PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA DATA BRAIN STROKE UNTUK PENGELOMPOKAN PROFILE PASIEN

Riska Grahastika Solechati; Arief Jananto

doi:10.55679/semantik.v9i1.29446

PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA DATA BRAIN STROKE UNTUK PENGELOMPOKAN PROFILE PASIEN

Riska Grahastika Solechati, Arief Jananto

Abstract

Stroke menjadi salah satu masalah gangguan pada kesehatan yang menurunkan keseimbangan dalam hidup seseorang. Brain Stroke ada dua jenis, jenis pertama Iskemik dan jenis kedua Hemoragik yang bisa terjadi pada semua kalangan tidak hanya untuk kalangan dari umur 50 tahun ke atas, bahkan umur 39 tahun dapat terkena brain stroke. Penelitian ini bertujuan untuk mengetahui pengelompokan profile pasien. Data yang digunakan pada penelitian ini menggunakan dari portal Kaggle.com data yang diambil berupa data brain stroke. Analisis yang digunakan pada penelitian ini menggunakan algoritma k-means clustering, dan implementasi yang dipakai menggunakan pemrograman bahasa R dengan Rstudio Tools, dan menggunakan metode gap statistic. Dengan interpretasi menghasilkan 5 cluster dengan kelompok kluster 1 memiliki 228 record, pada kluster 2 memiliki 248 record, kluster 3 memiliki 1551 record, kluster 4 memiliki 2592 record dan kluster 5 memiliki 362 record, dengan ciri-ciri yang sama memiliki riwayat penyakit jantung, riwayat penyakit hypertensi, merokok, masalah pekerjaan yang membuat stress, dan memiliki riwayat penyakit stroke.

Kata kunci; Stroke, Algoritma K-means, Clustering

Full Text:

PDF

References

I. Wicaksana, A. Wati, and H. Muhartomo, “Perbedaan Jenis Kelamin Sebagai Faktor Risiko Terhadap Keluaran Klinis Pasien Stroke Iskemik,” Diponegoro Med. J., vol. 6, no. 2, pp. 655–662, 2017.

K. Othadinar, M. Alfarabi, and V. Maharani, “Faktor Risiko Pasien Stroke Iskemik dan Hemoragik,” Maj. Kedokt. UKI, vol. 35, no. 3, pp. 115–120, 2019.

H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” J. Nas. Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017, doi: 10.25077/teknosi.v3i2.2017.299-305.

L. ‘ Izzah and A. Jananto, “Penerapan Algoritma K-Means Clustering Untuk Perencanaan Kebutuhan Obat Di Klinik Citra Medika,” Progresif J. Ilm. Komput., vol. 18, no. 1, p. 69, 2022, doi: 10.35889/progresif.v18i1.769.

M. G. Sadewo, A. P. Windarto, and D. Hartama, “Penerapan Data mining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 2, no. 1, pp. 60–67, 2017, doi: 10.30743/infotekjar.v2i1.164.

U. Ma’rifatin, “Implementasi Algoritma K-Means untuk Pengelompokan Penyakit Pasien Pada Puskesmas Warujayeng,” Semin. Nas. Inov. Teknol., no. 2549–7952, pp. 285–291, 2020.

Aswir and H. Misbah, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algortima K-Means,” Photosynthetica, vol. 2, no. 1, pp. 1–13, 2018, [Online]. Available: http://link.springer.com/10.1007/978-3-319-76887-8%0Ahttp://link.springer.com/10.1007/978-3-319-93594-2%0Ahttp://dx.doi.org/10.1016/B978-0-12-409517-5.00007-3%0Ahttp://dx.doi.org/10.1016/j.jff.2015.06.018%0Ahttp://dx.doi.org/10.1038/s41559-019-0877-3%0Aht

Kusrini and E. T. Lutfi, Algoritma Data Mining, 1st ed. Yogyakarta: CV Andi Offset, 2009.

E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” J. Inf. Syst. Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164.

N. A. Rahmalinda and A. Jananto, “Penerapan Metode K-Means Clustering Dalam Menentukan Strategi Promosi Berdasarkan Data Penerimaan Mahasiswa Baru,” J. Tekno Kompak, vol. 16, no. 2, pp. 163–175, 2022.

Y. Agusta, “K-Means-Penerapan, Permasalahan dan Metode Terkait,” J. Sist. dan Inform., vol. 3, no. Pebruari, pp. 47–60, 2007.

M. A. W. K. MURTI, “Penerapan Metode K-Means Clustering Untuk Mengelompokan Potensi Produksi Buah – Buahan Di Provinsi Daerah Istimewa Yogyakarta,” Skripsi, 2017.

H. S. R.Sari, H.Oktavianto, “Algoritma K-Means Dengan Metode Elbow Untuk Mengelompokkan Kabupaten/Kota Di Jawa Tengah Berdasarkan Komponen Pembentuk Indeks Pembangunan Manusia,” vol. 8, pp. 622–633, 2018.

D. Widyadhana, R. B. Hastuti, I. Kharisudin, and F. Fauzi, “Perbandingan Analisis Klaster K-Means dan Average Linkage untuk Pengklasteran Kemiskinan di Provinsi Jawa Tengah,” Prism. Pros. Semin. Nas. Mat., vol. 4, pp. 584–594, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/

T. Lohr, “K-Means Clustering and the Gap-Statistics.” https://towardsdatascience.com/k-means-clustering-and-the-gap-statistics-4c5d414acd29

DOI: http://dx.doi.org/10.55679/semantik.v9i1.29446

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Editor's Address :

Informatics Engineering Department of Halu Oleo University, Engineering Faculty Building 3rd Floor
H.E.A. Mokodompit Street, Bumi Tridharma Green Campus, Halu Oleo University

Telp. (0401) 3196237
Fax. (0401) 3195287
Website:http://ojs.uho.ac.id/index.php/semantik/index
E-mail: semantik.informatika@uho.ac.id