Application of Data Mining to Covid-19 Vaccination Based on Side Effects After Vaccination Using the K-Medoids Clustering Algorithm
Penerapan Data Mining Terhadap Vaksinasi Covid-19 Berdasarkan Efek Samping Setelah Vaksin Menggunakan Algoritma K-Medoids Clustering
Keywords:
Clustering, Covid-19, Efek Samping , K-Medoids , VaksinAbstract
Data mining merupakan proses pengumpulan dan pengolahan data yang bertujuan untuk menghasilkan informasi penting pada data. Data mining bisa di terapkan dalam berbagai bidang seperti halnya yaitu vaksinasi Covid-19. Vaksinasi bertujuan untuk meningkatkan kekebalan tubuh seseorang secara aktif agar mencegah terkena Covid-19. Sekarang vaksin sudah di kembangkan dan memiliki efek samping yang berbeda-beda. Banyaknya informasi yang masuk dari berbagai sumber, dapat mempengaruhi pemikiran masyarakat, sehingga medapat keraguan dan penolakan dari masyarakat akan dari vaksinasi ini. Data di analisa menggunakan metode algoritma K-Medoids. Metode ini mengidentifikasi kelompok dan ciri-ciri yang sama berdasarkan kriteria tertentu. Hasil penelitian dengan algoritma K-Medoids melihat efek samping yang di rasakan masyarakat pasca Vaksinasi. Penelitian ini bertujuan untuk mengetahui efek samping yang di rasain oleh masyarkat pasca vaksinasi dan mengelompokkannya berdasarkan jenis vaksin, usia, dan dampak efek samping. Dampak efek samping di bagi menjadi 3 yaitu : Non-efek, Berat, Ringan. Penelitian di lakukan berdasarkan menemukan pengetahuan dengan memberi data berupa angkat dengan desain survey online. Survey online dilakukan menggunakan teknik purposive sampling dengan mengisi kuisioner terhadap masyarakat.
References
S. Timah, “Hubungan Penyuluhan kesehatan dengan Pencegahan covid 19 di Kelurahan kleak kecamatan Malalayang Kota Manado,” Indones. J. Community Dedication, vol. 3, no. 1, pp. 7–14, 2021.
N. K. S. Astini, “Pemanfaatan teknologi informasi dalam pembelajaran tingkat sekolah dasar pada masa pandemi covid-19,” Lampuhyang, vol. 11, no. 2, pp. 13–25, 2020.
A. Info and A. History, “Analisis Masalah Psikologis pada Ibu Hamil Selama Masa Pandemi Covid-19 : Literature Review,” pp. 9–15, 2020.
N. Nurhalimah, “Upaya Bela Negara Melalui Sosial Distancing Dan Lockdwon Untuk Mengatasi Wabah Covid-19,” Sekol. Tinggi Tarb. Insa. Kamil, pp. 1–6, 2020.
N. N. Kharisma, M. V. Roesminingsih, and S. Suhanadji, “Gambaran kebutuhan pembelajaran daring pkbm budi utama surabaya pada masa pandemi covid-19,” J. Pendidik. Nonform., vol. 15, no. 1, pp. 38–44, 2020.
R. Ayunda, V. Kosasih, and H. S. Disemadi, “Perlindungan hukum bagi masyarakat terhadap efek samping pasca pelaksanaan vaksinasi covid-19 di Indonesia,” Nusant. J. Ilmu Pengetah. Sos., vol. 8, no. 3, pp. 194–206, 2021.
A. R. Wijayanti, Y. D. Pora, O. Irman, Y. Nelista, and Y. M. H. Keytimu, “Psychological Conditions of Medical Personnel in Facing the Pandemic of Covid 19: Systematic Review,” in 1st UMGESHIC International Seminar on Health, Social Science and Humanities (UMGESHIC-ISHSSH 2020), 2021, pp. 652–657.
S. A. Nugroho and I. N. Hidayat, “Efektivitas Dan Keamanan Vaksin Covid-19: Studi Refrensi,” J. Keperawatan Prof., vol. 9, no. 2, pp. 61–107, 2021.
D. Junaedi, M. R. Arsyad, F. Salistia, and M. Romli, “Menguji Efektivitas Vaksinasi Covid-19 di Indonesia,” Reslaj Relig. Educ. Soc. Laa Roiba J., vol. 4, no. 1, pp. 120–143, 2022.
N. P. Astuti, E. G. Z. Nugroho, J. C. Lattu, I. R. Potempu, and D. A. Swandana, “Persepsi Masyarakat terhadap Penerimaan Vaksinasi Covid-19: Literature Review,” J. Keperawatan, vol. 13, no. 3, pp. 569–580, 2021.
A. Puspasari and A. Achadi, “Pendekatan Health Belief Model Untuk Menganalisis Penerimaan Vaksinasi Covid-19 Di Indonesia,” Syntax Lit. J. Ilm. Indones., vol. 6, no. 8, pp. 3709–3721, 2021.
C. A. Sugianto, A. H. Rahayu, and A. Gusman, “Algoritma k-means untuk pengelompokkan penyakit pasien pada puskesmas cigugur tengah,” J. Inf. Technol., vol. 2, no. 2, pp. 39–44, 2020.
F. Rahmawati and N. Merlina, “Metode Data Mining Terhadap Data Penjualan Sparepart Mesin Fotocopy Menggunakan Algoritma Apriori,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 6, no. 1, pp. 9–20, 2018, doi: 10.33558/piksel.v6i1.1390.
U. R. Gurning and Mustakim, “Penerapan Algoritma K-Means dan K-Medoid untuk Pengelompokkan Data Pasien Covid-19,” Build. Informatics, Technol. Sci., vol. 3, no. 1, p. 48?55, 2021, doi: 10.47065/bits.v3i1.1003.
S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. I. R. H. Zer, and D. Hartama, “Analisis algoritma k-medoids clustering dalam pengelompokan penyebaran covid-19 di indonesia,” J. Teknol. Inf., vol. 4, no. 1, pp. 166–173, 2020.
E. Bu’ulolo and B. Purba, “Algoritma Clustering Untuk Membentuk Cluster Zona Penyebaran Covid-19,” Digit. Zo. J. Teknol. Inf. Dan Komun., vol. 12, no. 1, pp. 59–67, 2021.
H. Santoso, I. P. Hariyadi, and P. Prayitno, “Data Mining Analisa Pola Pembelian Produk Dengan Menggunakan Metode Algoritma Apriori,” Semnasteknomedia Online, vol. 4, no. 1, pp. 3–7, 2016.
Linada Yuliana, “Penerapan Algoritma K-Modes Clustering Untuk Pengelompokkan Desa Rawan,” p. 18, 2019.
D. T. Larose, Data mining and predictive analytics. John Wiley & Sons, 2015.
G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. Dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019.
A. Ramadhan, Z. Efendi, and Mustakim, “Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 9, pp. 219–226, 2017.
S. A. Abbas, A. Aslam, A. U. Rehman, W. A. Abbasi, S. Arif, and S. Z. H. Kazmi, “K-Means and K-Medoids: Cluster Analysis on Birth Data Collected in City Muzaffarabad, Kashmir,” IEEE Access, vol. 8, pp. 151847–151855, 2020, doi: 10.1109/ACCESS.2020.3014021.
M. Faid, M. Jasri, and T. Rahmawati, “Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi,” Teknika, vol. 8, no. 1, pp. 11–16, 2019, doi: 10.34148/teknika.v8i1.95.
