan
bagian yang disebut dengan cluster. Objek
yang di dalam cluster memiliki kemiripan
karakteristik antar satu sama lainnya dan
berbeda dengan cluster yang lain. Partisi
tidak dilakukan secara manual melainkan
dengan suatu algoritma clustering. Oleh
karena itu, clustering sangat berguna dan
bisa menemukan group atau kelompok
yang tidak dikenal dalam data. Clustering
banyak digunakan dalam berbagai aplikasi
seperti misalnya pada business
intelligence, pengenalan pola citra, web
search, bidang ilmu biologi, dan untuk
keamanan (security). Di dalam business
inteligence, clustering bisa mengatur
banyak customer ke dalam banyaknya
kelompok
Syarat Clustering
Menurut Han dan Kamber, 2012, syarat
sekaligus tantangan yang harus dipenuhi
oleh suatu algoritma clustering adalah:
1. Skalabilitas
Suatu metode clustering harus
mampu menangani data dalam
jumlah yang besar. Saat ini data
dalam jumlah besar sudah sangat
umum digunakan dalam berbagai
bidang misalnya saja suatu
database. Tidak hanya berisi
ratusan objek, suatu database
dengan ukuran besar bahkan berisi
lebih dari jutaan objek.
2. Kemampuan analisa beragam
bentuk data
Algortima klasteriasi harus mampu
dimplementasikan pada berbagai
macam bentuk data seperti data
nominal, ordinal maupun
gabungannya.
3. Menemukan cluster dengan
bentuk yang tidak terduga
Banyak algoritma clustering yang
menggunakan metode Euclidean
atau Manhattan yang hasilnya
berbentuk bulat. Padahal hasil
clustering dapat berbentuk aneh
dan tidak sama antara satu dengan
yang lain. Karenanya dibutuhkan
kemampuan untuk menganalisa
cluste dengan bentuk apapun pada
suatu algoritma clustering.
4. Kemampuan untuk dapat
menangani noise
Data tidak selalu dalam keadaan
baik. Ada kalanya terdapat data
yang rusak, tidak dimengerti atau
hilang. Karena system inilah, suatu
algortima clustering dituntut untuk
mampu menangani data yang
rusak.
 5. Sensitifitasterhadap perubahan
input
Perubahan atau penambahan data
pada input dapat menyebabkan
terjadi perubahan pada cluster yang
telah ada bahkan bisa
menyebabkan perubahan yang
mencolok apabila menggunakan
algoritma clustering yang memiliki
tingkat sensitifitas rendah.
6. Mampu melakukan clustering
untuk data dimensi tinggi
Suatu kelompok data dapat berisi
banyak dimensi ataupun atribut.
Untuk itu diperlukan algoritma
clustering yang mampu menangani
data dengan dimensi yang
jumlahnya tidak sedikit.
7. Interpresasi dan kegunaan
Hasil dari clustering harus dapat
diinterpretasikan dan berguna.
Ada beberapa pendekatan yang
digunakan dalam mengembangkan
metode clustering. Dua pendekatan
utama adalah clustering dengan
pendekatan partisi dan clustering dengan
pendekatan hirarki. Clustering dengan
pendekatan partisi atau sering disebut
dengan partition-based
clustering mengelompokkan data dengan
memilah-milah data yang dianalisa ke
dalam cluster-cluster yang ada. Clustering
dengan pendekatan hirarki atau sering
disebut dengan hierarchical clustering
mengelompokkan data dengan membuat
suatu hirarki berupa dendogram dimana
data yang mirip akan ditempatkan pada
hirarki yang berdekatan dan yang tidak
pada hirarki yang berjauhan.
1. Clustering dengan Pendekatan
Hirarki
Clustering dengan pendekatan hirarki
dalam mengelompokkan data yang mirip
dalam hirarki yang sama dan yang tidak
mirip di hirarki yang agak jauh. Ada dua
metode yang sering diterapkan
yaitu agglomerative hieararchical
clustering dan divisive hierarchical
clustering. Agglomerative melakukan
proses clustering dari N cluster menjadi
satu kesatuan cluster, dimana N adalah
jumlah data, sedangkan divisive
melakukan proses clustering yang
