Professional Documents
Culture Documents
6 58 1 PB
6 58 1 PB
6 58 1 PB
Abstract
Family planning (KB) is one effort to achieve family welfare and to realize a happy small family
prosperous. The increasing number of people is a big problem for countries in the world especially
developing countries. The problem of population growth will have an impact on poverty, low
welfare, increased crime, high morbidity and mortality. Basically, economic growth and the
development of human resource quality can be difficult if the population is not controlled. One
way to suppress population growth rate in Indonesia is through Family Planning (KB) program.
Although KB is important but still many women decide not to use it or non acceptor KB. The
Government seeks to curb Indonesia's growth rate by implementing the Family Planning (KB)
program contained in the 2004-2009 Medium-Term Development Plan (RPJM) to increase the use
of long-term contraceptives. The purpose of this study is to determine the high of the low number
of women married status of KB users by province each using K-Means Clustering method with
RapidMinner.There arre 4 provinces of the lowest KB users, namely: East Nusa Tenggara
Province, Maluku Province, West Papua Province, Papua Province. It is expected that this research
can provide input to the government in increasing the socialization about the importance of family
planning in married status, and reducing the rate of population growth in Indonesian.
Keywords: Data Mining, K-Means, RapidMinner, KB Users
Abstrak
Keluarga berencana (KB) adalah salah satu usaha untuk mencapai kesejahteraan keluarga serta
untuk mewujudkan keluarga kecil yang bahagia sejahtera. Jumlah penduduk yang terus meningkat
merupakan masalah besar bagi negara-negara di dunia khususnya negara berkembang. Problem
pertumbuhan penduduk akan berdampak pada kemiskinan, rendahnya kesejahteraan,
meningkatnya kriminal, tingginya kesakitan dan kematian. Pada dasarnya pertumbuhan ekonomi
dan pembangunan kualitas sumber daya manusia sulit terlaksana jika jumlah penduduk tidak
terkendali. Salah satu cara untuk menekan laju pertumbuhan penduduk di Indonesia adalah melalui
program KB (Keluarga Berencana). Meskipun KB penting akan tetapi masih banyak wanita yang
memutuskan untuk tidak menggunakannya atau non akseptor KB. Pemerintah berupaya menekan
laju pertumbuhan Indonesia dengan melaksanakan program Keluarga Berencana (KB) yang
tercantum dalam Rencana Pembangunan Jangka Menengah (RPJM) tahun 2004-2009 adalah
meningkatkan penggunaan kontrasepsi jangka panjang. Tujuan penelitian ini adalah untuk
mengetahui tinggi rendah nya jumlah wanita berstatus kawin pengguna KB menurut provinsi
masing-masing menggunakan metode K-Means Clustering dengan RapidMinner. Terdapat 4
provinsi pengguna KB terendah, yaitu : Provinsi Nusa Tenggara Timur, Provinsi Maluku, Provinsi
Papua Barat, Provinsi Papua. Diharapkan penelitian ini dapat memberikan masukan kepada
pemerintah dalam meningkatkan sosialisasi tentang pentingnya KB pada wanita berstatus kawin,
sehingga dapat mengurangi laju pertumbuhan penduduk di Indonesia.
Kata Kunci : Data Mining, K-Means, RapidMinner, Pengguna KB
Regional Development Industry & Health Science, Technology and Art of Life 49
ISSN : 2620-6048
1. Pendahuluan
Indonesia mengajak dunia Internasional untuk memperhatikan kembali program
Keluarga Berencana (KB) sebagai salah satu upaya untuk mengendalikan jumlah
penduduk. Kepadatan penduduk pada saat ini telah menjadi salah satu dari masalah dari
pertumbuhan sosial di Indonesia. Indonesia merupakan negara dengan jumlah penduduk
tergolong terbanyak ke empat di dunia untuk itu program pemerintah Keluarga Berencana
(KB) harus digalakkan mengingat jumlah penduduk tinggi dan untuk membatasi jumlah
fertilitas. Keluarga berencana merupakan upaya mengatur kelahiran anak, jarak dan usia
ideal melahirkan, mengatur kehamilan melalui promosi, perlindungan dan bantuan sesuai
dengan sesuai dengan hak reproduksi untuk mewujudkan keluarga yang berkualitas [1].
