@extends('layouts.main') @section('title', 'JMC') @section('content')

Jember Maternal Cluster

Sebuah inovasi untuk mendukung pengambilan keputusan berbasis data dan meningkatkan layanan kesehatan masyarakat

Analisis Sekarang
JMC

Tentang Kami

Proyek ini bertujuan untuk memetakan angka kematian ibu dan bayi di Kabupaten Jember dengan memanfaatkan metode K-Means Clustering yang diterapkan pada Sistem Informasi Geografis (SIG). Dengan pendekatan ini, data kesehatan dapat divisualisasikan secara interaktif, memungkinkan identifikasi wilayah dengan risiko tinggi secara lebih efektif

card1
Analisis Spasial

Mengidentifikasi pola kematian ibu dan bayi berdasarkan wilayah.

card2
Tindakan Berbasis Data

Mendukung pengambilan keputusan yang lebih tepat bagi pemerintah dan tenaga kesehatan.

card3
Akses Mudah

Informasi yang dapat diakses oleh masyarakat dan pihak terkait.

Pilihan

FITUR

Jember Maternal Cluster memiliki dua fitur utama yang berfungsi

Visualisasi GIS
VISUALISASI DENGAN GIS

Aplikasi "Jember Maternal Cluster" menyediakan fitur visualisasi berbasis Sistem Informasi Geografis (SIG) untuk membantu pengguna memahami pola distribusi angka kematian ibu dan bayi di Kabupaten Jember. Dengan teknologi GIS, data yang diperoleh dapat divisualisasikan dalam bentuk peta interaktif, sehingga mempermudah analisis dan pengambilan keputusan yang lebih efektif.

Baca Selengkapnya
Pemetaan
PEMETAAN ANGKA KEMATIAN

Aplikasi ini menggunakan metode K-Means Clustering untuk menganalisis dan mengidentifikasi area dengan tingkat risiko tinggi di Kabupaten Jember. Data yang diolah meliputi lokasi geografis dan jumlah kematian. Dengan visualisasi berbasis GIS, pengguna dapat memahami pola dan tren yang membantu pengambilan keputusan dalam meningkatkan kesehatan maternal dan neonatal.

Baca Selengkapnya

Cara Kerja K-Means Clustering

1. Tentukan jumlah cluster (k) yang diinginkan.

01

2. Inisialisasi centroid secara acak untuk masing-masing cluster.

02

3. Hitung jarak setiap data ke centroid terdekat menggunakan rumus Euclidean Distance.

03

4. Kelompokkan data ke dalam cluster berdasarkan jarak terdekat.

04

5. Perbarui posisi centroid dengan menghitung rata-rata posisi data dalam setiap cluster.

05

6. Ulangi langkah 3 hingga 5 sampai centroid tidak berubah atau jumlah iterasi maksimum tercapai.

06
cara-kerja-kmeans
💬

Berita Terbaru

@foreach ($latestNews as $item) News Image

{{ $item->kategori }} {{ $item->created_at->format('d M Y') }}

{{ $item->judul }}

{{ Str::limit($item->isi, 150) }}

@foreach (explode(',', $item->keyword) as $keyword) {{ $keyword }} @endforeach
@endforeach
{{ $latestNews->links() }}
@endsection