sebaliknya yaitu dari satu cluster
menjadi N cluster. Beberapa metode
hierarchical clustering yang sering di
gunakan dibedakan menurut cara mereka
untuk menghitung tingkat kemiripan. Ada
yang menggunakan Single Linkage,
Complete Linkage, Average Linkage,
Average Group Linkage dan lain-lainnya.
Seperti juga halnya dengan partition-
based clustering, kita juga bisa memilih
jenis jarak yang digunakan untuk
menghitung tingkat kemiripan antar data.
Salah satu cara untuk mempermudah
pengembangan dendogram untuk
hierarchical clustering ini adalah dengan
membuat similarity matrix yang memuat
tingkat kemiripan antar data yang
dikelompokkan. Tingkat kemiripan bisa
dihitung dengan berbagai macam cara
seperti dengan Euclidean Distance Space.
Berangkat dari similarity matrix ini, kita
bisa memilih lingkage jenis mana yang
akan digunakan untuk mengelompokkan
data yang dianalisa.
2. Partition based clastering
Metode ini mengelompokkan data
kedalam klaster-klaster dimana tiap
klaster harus berisi paling sedikit satu
objek dan tiap objek hanya merupakan
anggota dari satu klaster. Contoh : k-
Means, Fuzzy C-Means (FCM), k-Medoids,
CLARA, CLARANS, PAM
B. K-Means
K-means merupakan salah satu
algoritma clustering yang dapat digunakan
untuk membagi sejumlah objek ke dalam
partisi-partisi berdasarkan kategori-
kategori yang ada dengan melihat titik
tengah yang diberikan. Peng-cluster-an
objek dilihat dari jarak objek dengan titik
tengah yang paling dekat. Setelah
mengetahui titik tengah terdekat, objek
tersebut akan diklasifikasikan sebagai
anggota dari kategori tersebut. Tujuan
algoritma ini yaitu untuk membagi data
menjadi beberapa kelompok. Algoritma
ini menerima masukan berupa data tanpa
label kelas
Secara umum algoritma dasar dari K-
Means Clustering adalah sebagai berikut :
1. Tentukan jumlah cluster
2. Alokasikan data ke dalam cluster secara
random
3. Hitung centroid/rata-rata dari data
yang ada di masing-masing cluster
4. Alokasikan masing-masing data ke
centroid/rata-rata terdekat
5. Kembali ke Step 3, apabila masih ada
data yang berpindah cluster atau
apabila perubahan nilai centroid, ada
yang di atas nilai threshold yang
ditentukan atau apabila perubahan
nilai pada objective function yang
digunakan di atas nilai threshold yang
ditentukan
Distance space digunakan untuk
menghitung jarak antara data dan
centroid. Adapun persamaan yang dapat
digunakan salah satunya yaitu Euclidean
Distance Space. Euclidean distance
space sering digunakan dalam
perhitungan jarak, hal ini dikarenakan
hasil yang diperoleh merupakan jarak
terpendek antara dua titik yang
diperhitungkan. Adapun persamaannya
adalah sebagai berikut :
III. Eksperiment
1. Persiapan data
Data yang akan digunakan pada studi
kasus ini yaitu data jumlah kota penderita
DBD untuk semua provinsi di Indonesia
ditahun 2010-2012, data ini didapat dari
Kementrian dan Kesehatan RI pada tahun
2013. Berikut ini sajian data yang
digunakan dalam studi kasus :

2. Coding
Proses pembuatan K-means ini memakai
Bahasa pemprograman python, berikut ini
sebagian source code.

IV. Hasil dan Kesmpulan

Hasil dari source code yang dibuat didapat
kan data yang sudah terkelompok berikut
dengan klasternya, pada percobaan ini
memakai 3 klaster, yag mana klaster yang
diambil secara acak dari data yang ada,
berikut tampilan dari hasil yang telah ada.
 Figure 1 : plot data

Figure II: klaster K-Means

Dengan memanfaatkan data mining pada

proses klastering telah didapatkan data data
yang dalam bentuk excel secara terkelompok
berdasarkan jarak terdekat data tersebut
dengan klaster yang diambil secara acak oleh
system.