PENERAPAN METODE K-MEANS CLUSTERING UNTUK MENENTUKAN FAKTOR RESIKO PADA PENDERITA DIABETES MELITUS

Septriani, Melda (2023) PENERAPAN METODE K-MEANS CLUSTERING UNTUK MENENTUKAN FAKTOR RESIKO PADA PENDERITA DIABETES MELITUS. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (117kB)
	Text BAB II.pdf Restricted to Registered users only Download (635kB)
	Text BAB III.pdf Restricted to Registered users only Download (42kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (43kB)
	Text DAFTAR PUSTAKA.pdf Download (134kB)

Abstract

Diabetes melitus adalah penyakit yang disebabkan karena gagalnya organ pankreas dalam memproduksi hormon insulin secara berkalah sehingga menyebabkan meningkatnya kadar gula dalam darah dan berakibat kurangnya insulin. Penyakit ini tidak menular namun dapat menjadi penyakit kronis dan dapat menyerang berbagai kalangan umur. Penelitian ini membahas tentang penerapan metode k-means clustering untuk menentukan faktor resiko pada penyakit diabetes melitus. Metode yang digunakan adalah data mining k-means clustering. Dengan menggunakan metode clustering data akan dikelompokkan ke dalam beberapa cluster atau kelompok yang dimana pada penelitian ini melakukan komparasi dengan menerapkan beberapa tools data mining seperti RapidMiner, SPSS, WEKA, dan Phyton. Data yang didapatkan bersumber dari situs https://www.kaggle.com/. Data yang digunakan merupakan dataset Behavioral Risk Factor Surveilance System(BRFSS) pada tahun 2015 yang merupakan data hasil survey telpon terkait kesehatan terutama pada diabetes melitus serta menggunakan 15 atribut yang sesuai dengan faktor resiko DM dari kemkes. Data yang akan diolah dengan menggunakan k-means dibagi menjadi 4 cluster yaitu : tingkat cluster prioritas pertama, tingkat cluster prioritas kedua, tingkat cluster prioritas ketiga, dan tingkat cluster keempat. Dari komparasi yang dilakukan menghasilkan 5 perhitungan yaitu perhitungan secara manual cluster 1 dengan nilai rationya 73% menjadi prioritas pertama, perhitungan menggunakan RapidMiner menghasilkan cluster 3 dengan nilai rationya 58% menjadi prioritas pertama, perhitungan WEKA menghasilkan cluster 4 dengan nilai rationya 41% menjadi prioritas pertama, perhitungan menggunakan SPSS cluster 2 dengan nilai rationya 34% menjadi prioritas pertama, dan perhitungan menggunakan Phyton menghasilkan cluster 1 dengan nilai rationya 55% menjadi prioritas pertama. Sehinga hasil penelitian didapatkan karena perbedaan dalam pemilihan pusat cluster.

Actions (login required)

View Item