Sistem Pengelompokan Diagnosis Penyakit Pada Lansia Menggunakan Metode K-Means Clustering Berbasis Web

Juliarti, Kristina (2023) Sistem Pengelompokan Diagnosis Penyakit Pada Lansia Menggunakan Metode K-Means Clustering Berbasis Web. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover) Cover_D1042161009.pdf - Published Version Download (89kB)
	Text (Yuridis) Yuridis_D1042161009.pdf - Published Version Download (90kB)
	Text (Abstrak) Abstrak_D1042161009.pdf - Published Version Download (82kB)
	Text (Kata Pengantar) Kapeng_D1042161009.pdf - Published Version Download (87kB)
	Text (Daftar Isi) Dafis_D1042161009.pdf - Published Version Download (119kB)
	Text (Daftar Lain) Daflain_D1042161009.pdf - Published Version Download (103kB)
	Text (Bab I) Bab1_D1042161009.pdf - Published Version Download (150kB)
	Text (Bab II) Bab2_D1042161009.pdf - Published Version Restricted to Repository staff only Download (202kB)
	Text (Bab III) Bab3_D1042161009.pdf - Accepted Version Restricted to Repository staff only Download (510kB)
	Text (Bab IV) Bab4_D1042161009.pdf - Accepted Version Restricted to Repository staff only Download (791kB)
	Text (Bab V) Bab5_D1042161009.pdf - Accepted Version Restricted to Repository staff only Download (105kB)
	Text (Daftar Pustaka) Dapus_D1042161009.pdf - Published Version Download (208kB)
	Text (Lampiran) Lamp_D1042161009.pdf - Accepted Version Download (208kB)
	Text (D1042161009_KRISTINA JULIARTI) D1042161009_KRISTINA JULIARTI.pdf - Accepted Version Restricted to Repository staff only Download (2MB)

Abstract

Beragam kondisi dan penyakit pada lansia mempengaruhi kualitas hidup lansia. Gejala penyakit yang diderita oleh lansia tentunya berbeda-beda. Untuk mengelompokan penyakit pada lansia dibutuhkan suatu teknik data mining. Data mining khususnya clustering mampu membantu proses pengelompokan penyakit pada lansia. Penelitian ini akan mengklasterkan penyakit pada lansia dengan acuan parameter umur, gejala penyakit dan lama mengidap penyakit. Pada evaluasi cluster menggunakan davies-bouldin index menunjukan cluster optimal yang terbentuk adalah 2 cluster dengan nilai 0.662, sehingga pengelompokan penyakit pada lansia dikelompokan kedalam 2 cluster. Metode clustering yang akan digunakan pada penelitian ini adalah k-means clustering. Hasil penelitian yang dilakukan yaitu, cluster 1 memiliki 56 data atau 65,1% dan cluster 2 memiliki 30 data atau 34,9%. Gejala penyakit pada cluster 1 yaitu batuk berdahak, mual, demam, pusing, nyeri dada, sesak nafas. Gejala penyakit pada cluster 2 yaitu nyeri pinggang, lambung perih, kaki ngilu dan buang air besar tidak lancar. Dari hasil analisis tersebut maka disimpulkan bahwa cluster 1 merupakan gejala diderita tinggi dan cluster 2 merupakan gejala diderita rendah. Penamaan cluster diberikan karena didapatkan hasil usia dan lama mengidap tidak teratur akan tetapi adanya perbedaan gejala penyakit pada setiap cluster.

Actions (login required)

View Item