Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means

 (*)Rahayu Anggraini Mail (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Elin Haerani (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Jasril Jasril (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Iis Afrianty (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)

(*) Corresponding Author

Abstract

Health is one of the most important factors besides education and income. Everyone has the same human rights to get good health services. A government agency that functions to serve all people who need medical services in Indonesia, namely the puskesmas. Ujung Batu Health Center which is located in Ujung Batu sub-district, Rokan Hulu Regency as one of the government agencies. The Ujung Batu health center stores patient medical record data, only sorting out the disease. Therefore, the medical record data needs to be processed using clustering or grouping using the K-Means method. This algorithm partitions the data into clusters so that data with the same characteristics are grouped into the same cluster and data with different characteristics are grouped. into another cluster. The data used consisted of 3875 records and 5 attributes, namely Gender, Participant Type, Diagnosis, Return Status, Address. From the test using the K-means algorithm, the clustering results show that cluster 1 has 710 data while cluster 2 has 3165 data. The results of the study show that the use of 2 clusters is the best cluster with a Silhouette Coefficient value showing results with a SC value of 0.646.


Keywords


Health; Public health center; Clustering; K-Means; Silhouette Coefficient

Full Text:

PDF


Article Metrics

Abstract view : 141 times
PDF - 120 times

References

S. S. Sundari and N. Ariani, “Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan Algoritma Fuzzy C-Means (Studi Kasus : UPT Puskesmas Salawu),” J. VOI (Voice Informatics), vol. 8, no. 2, pp. 63–76, 2019.

dian permata Sari, “PENGELOMPOKKAN PENYAKIT BERDASARKAN LINGKUNGAN DENGAN ALGORITMA K-MEANS PADA PUSKESMAS SUNGAI TARAB 2,” vol. 5, no. 2, pp. 75–81, 2021.

A. Wanto et al., Data Mining : Algoritma dan Implementasi. Medan,Indonesia: Yayasan Kita Menulis, 2020.

N. hanum Harani and F. A. Nugraha, SIGMENTASI PELANGGAN MENGGUNAKAN PYTHON. Bandung: Kreatif Industri Nusantara, 2020.

Anindya Khrisna Wardhani, “Implementasi Algoritma K-Means Untuk Pengelompokkan Penyakit Pasien Pada Puskesmas Kajen Pekalongan,” J. Transform., vol. 14, pp. 30–37, 2016.

S. Suryadi, “Penerapan Metode Clustering K-Means Untuk Pengelompokan Kelulusan Mahasiswa Berbasis Kompetensi,” J. Inform., vol. 6, no. 1, pp. 52–72, 2019, doi: 10.36987/informatika.v6i1.738.

A. Asroni, H. Fitri, and E. Prasetyo, “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 Tek., vol. 21, no. 1, pp. 60–64, 2018, doi: 10.18196/st.211211.

N. Purba and H. S. Tambunan, “Penerapan Algoritma K-Means Clustering Pada Penyebaran Penyakit Infeksi Saluran Pernapasan Akut ( ISPA ) di Provinsi Riau,” vol. 2, no. 3, pp. 220–226, 2021.

T. L. Budi Susilo, “Dengan Menggunakan Bahasa Pemrograman,” pp. 399–406, 2015, [Online]. Available: https://www.neliti.com/id/publications/173303/perancangan-sistem-informasi-distribusi-obat-pasien-rawat-inap.

R. W. Sari and D. Hartama, “Data Mining : Algoritma K-Means Pada Pengelompokkan Wisata Asing ke Indonesia Menurut Provinsi,” Semin. Nas. Sains Teknol. Inf., pp. 322–326, 2018.

D. Haryadi and D. M. U. Atmaja, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Tingkat Risiko Penyakit Jantung,” J. Informatics Commun. Technol., vol. 3, no. 2, pp. 51–66, 2021, doi: 10.52661/j_ict.v3i2.85.

B. Serasi Ginting and M. Simanjuntak, “Pengelompokan Penyakit Pada Pasien Berdasarkan Usia Dengan Metode K-Means Clustering (Studi Kasus : Puskesmas Bahorok),” Algoritm. J. Ilmu Komput. dan Inform., vol. 6341, no. November, p. 2, 2021.

M. Wahyudi, Masitha, R. Saragih, and Solikhun, Data Mining : Penerapan Algoritma K-means Clustering dan K-Medoids Clustering. Medan,Indonesia: Yayasan Kita Menulis, 2020.

N. Dwitri, J. A. Tampubolon, S. Prayoga, F. I. R.H Zer, and D. Hartama, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 Di Indonesia,” J. Teknol. Inf., vol. 4, no. 1, pp. 128–132, 2020, doi: 10.36294/jurti.v4i1.1266.

C. Prianto and S. Bunyamin, PEMBUATAN APLIKASI CLUSTERING GANGGUAN JARINGAN MENGGUNAKAN METODE K-MEANS CLUSTERING. Bandung: Kreatif Industri Nusantara, 2020.

D. Jollyta, W. Ramdhan, and M. Zarlis, KONSEP DATA MINING DAN PENERAPAN. Yogyakarta: CV Budi Utama, 2020.

S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., vol. 6, no. 2, p. 48, 2021, doi: 10.51557/pt_jiit.v6i2.659.

B. Santoso, A. Azis, and Zohrahayaty, MACHINE LEARNING & REASONING FUZZY LOGIC ALGORITMA,MANUAL,MATLAB & RAPID MINER. Yogyakarta: CV Budi Utama, 2020.

R. Rahma and R. Mufidah, “Pengelompokan daerah rawan kekerasan terhadap perempuan dan anak di jawa barat menggunakan algoritma k-means,” vol. 07, no. September, pp. 850–857, 2022.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Rahayu Anggraini, Elin Haerani, Jasril, Iis Afrianty

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

JURIKOM (Jurnal Riset Komputer)
Di publikasikan oleh P3M - STMIK BUDI DARMA
Email: jurikom.stmikbd@gmail.com

Creative Commons License
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Attribution 4.0 International.