KLASTERISASI DATA PENYAKIT JANTUNG MENGGUNAKAN K-MEANS DALAM SISTEM INFORMASI KESEHATAN

Adinda, Saskia (2025) KLASTERISASI DATA PENYAKIT JANTUNG MENGGUNAKAN K-MEANS DALAM SISTEM INFORMASI KESEHATAN. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (820kB)
	Text BAB I.pdf Download (656kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (649kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Penyakit jantung merupakan salah satu isu kesehatan utama yang memerlukan
perhatian serius dalam pengelolaannya, terutama dalam menentukan skala prioritas
penanganan pasien. Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering
dalam analisis data pasien penyakit jantung. Data yang digunakan diperoleh dari Heart Disease
UCI Dataset yang tersedia di Kaggle, mencakup berbagai atribut seperti usia, jenis kelamin,
jenis nyeri dada, tekanan darah, kadar kolesterol, denyut jantung, perubahan depresi segmen
ST, kemiringan segmen ST, serta jumlah pembuluh darah yang terdeteksi.
Tahapan penelitian ini diawali dengan proses pembersihan data (data cleaning),
normalisasi, dan seleksi fitur yang relevan. Setelah itu, algoritma K-Means diterapkan untuk
mengelompokkan pasien ke dalam beberapa klaster berdasarkan kemiripan karakteristik medis
mereka. Pendekatan ini bertujuan untuk menghasilkan klaster yang dapat membantu tenaga
medis dalam menentukan prioritas penanganan pasien berdasarkan tingkat risiko penyakit
jantung yang mereka miliki.
Metode K-Means Clustering dipilih dalam penelitian ini karena kemampuannya dalam
mengelompokkan data secara efisien berdasarkan karakteristik tertentu. Data pasien penyakit
jantung yang telah dikumpulkan diproses untuk menghasilkan klasterisasi yang dapat
merepresentasikan pola tertentu dalam dataset. Selain itu, penelitian ini juga mengeksplorasi
bagaimana penerapan K-Means Clustering dalam sistem informasi kesehatan rumah sakit dapat
meningkatkan efisiensi pengelolaan data pasien dan membantu tenaga medis dalam mengambil
keputusan yang lebih cepat dan akurat.
Hasil penelitian menunjukkan bahwa metode K-Means Clustering mampu
mengelompokkan pasien dengan baik berdasarkan tingkat risiko penyakit jantung. Hasil
klasterisasi ini dapat diintegrasikan ke dalam sistem informasi kesehatan rumah sakit, sehingga
tenaga medis dapat lebih mudah dalam memprioritaskan penanganan pasien. Dengan
demikian, penelitian ini memberikan kontribusi dalam peningkatan kualitas layanan kesehatan
dengan memanfaatkan teknologi analitik untuk pengelolaan data pasien penyakit jantung.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 04:06
Last Modified:	15 Sep 2025 03:38
URI:	http://repository.unas.ac.id/id/eprint/14079

Actions (login required)

View Item