Penerapan Algoritma Density Based Spastial Clustering Algorithm with Noise untuk Pengelompokkan Penyakit Pasien
Keywords:
Clustering, Data Mining, DBSCAN, Penyakit, Python
Abstract
Setiap tahun kuantiti pasien yang menjalankan pengobatan di rumah sakit As-sofwan semakin meningkat dengan beragam jenis penyakit yang berbeda-beda. Dari jumlah data pasien dengan beragam jenis penyakit yang berbeda, belum terlihat adanya pendataan secara terartur terhadap tingkat keparahan penyakit yang diderita oleh pasien sehingga menyulitkan pihak rumah sakit dalam melakukan penyediaan obat obatan dan peralatan medis. Maka penelitian ini bertujuan untuk mengelompokkan penyakit pasien kedalam 2 cluster yaitu banyak dan sedikit. Pengelompokan data pasien dilakukan dengan tahapan data mining clustering. Dilakukan perhitungan menggunakan jupyter dengan bahasa pemograman python.
References
[1] D. U. Iswavigra, S. Defit, and G. W. Nurcahyo, “Data Mining dalam Pengelompokan Penyakit Pasien dengan Metode K-Medoids,” J. Inf. dan Teknol., vol. 3, pp. 181–189, 2021, doi: 10.37034/jidt.v3i4.150.
[2] C. A. Sugianto, A. H. Rahayu, and A. Gusman, “Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah,” J. Inf. Technol., vol. 2, no. 2, pp. 39–44, 2020, doi: 10.47292/joint.v2i2.30.
[3] R. Adha, N. Nurhaliza, U. Soleha, P. Studi, S. Informasi, and F. Sains, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” vol. 18, no. 2, pp. 206–211, 2021.
[4] S. S. Sundari and N. Ariani, “Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan Algoritma Fuzzy C-Means (Studi Kasus : UPT Puskesmas Salawu),” J. VOI (Voice Informatics), vol. 8, no. 2, pp. 63–76, 2019.
[5] M. Windy Rohalidyawati, Rita Rahmawati, “JURNAL GAUSSIAN, Volume 9, Nomor 2, Tahun 2020, Halaman 162-169 Online di: https://ejournal3.undip.ac.id/index.php/gaussian/ SEGMENTASI,” vol. 9, pp. 162–169, 2020.
[6] D. Jollyta, S. Efendi, M. Zarlis, and H. Mawengkang, “Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 918, 2019, doi: 10.30645/senaris.v1i0.100.
[7] W. Alim, S. Dedy, and K. Noraini, “Analisis Kesesuaian Penggunaan Lahan Aktual Terhadap Rencana Tata Ruang Wilayah ( rtrw ) ( Studi Kasus : Kecamatan Serengan dan Kecamatan Pasar Kliwon , Surakarta , Jawa Tengah ),” p. 8, 2017.
[2] C. A. Sugianto, A. H. Rahayu, and A. Gusman, “Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah,” J. Inf. Technol., vol. 2, no. 2, pp. 39–44, 2020, doi: 10.47292/joint.v2i2.30.
[3] R. Adha, N. Nurhaliza, U. Soleha, P. Studi, S. Informasi, and F. Sains, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” vol. 18, no. 2, pp. 206–211, 2021.
[4] S. S. Sundari and N. Ariani, “Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan Algoritma Fuzzy C-Means (Studi Kasus : UPT Puskesmas Salawu),” J. VOI (Voice Informatics), vol. 8, no. 2, pp. 63–76, 2019.
[5] M. Windy Rohalidyawati, Rita Rahmawati, “JURNAL GAUSSIAN, Volume 9, Nomor 2, Tahun 2020, Halaman 162-169 Online di: https://ejournal3.undip.ac.id/index.php/gaussian/ SEGMENTASI,” vol. 9, pp. 162–169, 2020.
[6] D. Jollyta, S. Efendi, M. Zarlis, and H. Mawengkang, “Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 918, 2019, doi: 10.30645/senaris.v1i0.100.
[7] W. Alim, S. Dedy, and K. Noraini, “Analisis Kesesuaian Penggunaan Lahan Aktual Terhadap Rencana Tata Ruang Wilayah ( rtrw ) ( Studi Kasus : Kecamatan Serengan dan Kecamatan Pasar Kliwon , Surakarta , Jawa Tengah ),” p. 8, 2017.
Published
2023-01-31
Section
Articles
