Analisis Klaster Pasien Diabetes Menggunakan Algoritma K-Means Berdasarkan Usia, Kadar Glukosa, dan Tekanan Darah

Muhammad Rizqi Ramadhani; Rezan Naufal Hermawan; Ihsan Fajrian; Daffa  Aulia Rachmat; Sumanto; Andi `Diah Kuswanto

doi:10.30606/rjti.v4i2.3435

Authors

Muhammad Rizqi Ramadhani Universitas Bina Sarana Informatika
Rezan Naufal Hermawan Universitas Bina Sarana Informatika
Ihsan Fajrian Universita Bina Sarana Informatika
Daffa Aulia Rachmat Universitas Bina Sarana Informatika
Sumanto Universitas Bina Sarana Informatika
Andi `Diah Kuswanto Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.30606/rjti.v4i2.3435

Keywords:

Diabetes Melitus, Data Mining, K-Means Clustering, Risiko Kesehatan, Glukosa Darah, Deteksi Dini, Analisis Data.

Abstract

Diabetes melitus adalah penyakit kronis yang terjadi akibat gangguan produksi atau pemanfaatan insulin, menyebabkan kadar gula darah tinggi. Penyakit ini dapat memicu komplikasi serius seperti jantung, ginjal, dan kerusakan saraf. Jumlah penderita diabetes terus meningkat, termasuk di Indonesia, yang dipengaruhi oleh faktor seperti genetik, gaya hidup tidak sehat, dan pola makan buruk. Untuk mendeteksi risiko diabetes lebih dini, teknologi data mining dapat dimanfaatkan. Penelitian ini menggunakan algoritma K-Means Clustering untuk menganalisis data kesehatan seperti kadar glukosa darah, tekanan darah, dan usia. Algoritma ini mengelompokkan individu ke dalam beberapa klaster berdasarkan kesamaan karakteristik kesehatan, guna mengidentifikasi kelompok risiko diabetes. Hasil analisis ini diharapkan dapat membantu tenaga medis dalam merancang intervensi dan rekomendasi pencegahan yang lebih tepat sasaran. Pendekatan ini memberikan solusi efisien dalam pengelolaan data besar di bidang kesehatan dan mendukung upaya penanggulangan diabetes secara lebih sistematis di Indonesia

Downloads

Download data is not yet available.

References

Haerani, E. (2023). Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means (Hasil Check Similarity).

Anggraini, R. (2022). Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means. UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU, 9(6), 1840-1849.

L. Rahmawati, S. Widya Siwi, and E. Suryani, â€œAnalisa Clustering Menggunakan Metode K-Means Dan Hierarchical Clustering (Studi Kasus : Dokumen Skripsi Jurusan Kimia, Fmipa, Universitas Sebelas Maret),â€ J. Teknol. Inf. ITSmart vol. 3, no. 2, p. 66, 2016, doi: 10.20961/its.v3i2.654.

M. A. Sembiring, â€œPenerapan Metode Algoritma K - Means Clustering Untuk Pemetaan Penyebaran Penyakit Demam Berdarah Dengue (Dbd),â€ J. Sci. Soc. Res. vol. 4, no. 3, p. 336, 2021, doi: 10.54314/jssr.v4i3.712.

Praja, A., Lubis, C., & Herwindiati, D. E. (2017). Deteksi Penyakit Diabetes Dengan Metode Fuzzy C-Means Clustering Dan K-Means Clustering. Computatio, 1(1), 223887.

Solehah, H. F. (2021). ANALISIS DAN PERBANDINGAN KELOMPOK PASIEN COVID-19 BERDASARKAN KOMORBIDITAS MENGGUNAKAN K-MEANS CLUSTERING (Doctoral dissertation, Universitas Pembangunan Nasional Veteran Jakarta).

Prasatya, A., Siregar, R. R. A., & Arianto, R. (2020). Penerapan Metode K-Means dan C4. 5 Untuk prediksi penderita diabetes.

Gustiane, I. T., Martanto, M., & Suprapti, T. (2024). Clustering Hasil Cek Darah Diabetes Lansia Menggunakan Metode K-Means di Posbindu Kp. Lebakjero Desa Ciherang. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2125-2129.

Yosmar, R., Almasty, D., & Rahma, F. (2018). Survei risiko penyakit diabetes melitus terhadap masyarakat Kota Padang. Jurnal sains farmasi & klinis, 5(2).

Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE-Journal of Business and Audit Information Systems, 4(1).

Nasution, F., Andilala, A., & Siregar, A. A. (2021). Faktor risiko kejadian diabetes mellitus. Jurnal Ilmu Kesehatan, 9(2), 94-102.

Lathifah, N. L. (2017). Hubungan durasi penyakit dan kadar gula darah dengan keluhan subyektif penderita diabetes melitus. Jurnal berkala epidemiologi, 5(2), 231-239.

Wiratama, M. A., & Pradnya, W. M. (2022). Optimasi algoritma data mining menggunakan backward elimination untuk klasifikasi penyakit diabetes. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 11(1), 1-12.

Mawarni, A. C., Rusdah, R., Hin, L. L., & Anubhakti, D. (2023). DETEKSI DINI GEJALA AWAL PENYAKIT DIABETES MENGGUNAKAN ALGORITMA RANDOM FOREST. IDEALIS: InDonEsiA journaL Information System, 6(2), 165-171.

Chandra, K., & Prasetyo, J. S. (2024, September). Prediksi Penyakit Jantung Koroner Menggunakan Metode K-NN dan Regresi Logistik Berdasarkan Kerangka Kerja CRISP-DM. In Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi; Bahasa dan Seni; Farmasi) (Vol. 4, pp. 241-248).