人口健康数据的分类系统,以确定区域的整体健康范围

I. Syahputra, I. Ilhamsyah, Syahru Rahmayuda, Ferdy Febrianto
{"title":"人口健康数据的分类系统,以确定区域的整体健康范围","authors":"I. Syahputra, I. Ilhamsyah, Syahru Rahmayuda, Ferdy Febrianto","doi":"10.31294/jki.v10i1.12872","DOIUrl":null,"url":null,"abstract":"Pencapaian suatu negara dalam memberikan jaminan di bidang kesehatan dapat menjadi indikator untuk mengetahui tingkat keberhasilan pembangunan sebuah negara. Di Indonesia khususnya Kota Pontianak tingkat kesehatan masih menjadi sebuah tantangan yang harus diselesaikan. Sebagai upaya memudahkan proses identifikasi kesehatan masyarakat dan mengetahui tingkat kesehatan suatu wilayah di Kota Pontianak, maka pada penelitian ini akan mengimplementasikan clustering K-Means dalam pengelompokkan setiap wilayah kecamatan berdasarkan 5 buah variabel indikator mortalitas derajat kesehatan untuk memudahkan Dinas Kesehatan kota Pontianak mengetahui tingkat kesehatan masyarakat di setiap wilayah kecamatan. Hasil dari penelitian ini berupa sistem klasterisasi data kesehatan yang mampu menghasilkan tiga buah cluster meliputi tingkat kesehatan rendah, sedang, dan tinggi. Cluster 1 memiliki nilai CBR 0,24; CDR 0,73; IMR 0,27; FMR 0,12; dan MMR 0,14 berisi 3 wilayah kecamatan. Cluster 2 beranggota 1 kecamatan memiliki nilai CBR 0,57; CDR 0,34; IMR 1, FMR 1, dan MMR 0. Dan  cluster 3 memiliki nilai CBR 0,95; CDR 0,06; IMR 0,11; FMR 0,27; dan MMR 0,87; berjumlah 2 kecamatan. Pengujian fungsional memperoleh hasil yang sesuai berdasarkan perancangan sistem. Sedangkan pengujian interface memperoleh nilai persentase 88% yang menunjukkan hasil sangat baik.","PeriodicalId":384112,"journal":{"name":"Jurnal Khatulistiwa Informatika","volume":"22 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-07-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":"{\"title\":\"SISTEM KLASTERISASI DATA KESEHATAN PENDUDUK UNTUK MENENTUKAN RENTANG DERAJAT KESEHATAN DAERAH MENGGUNAKAN K-MEANS\",\"authors\":\"I. Syahputra, I. Ilhamsyah, Syahru Rahmayuda, Ferdy Febrianto\",\"doi\":\"10.31294/jki.v10i1.12872\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pencapaian suatu negara dalam memberikan jaminan di bidang kesehatan dapat menjadi indikator untuk mengetahui tingkat keberhasilan pembangunan sebuah negara. Di Indonesia khususnya Kota Pontianak tingkat kesehatan masih menjadi sebuah tantangan yang harus diselesaikan. Sebagai upaya memudahkan proses identifikasi kesehatan masyarakat dan mengetahui tingkat kesehatan suatu wilayah di Kota Pontianak, maka pada penelitian ini akan mengimplementasikan clustering K-Means dalam pengelompokkan setiap wilayah kecamatan berdasarkan 5 buah variabel indikator mortalitas derajat kesehatan untuk memudahkan Dinas Kesehatan kota Pontianak mengetahui tingkat kesehatan masyarakat di setiap wilayah kecamatan. Hasil dari penelitian ini berupa sistem klasterisasi data kesehatan yang mampu menghasilkan tiga buah cluster meliputi tingkat kesehatan rendah, sedang, dan tinggi. Cluster 1 memiliki nilai CBR 0,24; CDR 0,73; IMR 0,27; FMR 0,12; dan MMR 0,14 berisi 3 wilayah kecamatan. Cluster 2 beranggota 1 kecamatan memiliki nilai CBR 0,57; CDR 0,34; IMR 1, FMR 1, dan MMR 0. Dan  cluster 3 memiliki nilai CBR 0,95; CDR 0,06; IMR 0,11; FMR 0,27; dan MMR 0,87; berjumlah 2 kecamatan. Pengujian fungsional memperoleh hasil yang sesuai berdasarkan perancangan sistem. Sedangkan pengujian interface memperoleh nilai persentase 88% yang menunjukkan hasil sangat baik.\",\"PeriodicalId\":384112,\"journal\":{\"name\":\"Jurnal Khatulistiwa Informatika\",\"volume\":\"22 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-07-11\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Khatulistiwa Informatika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31294/jki.v10i1.12872\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Khatulistiwa Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31294/jki.v10i1.12872","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

