ABSTRACT
Finding patterns of information and valuable knowledge of the data on a very large database called data
mining. One popular algorithm in data mining technique is the K-Means algorithm. While the discovery of
relationships between item sets pattern combinations used Cluster Rules (Rule Clustering).
Data mining has been implemented every related fields, including health, business or trade, education, and
telecommunications. In the health sector for example the results of the implementation of data mining using
the K-Means algorithm can help medical in policy decisions related to any health institution.
Key Words : Data Mining, Clustering, K-Means, Medical Record, Endemic Diseases, Levenshtein
Distance.
ABSTRAK
Mencari pola informasi dan pengetahuan yang berharga dari suatu data pada database yang sangat besar
disebut dengan data mining. Salah satu algoritma yang popular pada teknik data mining adalah algoritma
K-Means. Sedangkan dalam penemuan pola kombinasi hubungan antar itemsets digunakan Cluster Rules
(Aturan Clustering). Data mining telah diimplementasikan keberbagai bidang, diantaranya bidang
kesehatan, bisnis atau perdagangan, pendidikan, dan telekomunikasi. Di bidang kesehatan misalnya hasil
implementasi data mining menggunakan algoritna K-Means dapat membantu para medis dalam kebijakan
pengambilan keputusan terhadap apa yang berhubungan dengan institusi kesehatan.
Kata Kunci : Data Mining, Clustering, K-Means, Rekam Medis, Endemi Penyakit, Jarak Levenshtein.