IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM KLASTERISASI PENYAKIT HIPERTENSI PADA KECAMATAN TELUK BETUNG UTARA

Octavia, Anisya Tri and NUGROHO, HANDOYO WIDI (2025) IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM KLASTERISASI PENYAKIT HIPERTENSI PADA KECAMATAN TELUK BETUNG UTARA. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Cover.pdf Download (155kB)
	Text Lembar Pengajuan.pdf Download (171kB)
	Text Lembar Pernyataan.pdf Download (781kB)
	Text Halaman Persetujuan.pdf Download (1MB)
	Text Halaman Pengesahan.pdf Download (1MB)
	Text Riwayat Hidup.pdf Download (773kB)
	Text Halaman Persembahan.pdf Download (70kB)
	Text Motto.pdf Download (46kB)
	Text Abstrak.pdf Download (108kB)
	Text Prakata.pdf Download (881kB)
	Text Daftar Isi.pdf Download (90kB)
	Text Daftar Gambar.pdf Download (68kB)
	Text Daftar Tabel.pdf Download (59kB)
	Text BAB I.pdf Download (124kB)
	Text BAB II.pdf Download (270kB)
	Text BAB III.pdf Download (260kB)
	Text BAB IV.pdf Download (810kB)
	Text BAB V.pdf Download (97kB)
	Text Daftar Pustaka.pdf Download (100kB)

Abstract

Hipertensi merupakan salah satu penyakit kronis yang berisiko tinggi menyebabkan komplikasi serius jika tidak ditangani dengan baik. Identifikasi pola serta faktor risiko hipertensi sangat penting untuk membantu tenaga medis dalam mengambil keputusan yang lebih efektif terkait penanganan dan pencegahannya. Namun, data kesehatan yang tersedia sering kali belum dikelompokkan secara optimal, sehingga menyulitkan analisis pola penderita hipertensi berdasarkan tingkat risikonya. Oleh karena itu, penelitian ini menggunakan algoritma K-Means Clustering yang bertujuan untuk melakukan klasterisasi pasien hipertensi berdasarkan faktor risiko yang dimiliki. Dataset yang digunakan berasal dari Puskesmas Sumur Batu, Kecamatan Teluk Betung Utara, yang terdiri dari 21.405 data dengan 19 atribut. Proses penelitian meliputi pengumpulan data, seleksi fitur, preprocessing, transformasi data, implementasi algoritma, serta evaluasi hasil klasterisasi. Hasil penelitian menghasilkan 3 cluster utama yaitu cluster 0 (normal), cluster 1 (pre-hipertensi), cluster 2 (hipertensi) yang mencerminkan tingkat risiko hipertensi berdasarkan variabel yang digunakan, sehingga dapat membantu tenaga medis dalam menyusun strategi pencegahan dan pengelolaan hipertensi yang lebih efektif.

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Anisya Tri Octavia
Date Deposited:	12 Aug 2025 06:50
Last Modified:	12 Aug 2025 06:50
URI:	http://repo.darmajaya.ac.id/id/eprint/20909

Actions (login required)

View Item