Program Keluarga Berencana (KB) yang diwujudkan pada penggunaan kontrasepsi
juga memiliki manfaat yang bersifat langsung atau tidak langsung bagi kesehatan ibu,
bayi dan anak, kesehatan dan kehidupan reproduksi dan seksual keluarga, dan
kesejahteraan serta ketahanan keluarga. Manfaat ini kurang memperoleh perhatian
semestinya meskipun menjadi faktor yang menentukan dalam mewujudkan kualitas
keluarga. Dilihat dari segi kebutuhan hampir seluruh (Pasangan Usia Subur) PUS di dunia
membutuhkan alat kontrasepsi dimana alat tersebut termasuk alat KB, dengan data-data
yang sudah ada di setiap kecamatan setempat dapat di manfaatkan untuk mengoptimalkan
apa yang diharapkan pemerintah untuk membatasi kelahiran. Berdasarkan penjelasan
diatas, peneliti melakukan penelitian dengan menggunakan Data Mining K-Means
Clustering untuk mendapatkan hasil penilaian terhadap provinsi pengguna KB terendah.
Metode yang digunakan untuk penyelesaiannya adalah Data Mining K-Means Cluster
dengan RapidMinner.
2. Landasan Teori
A. Data Mining
Data Mining merupakan metode pengolahan data berskala besar oleh karena itu Data
Mining ini memiliki peranan penting dalam bidang industri, keuangan, cuaca, ilmu dan
teknologi. Secara umum kajian Data Mining membahas metode-metode seperti,
Clustering, klasifikasi, regresi, seleksi variable, dan market basket analisis [2].
B. Clustering
Analisis Pengelompokan/Clustering merupakan proses membagi data dalam suatu
himpunan ke dalam beberapa kelompok yang kesamaan datanya dalam suatu kelompok
lebih besar daripada kesamaan data tersebut dengan data dalam kelompok lain. Potensi
Clustering adalah dapat digunakan untuk mengetahui struktur dalam data yang dapat
dipakai lebih lanjut dalam berbagai aplikasi secara luas seperti klasifikasi, pengolahan
gambar, dan pengenalan pola [3].
C. K-Means
K-Means merupakan salah satu metode pengelompokan data nonhierarki (sekatan)
yang berusaha mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok.
Metode ini mempartisi data ke dalam kelompok sehingga data berkarakteristik sama
dimasukkan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda
dikelompokkan kedalam kelompok yang lain [4].
D. Keluarga Berencana
Keluarga Berencana menurut UU No. 10 Tahun 1992 tentang Perkembangan
Kependudukan dan Pembangunan Keluarga Sejahtera adalah upaya peningkatan
kepedulian peran serta masyarakat melalui pendewasaan usia perkawinan (PUP),
pengaturan kelahiran, pembinaan ketahanan keluarga, peningkatan kesejahteraan keluarga
Regional Development Industry & Health Science, Technology and Art of Life 50
ISSN : 2620-6048
kecil, bahagia dan sejahtera. Tujuan pokok dari program KB yaitu penurunan angka
kelahiran yang bermakna.
3. Metodologi Penelitian
Dalam metode Clustering konsep utama yang ditekankan adalah pencarian pusat
cluster secara iteratif, dimana pusat cluster ditentukan berdasarkan jarak minimum setiap
data pada pusat cluster. Data yang digunakan dalam penelitian ini berdasarkan dokumen-
dokumen yang dihasilkan oleh Badan Pusat Statistik Nasional melalui situs
https://www.bps.go.id. Dalam hal ini peneliti mengangkat topik wanita berstatus kawin
pengguna KB berdasarkan provinsi dimana proses metode yang dilakukan adalah
Clustering. Hasil dari cluster dapat dijadikan masukan bagi pemerintah agar provinsi
yang masuk kedalam cluster rendah mendapat perhatian lebih. Perancangan diagram use
case ditunjukkan dalam Gambar 2.
