Pengelompokan Data Jaminan Kematian Berdasarkan Kecamatan Dengan Metode Clustering: Studi Kasus: BPJS Ketenagakerjaan Cabang Langkat

Murniati Murniati

doi:10.56248/marostek.v1i1.16

Authors

Murniati Murniati STMIK Kaputama Binjai

DOI:

https://doi.org/10.56248/marostek.v1i1.16

Keywords:

clustering, jaminan kematian, kecamatan

Abstract

BPJS Ketenagakerjaan ialah program yang di bentuk oleh pemerintah untuk memberikan perlindungan sosial kepada tenaga kerja. Karena banyaknya tenaga kerja yang menggunakan program Jaminan kematian (JKM) maka akan menghasilkan data yang berlimpah dan menumpuk, serta sulit juga bagi masyarakat untuk mendapatkan informasi dan pelayanan yang cepat, maka dari itu di buat sebuah sistem untuk proses pengelompokan yang terkomputerisasi untuk membantu pengelompokan data jaminan kematian berdasarkan kecamatan. Clustering merupakan salah satu metode data mining yang bersifat tanpa arahan dan suatu metode untuk mencari dan mengelompokan data yang memiliki kemiripan karakteristik antara satu data dengan yang lainnya. Berdasarkan analisis yang telah dilakukan pada pengelompokan data jaminan kematian dengan menggunakan metode clustering algoritma k-means ini, dapat diketahui cluster 2 dari kriteria usia, kecamatan, dan instansi kelompok mana yang memiliki himpunan atau nilai paling tinggi dan paling banyak pada data jaminan kematian, yaitu pada cluster 1 yang berjumlah 380 data jaminan kematian dengan usia 31-40 tahun, dengan dengan kecamatan Binjai Dan Instansi yang memakai jasa jaminan kematian adalah Perseroan Terbatas (PT), dan dapat diketahui pada cluster 3 dari kriteria usia, kecamatan, dan instansi kelompok yang memiliki himpunan atau nilai paling tinggi dan paling banyak pada data jaminan kematian, yaitu pada cluster 2 yang berjumlah 254 data jaminan kematian dengan usia 31-40 tahun, dengan dengan kecamatan Batang serangan serta instansi yang memakai jasa jaminan kematian adalah Perseroan Terbatas (PT).

References

Asroni, A., Fitri, H., & Prasetyo, E. (2018). Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik). Semesta Teknika, 21(1), 60-64.

Bancin, O. S. K. (2022). Sistem Pendukung Keputusan Pemilihan Kinerja Karyawan Terbaik Menggunakan Metode Simple Additive Weight. Jurnal Teknik, Komputer, Agroteknologi Dan Sains, 1(1), 1–9. https://doi.org/10.56248/marostek.v1i1.7

Dakhi, O., Masril, M., Novalinda, R., Jufrinaldi, J., & Ambiyar, A. (2020). Analisis Sistem Kriptografi dalam Mengamankan Data Pesan Dengan Metode One Time Pad Cipher. INVOTEK: Jurnal Inovasi Vokasional Dan Teknologi, 20(1), 27-36.

Fauzi, M., & Yudi, Y. (2017). Penerapan Algoritma K-Means Clustering Untuk Mendeteksi Penyebaran Penyakit TBC (Studi Kasus: Di Kabupaten Deli Serdang). Jurnal Teknik Informatika Kaputama (JTIK), 1(2), 1-7.

Helma, S. S., Mustakim, M., Risma R. R, & Normala, E. (2019). Clustering pada Data Fasilitas Pelayanan Kesehatan Kota Pekanbaru Menggunakan Algoritma K-Means. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 11, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Pekanbaru, 12 November 2019, 131- 137.

Kemhan. (2017). Data Dan Informasi Kesehatan D.I. Yogyakarta. Jakarta: Kementerian Kesehatan.

Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 5(1), 119-125.

Mallisza, D., Ambiyar, A., Dakhi, O., Verawadina, U., & Siregar, M. (2020). Design Of Acceptance Information System Of New Students Of National Flight Vocational High School. International Journal Of Multi Science, 1(10), 9-21.

Mallisza, D., Hadi, H. S., & Aulia, A. T. (2022). Implementasi Model Waterfall Dalam Perancangan Sistem Surat Perintah Perjalanan Dinas Berbasis Website Dengan Metode SDLC. Jurnal Teknik, Komputer, Agroteknologi Dan Sains, 1(1), 24–35. https://doi.org/10.56248/marostek.v1i1.9

Mallisza, D., Siregar, D. I. A., Dakhi, O., & Ramadhana, I. (2020). Sistem Pemesanan Makanan Di Mini Resto Aa Fried Chicken. Journal of Scientech Research and Development, 2(1), 043-057. https://doi.org/10.56670/jsrd.v2i1.18

Prasetyo, E. (2018). Data Mining Terapan Dengan MATLAB. Yogyakarta: Graha Ilmu.

Silitonga, P. (2016). Analisis Pola Penyebaran Penyakit Pasien Pengguna Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan Dengan Menggunakan Metode Dbscan Clustering. Jurnal Times, V(1), 36–39.

Wau, K. (2022). Pengembangan Sistem Informasi Persediaan Gudang Berbasis Website Dengan Metode Waterfall. Jurnal Teknik, Komputer, Agroteknologi Dan Sains, 1(1), 10–23. https://doi.org/10.56248/marostek.v1i1.8