Grouping Data in Predicting Infant Mortality Using K-Means and Decision Tree

Kematian merupakan hal yang tidak dapat kita hindari dimana, kapan dan bagaimana kematian itu datang, Tingginya angka kematian bayi merupakan hal yang utama dan harus pemerintah Indonesia prioritaskan, salah satu usaha pemerintah untuk menurunkan angka kematian bayi dengan melakukan program survilens yaitu PWS KIA dimana program tersebut memantau kesehatan ibu dan bayi di wilayah setempat, Kematian bayi pada dasarnya ada beberapa yang memiliki sebab dari ketika kandungan, kecelakaan, kena bencana, penyakit atau karena sudah takdir dari Tuhan, untuk itu dilakukan penelitian dalam mengelompokan data kematian bayi. Untuk pengelompokan data kematian bayi diperlukan suata metode K-Means untuk menganalisis data dengan melakukan proses pemodelan data tanpa supervisi atau yang biasa disebut juga unsupervised learning, Dalam penentuan centroid dalam tahap awal algoritma k-means sangat berpengaruh pada hasil cluster yang dilakukan pada dataset kematian bayi yang diambil dari data.go.id dengan hasil centroid yang berbeda, Hasil pola model clustering yang dapat dievaluasi oleh pihak pemerintah atau bagian Kesehatan guna mencegah kematian bayi, Dari hasil clustering didapatkan empat label yang diuji Kembali menggunakan algoritma decision tree