Regional Development Industry & Health Science, Technology and Art of Life 51
ISSN : 2620-6048
KALIMANTAN SELATAN 58,58 58,68 62,94 61,86 64,64 64,85 66,7 63,27 64,25 67,76 68,03 70,05 70,02 69,91 70,8 70,13 65,78
KALIMANTAN TIMUR 54,74 52,31 55,08 56,43 57,46 54,52 54,67 55,8 55,29 58,32 61,01 60,52 61,82 62,88 60,74 59,86 57,59
KALIMANTAN UTARA - - - - - - - - - - - - - - - 52,67 52,67
SULAWESI UTARA 61,76 61,98 68,02 64,94 71,42 70,01 69,75 67,07 65,19 67,54 68,38 68,48 68,14 65,24 68,29 66,67 67,06
SULAWESI TENGAH 47,74 47,2 48,87 48,69 52,66 54,97 54,68 56,83 55,91 61,5 61,08 58,25 60,8 59,7 60,38 57,55 55,43
SULAWESI SELATAN 36,5 34,76 35,26 36,6 39,28 41,88 42,59 43,67 43,18 48,65 50,01 50,18 52,07 51,91 53,04 48,38 44,25
SULAWESI TENGGARA 42,25 38,6 42 42,11 42,5 47,4 46,8 46,61 46,34 50,72 52,6 53,3 53 54,26 54,1 48,66 47,58
GORONTALO - 55,85 54,95 54,36 58,46 59,91 61,24 64,22 59,54 62,83 64,22 61,6 65,08 65,13 66,83 64,78 61,27
SULAWESI BARAT - - - - - - 38,82 38,47 45,23 49,78 48,83 47,84 50,92 47,93 49 47,69 46,45
MALUKU - 25,95 - 34,17 26,05 28,08 30,13 30,09 32,1 36,36 39,54 41,84 41 39,77 41,71 43,21 35,00
MALUKU UTARA - 31,68 - 36,67 33,16 44,49 39,61 41,9 43,33 48,58 53,13 50,92 52,58 53,13 52,93 51,73 45,27
PAPUA BARAT - - - - - - 31,73 28,29 26,69 36,47 38,48 37,84 41,25 42,91 42,12 43,96 36,97
PAPUA 32,25 35,3 - 37,98 38,64 32,8 31,22 31,92 27,71 33,71 26,97 23,91 24,77 23,87 27,88 23,37 30,15
Sumber : Badan Pusat Statistik , url :https://www.bps.go.id
A. Centroid Data
Penentuan titik cluster ini dilakukan dengan mengambil nilai terbesar (maksimum)
untuk cluster pengguna KB tingkat tinggi (C1), nilai rata-rata (average) untuk cluster
pengguna KB tingkat sedang (C2) dan nilai terkecil (minimum) untuk cluster pengguna
KB tingkat rendah (C3). Nilai titik tersebut dapat diketahui pada Tabel 3 berikut:
Tabel 3. Centroid Data Awal
cluster tinggi cluster sedang cluster rendah
67,99 54,60 30,15
B. Clustering Data
Proses cluster dengan mengambil jarak terdekat dari setiap data yang diolah. Dari
data jumlah wanita berumur 15-49 berstatus kawin pengguna KB pada tahun 2000-2015
menurut provinsi didapatkan pengelompokan pada iterasi 1 untuk 3 cluster tersebut.
Regional Development Industry & Health Science, Technology and Art of Life 52
ISSN : 2620-6048
Cluster pengguna KB tingkat tinggi (C1) yakni Bengkulu, cluster pengguna KB tingkat
sedang (C2) yakni 32 provinsi lainnya, dan cluster pengguna KB tingkat rendah (C3)
yakni Papua. Proses pencarian jarak terpendek, pengelompokan data pada iterasi 1 dan
Clustering data dapat digambarkan pada tabel dan gambar berikut:
Tabel 4. Perhitungan Jarak Pusat Cluster
NO Nama Nilai Rata-Rata C1 C2 C3 Jarak Terpendek Hasil
1 ACEH 46,55 21,44 8,05 16,39 8,05 C2
2 SUMATERA UTARA 46,15 21,84 8,44 16,00 8,44 C2
3 SUMATERA BARAT 48,83 19,16 5,77 18,67 5,77 C2
4 RIAU 52,73 15,26 1,87 22,58 1,87 C2
5 JAMBI 63,46 4,53 8,87 33,31 4,53 C1
6 SUMATERA SELATAN 62,08 5,91 7,49 31,93 5,91 C1
7 BENGKULU 67,99 0,00 13,39 37,84 0,00 C1
8 LAMPUNG 65,28 2,71 10,69 35,13 2,71 C1
9 KEP. BANGKA BELITUNG 63,60 4,39 9,00 33,45 4,39 C1
10 KEP. RIAU 51,29 16,70 3,30 21,14 3,30 C2
11 DKI JAKARTA 54,85 13,14 0,25 24,70 0,25 C2
12 JAWA BARAT 61,88 6,11 7,29 31,73 6,11 C1
13 JAWA TENGAH 61,77 6,22 7,17 31,62 6,22 C1
14 DI YOGYAKARTA 60,38 7,61 5,79 30,23 5,79 C2
