<![CDATA[Pneumonia merupakan penyakit serius yang memerlukan perhatian khusus, terutama dalam mengidentifikasi wilayah dengan jumlah kasus tinggi. Kabupaten Karawang dipilih sebagai lokasi penelitian karena memiliki jumlah kasus pneumonia yang cukup signifikan, diduga dipengaruhi oleh faktor lingkungan seperti keberadaan kawasan industri. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan jumlah penderita pneumonia menggunakan algoritma K-means dan K-medoids. Data yang digunakan berupa data sekunder dari Dinas Kesehatan Kabupaten Karawang periode 2019–2023. Proses analisis mengikuti tahapan Knowledge Discovery in Databases (KDD) meliputi Data Selection, Pre-processing, Transformation, Data mining, Evaluasi dan Knowledge. Tahapan normalisasi data menggunakan StandardScaler serta reduksi dimensi dengan Principal Component Analysis (PCA). Hasil evaluasi menunjukkan bahwa K-means menghasilkan performa clustering yang lebih baik, dengan nilai Silhouette Score sebesar 0.8066 dan Davies-Bouldin Index sebesar 0.1231. Sebaliknya, K-medoids menunjukkan hasil yang kurang optimal dengan Silhouette Score sebesar 0.5847 dan Davies-Bouldin Index sebesar 1.1531. Hasil clustering membentuk dua klaster wilayah berdasarkan tingkat sebaran kasus pneumonia, yaitu rendah dan tinggi yang berguna dalam menentukan wilayah prioritas penanganan di Kabupaten Karawang.]]>
Copyrights © 2025
