Pengelompokan Data Pengguna Narkoba Yang Melakukan Program Rehabilitasi Rawat Jalan Menggunakan Metode Clustering

Authors

  • Sariani Sariani STMIK Kaputama, Binjai
  • Darjat Saripurna STMIK Kaputama, Binjai
  • Rusmin Saragih STMIK Kaputama, Binjai
  • Imeldawaty Gultom STMIK Kaputama, Binjai

Keywords:

Clustering, Data Mining, Narkoba, Matlab, Rehabilitasi.

Abstract

Pengguna narkoba adalah korban yang perlu direhabilitasi agar bisa terbebas dari cengkeraman narkoba dan bahaya yang menyertainya. Rehabilitasi dilakukan sebagai salah satu cara untuk menyelamatkan korban pengguna narkotika dari ketergantungan penggunaan narkoba dan hidup normal sehat jasmani dan rohani sehingga dapat menyesuaikan dan meningkatkan kembali keterampilannya, pengetahuannya, kepandaiannya, pergaulannya dalam lingkungan hidup atau dengan keluarganya. Biasanya para pengguna narkoba yang akan melakukan rehabilitasi akan menjalani pemeriksaan kesehatan pengguna, baik kesehatan fisik maupun mentalnya yang dilakukan oleh seorang dokter. Data mining merupakan langkah analisis terhadap sekumpulan data yang umumnya berukuran besar untuk mendapatkan hubungan antar data tersebut dan merangkumnya dalam bentuk yang mudah dipahami dan digunakan. Clustering merupakan metode penganalisaan data, yang sering dimasukan sebagai salah satu metode data mining, yang tujuannya adalah untuk mengelompokan data dengan karakteristik yang sama. Tujuan utama dari metode clustering adalah pengelompokan sejumlah data /objek ke dalam cluster (kelompok) sehingga dalam setiap cluster akan berisi data yang semirip mungkin. Metode clustering merupakan salah satu metode yang dapat diaplikasikan terhadap data rehabilitasi pengguna narkoba dengan menggunakan software matlab GUI dalam mengelompokkan data masyarakat yang akan melakukan program rehabilitasi pada 2 BNN Kota Binjai.

References

Masjayade, W., Safii, M., & Suhendro, D. (2019). Analisis Clustering Kasus Penyalahgunaan Narkoba Menurut Provinsi Menggunakan Algoritma K-Medoids. 1, 331–337.

Juliana, E., & Aleyda, V. N. (2021). Penerapan Metode Clustering K-Means Untuk Membantu Menentukan Tingkatan Status Daerah Dampak Covid-19. 4(3), 112–114.

Hermawati, F. A. (2013). Data Mining. CV. Andi Offset, Yogyakarta.

Prasetyo, E. (2012). Data Mining: Konsep dan Aplikasi menggunakan MATLAB. CV. Andi Offset. Yogyakarta.

Amril Mutoi Siregar, A. P. (2016). DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner. CV Kekata Group, Suko Harjo.

Lamhot Sitorus. (2015). Algoritma Dan Pemrograman (A. Pramesta (ed.)). CV. Andi Offset. Yogyakarta.

Mardia, Rahman Tanjung, Abdul Karim, M. I., Elmor Benedict Waglu, Eko Sudarmanto, S., Jay Idoan Sihotang, Sri Martina, E. O. P. D., & Bonaraja Purba, D. P. Y. A. (2021). Sistem Informasi Akuntansi dan Bisnis. Yayasan Kita Menulis, Medan.

Mochamad Wahyudi, Masitha, Risna Saragih, S. (2020). Data Mining : Penerapan Algoritma K-Means Clustering dan K-Medoids Clustering. Yayasan Kita Menulis, Medan.

Relita Buaton, Muhammad Zarlis, Syahril Efendi, V. Y. (2019). Data Mining. Wade Group, Purwosari.

Sembiring, F., Octaviana, O., & Saepudin, S. (2020). Implementasi Metode K-Means Dalam Pengklasteran Daerah Pungutan Liar Di Kabupaten Sukabumi (Studi Kasus : Dinas Kependudukan Dan Pencatatan Sipil). Jurnal Tekno Insentif, 14(1), 40–47.

Siahaan, V. (2020). Pemrograman MATLAB Dari Nol Sampai Master Untuk Pemrosesan Citra Digital. Balige Publishing, Balige.

N. S. Pinem and D. P. Utomo, “Implementasi Fuzzy Logic Dengan Infrensi Tsukamoto Untuk Prediksi Jumlah Kemasan Produksi (Studi Kasus: PT. Sinar Sosro Medan),†Pelita Inform. Inf. dan Inform., vol. 9, no. 1, pp. 56–60, 2020.

D. P. Utomo and Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,†J. MEDIA Inform. BUDIDARMA, vol. 4, no. 2, pp. 437–444, 2020.

D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5. 0,†J. MEDIA Inform. BUDIDARMA, vol. 4, no. 4, pp. 994–1006, 2020.

B. S. Pranata and D. P. Utomo, “Penerapan Data Mining Algoritma FP-Growth Untuk Persediaan Sparepart Pada Bengkel Motor (Study Kasus Bengkel Sinar Service),†Bull. Inf. Technol., vol. 1, no. 2, pp. 83–91, 2020.

D. P. Utomo and B. Purba, “Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia,†Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. 1, pp. 846–853, 2019.

R. Amelia and D. P. Utomo, “ANALISA POLA PEMESANAN PRODUK MODERN TRADE INDEPENDENT DENGAN MENEREPAKAN ALGORITMA FP. GROWTH (STUDI KASUS: PT. ADAM DANI LESTARI),†KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 416–423, 2019.

Downloads

Published

2022-08-19

Issue

Vol. 11 No. 1 (2022): Juli 2022

Section

Articles

License

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).