15 JAWA TIMUR 60,61 7,38 6,01 30,45 6,01 C2
16 BANTEN 59,38 8,61 4,78 29,22 4,78 C2
17 BALI 63,56 4,43 8,97 33,41 4,43 C1
18 NUSA TENGGARA BARAT 55,93 12,06 1,33 25,78 1,33 C2
19 NUSA TENGGARA TIMUR 36,55 31,44 18,05 6,40 6,40 C3
20 KALIMANTAN BARAT 61,71 6,28 7,12 31,56 6,28 C1
21 KALIMANTAN TENGAH 66,20 1,79 11,60 36,04 1,79 C1
22 KALIMANTAN SELATAN 65,78 2,21 11,18 35,63 2,21 C1
23 KALIMANTAN TIMUR 57,59 10,40 3,00 27,44 3,00 C2
24 KALIMANTAN UTARA 52,67 15,32 1,93 22,52 1,93 C2
25 SULAWESI UTARA 67,06 0,93 12,46 36,90 0,93 C1
26 SULAWESI TENGAH 55,43 12,56 0,83 25,27 0,83 C2
27 SULAWESI SELATAN 44,25 23,74 10,35 14,09 10,35 C2
28 SULAWESI TENGGARA 47,58 20,41 7,02 17,42 7,02 C2
29 GORONTALO 61,27 6,72 6,67 31,11 6,67 C2
30 SULAWESI BARAT 46,45 21,54 8,14 16,30 8,14 C2
31 MALUKU 35,00 32,99 19,60 4,85 4,85 C3
32 MALUKU UTARA 45,27 22,72 9,32 15,12 9,32 C2
33 PAPUA BARAT 36,97 31,02 17,62 6,82 6,82 C3
34 PAPUA 30,15 37,84 24,44 0,00 0,00 C3
Regional Development Industry & Health Science, Technology and Art of Life 53
ISSN : 2620-6048
32 MALUKU UTARA 1
33 PAPUA BARAT 1
34 PAPUA 1
C1 : {5,6,7,8,9,12,13,17,20,21,22,25}
C2 :{1,2,3,4,10,11,14,15,16,18,23,24,26,27,28,29,30,32}
C3 : {19,31,33,34}
Regional Development Industry & Health Science, Technology and Art of Life 54
ISSN : 2620-6048
C1 : {5,6,7,9,12,13,14,15,16,17,20,21,22,23,25,28}
C2 : {1,2,3,4,8,10,11,18,24,26,27,28,30,32}
C3 : {19,31,33,34}
C. Analisa Data
Pada iterasi 3, pengelompokan data yang dilakukan terhadap 3 cluster dengan iterasi
2 didapatkan hasil yang sama. Dari 34 data jumlah wanita berumur 15-49 berstatus kawin
pengguna KB pada tahun 2000-2015 berdasarkan provinsi dapat dikertahui, 16 provinsi
cluster pengguna KB tingkat tinggi (C1) yakni (Jambi, Sumatera Selatan, Bengkulu,
Lampung, Kep.Bangka Belitung, Jawa Barat, Jawa Tengah, D.I Yogyakarta , Jawa Timur,
Banten, Bali, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Sulawesi Utara,
Gorontalo), 14 provinsi cluster pengguna KB tingkat sedang (C2) yakni (Aceh, Sumatera
Utara, Sumatera Barat, Riau, Kep. Riau, DKI Jakarta, Nusa Tenggara Barat, Kalimantan
Timur, Kalimantan Utara, Sulawesi Selatan ,Sulawesi Tengah, Sulawesi Tenggara,
Sulawesi Barat, Maluku Utara, dan provinsi cluster pengguna KB tingkat rendah (C3)
yakni (Nusa Tenggara Timur, Maluku, Papua Barat, Papua).
Regional Development Industry & Health Science, Technology and Art of Life 55
ISSN : 2620-6048
2) FLOT VIEW
Regional Development Industry & Health Science, Technology and Art of Life 56
ISSN : 2620-6048
3) TEXT VIEW
4) FOLDER VIEW
Regional Development Industry & Health Science, Technology and Art of Life 57
ISSN : 2620-6048
Referensi
[1] BKKBN. Badan Pelayanan kontrasepsi & Pengendalian Lapangan Program KB
Nasional. Jakarta. 2015.
[2] Ong, Oscar. 2013. Implementasi Algoritma K-Means Clusterin Untuk Menentukan
Strategi Marketing President University. Jurnal Ilmiah Teknik Industri. Vol.
12, No 1, 2010. ISSN 1412-6869.
[6] Ali, Rifai. Jurnal Prosiding Seminar Nasional Kependudukan: faktor-faktor yang
berhubungan dengan penggunaan alat kontrasepsi pada pasangan usia subur
di Wilayah Puskesmas Buhu Kabupaten Gorontalo. Dalam fkm.unej.ac.id diakses
tanggal 10 Januari 2015. 2013
[7] Hanafi, 2010. Keluarga Berencana dan Kontrasepsi. Jakarta: Pustaka Sinar Harapan.
Regional Development Industry & Health Science, Technology and Art of Life 58