Prediksi Tingkat Kerugian Peternak Akibat Penyakit pada Sapi Menggunakan Algoritma K-Means Clustering
Article Sidebar
Main Article Content
Abstract
Data mining is very appropriate for processing data, producing added value from a pile of data in the form of knowledge that is not known manually. K Means Clustering The method of analyzing data and grouping them based on similarities, this method is very appropriate to predict the level of farmer losses due to disease in cattle. Predicting the level of farmer losses due to disease in cows by grouping them based on similarities and similarities of disease types, making it easier to draw conclusions. The data processed in this study were 9 data which were sourced from cow disease data in the UPTD Puskeswan Palangki from January to December 2019. Based on the analysis of these data by veterinarians on duty at UPTD Puskeswan Palangki, there are 9 types of diseases. Then the data is processed using the K means clustering method and proven using the WEKA application. The results of testing for this method are 3 diseases with a high loss rate and 6 diseases with a low loss rate. The data from the test results have been able to predict disease in cattle by grouping them into two parts, namely 3 diseases with a high loss rate and 6 diseases with a low loss rate.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
[2] Hasanah, M., Defit, S., & Nurcahyo, G. W. (2019). Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA. Jurnal Sistim Informasi dan Teknologi, 1(3), 29-34. DOI: https://doi.org/10.35134/jsisfotek.v1i3.7 .
[3] Ali, A. (2019). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo. MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 19(1), 186-195. DOI: https://doi.org/10.30812/matrik.v19i1.529 .
[4] Mayangsari, D. R. S., Solikhun, S., & Irawan, I. (2019). Pengelompokkan Jumlah Desa/kelurahan yang Memiliki Sarana Kesehatan Menurut Provinsi dengan Menggunakan Metode K-means Cluster. KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1). DOI: http://dx.doi.org/10.30865/komik.v3i1.1615 .
[5] Suriani, L. (2020). Pengelompokan Data Kriminal pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering. Jurnal Sistem Komputer dan Informatika (JSON), 1(2), 151-157. DOI: http://dx.doi.org/10.30865/json.v1i2.1955 .
[6] Putri, R. A., Maghfirani, N. I., Setyawan, G. R., Rayhan, A. A., & Rakhmawati, N. A. (2020). Analisis Pengelompokan Peraturan Kementerian dengan Menggunakan K-Means Clustering. Jurnal Sisfokom (Sistem Informasi dan Komputer), 9(2), 152-157. DOI : https://doi.org/10.32736/sisfokom.v9i2.817 .
[7] Wati, A., Indriani, I., Manihuruk, T. S. S., Sintya, S., Manurung, I. Y., & Windarto, A. P. (2019). Implementasi Datamining pada Kasus Tenaga Listrik yang Dibangkitkan Berdasarkan Provinsi. KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1). DOI: http://dx.doi.org/10.30865/komik.v3i1.1683 .
[8] Amri, M. A., Windarto, A. P., Wanto, A., & Damanik, I. S. (2019). Analisis Metode K-means pada Pengelompokan Perguruan Tinggi Menurut Provinsi Berdasarkan Fasilitas yang Dimiliki Desa. KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1). DOI: http://dx.doi.org/10.30865/komik.v3i1.1677 .
[9] Hariyati, P., Saifullah, S., & Fauzan, M. (2019). Tehnik Data Mining dalam Mengelompokkan Kasus Pneumonia pada Balita Berdasarkan Provinsi Di Indonesia. KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1). DOI: http://dx.doi.org/10.30865/komik.v3i1.1670 .
[10] Syahputra, T. (2019). Penerapan Data Mining dalam Pengelompokan Kelas Mahasiswa Berdasarkan Hasil Ujian Saringan Masuk dengan Algoritma K-Means. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 5(2), 161-166.
[11] Aditya, A., Jovian, I., & Sari, B. N. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019. Jurnal Media Informatika Budidarma, 4(1), 51-58. DOI: http://dx.doi.org/10.30865/mib.v4i1.1784 .
[12] Iqbal, M. (2019). Klasterisasi Data Jamaah Umroh pada Auliya Tour & Travel Menggunakan Metode K-means Klustering. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 5(2), 97-104.