摘要

一个国家在医疗保障方面的成就可以作为衡量一个国家发展成功程度的指标。特别是在印度尼西亚的Pontianak城市,健康状况仍然是一个需要解决的挑战。作为识别过程的努力促进了公共卫生和卫生水平知道Pontianak镇上的某个地区,那么在这个研究将实施分组中聚类K-Means每位街道根据5地区死亡率指标变量水果健康度,让城市卫生服务Pontianak知道每个街道地区公共卫生水平。这项研究的结果是,能够产生三个集群的健康数据的顺序系统包括低、中级和高水平的健康。集群1具有CBR 0.24的值;CDR 0.73;IMR 0.27;FMR 0.12;而MMR 0.14包含3个区块。集群2 berite 1街道具有CBR 0.57值;CDR 0,34;IMR 1, FMR 1和MMR 0。而集群3具有CBR 0.95的值;CDR 0,06;IMR 0,11;FMR 0.27;和MMR。87;有两个区。根据系统设计,功能测试获得适当的结果。然而,界面测试的分数为88%,结果很好。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
SISTEM KLASTERISASI DATA KESEHATAN PENDUDUK UNTUK MENENTUKAN RENTANG DERAJAT KESEHATAN DAERAH MENGGUNAKAN K-MEANS
Pencapaian suatu negara dalam memberikan jaminan di bidang kesehatan dapat menjadi indikator untuk mengetahui tingkat keberhasilan pembangunan sebuah negara. Di Indonesia khususnya Kota Pontianak tingkat kesehatan masih menjadi sebuah tantangan yang harus diselesaikan. Sebagai upaya memudahkan proses identifikasi kesehatan masyarakat dan mengetahui tingkat kesehatan suatu wilayah di Kota Pontianak, maka pada penelitian ini akan mengimplementasikan clustering K-Means dalam pengelompokkan setiap wilayah kecamatan berdasarkan 5 buah variabel indikator mortalitas derajat kesehatan untuk memudahkan Dinas Kesehatan kota Pontianak mengetahui tingkat kesehatan masyarakat di setiap wilayah kecamatan. Hasil dari penelitian ini berupa sistem klasterisasi data kesehatan yang mampu menghasilkan tiga buah cluster meliputi tingkat kesehatan rendah, sedang, dan tinggi. Cluster 1 memiliki nilai CBR 0,24; CDR 0,73; IMR 0,27; FMR 0,12; dan MMR 0,14 berisi 3 wilayah kecamatan. Cluster 2 beranggota 1 kecamatan memiliki nilai CBR 0,57; CDR 0,34; IMR 1, FMR 1, dan MMR 0. Dan  cluster 3 memiliki nilai CBR 0,95; CDR 0,06; IMR 0,11; FMR 0,27; dan MMR 0,87; berjumlah 2 kecamatan. Pengujian fungsional memperoleh hasil yang sesuai berdasarkan perancangan sistem. Sedangkan pengujian interface memperoleh nilai persentase 88% yang menunjukkan hasil sangat baik.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
PENENTUAN PENERIMAAN BEASISWA PIP MENGGUNAKAN METODE MOORA PADA SD NEGERI 11 SANDAI Sistem Informasi Pelayanan Terintegrasi (Sipetir) Berbasis Web Pada Kecamatan Luragung Kabupaten Kuningan KOMPARASI ALGORITMA DALAM MEMPREDIKSI PERUBAHAN HARGA SAHAM GOTO MENGGUNAKAN RAPIDMINER CONVOLUTION NEURAL NETWORK UNTUK IDENTIFIKASI TINGKAT KESEGARAN IKAN NILA BERDASARKAN PERUBAHAN WARNA MATA IMPLEMENTASI WHATSAPP GATEWAY DALAM SISTEM PEMBELIAN TIKET BERBASIS WEB (Studi Kasus: Kolam Renang JC Oevang Oeray Pontianak)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1