Digilib PENELITIAN DOSEN

DESKRIPSI PENELITIAN :

KLASIFIKASI PENYAKIT GINJAL DENGAN METODE K-MEANS

Abstrak (Abstracts)

Penyakit Ginjal Kronik merupakan masalah serius di dunia. Menurut WHO, 2001 dan Burden of Disease, menduduki peringkat ke-12 tertinggi angka kematian (sekitar 850.000 orang setiap tahunnya) [1]. Berdasarkan data tersebut, maka dalam penelitian ini akan mengklasifikasikan penyakit ginjal menjadi 5 cluster melalui implementasi metode K-means. Metode ini merupakan metode yang menggunakan algoritma yang terbaik dalam algoritma Partitional Clustering dan yang paling sering digunakan diantara algoritma pengclusteran lainnya, karena kesederhanaan dan efisiensinya. Parameter uji dalam penelitian ini ada 3 yaitu ureum, kritinien dan GFR. Pada penelitian ini akan diuji 10 sample data pasien dimana nilai-nilai parameter ujinya akan melalui proses iterasi sampai mencapai nilai yang konvergen. Nilai yang telah konvergen akan diberi label sebagai nilai centroid untuk pengclusteran dari penyakit ginjal, Clusternya terdiri atas kondisi ginjal normal, gejala ginjal stadium 1, stadium 2, stadium 3 dan stadium 4. Tingkat akurasi pengclusteran penyakit ginjal menggunakan metode K-Means dalam penelitian ini cukup tinggi, sekitar 90%. Kata kunci : Penyakit ginjal, metode K-means, ureum, kritinien, GFR.

Chronic Kidney Disease is a serious problem in the world. According to WHO, in 2001 and Burden of Disease, was ranked the 12th highest number of deaths (about 850,000 people annuall) [1]. Based on these data, so in this research will classify kidney disease into five clusters through the implementation of the K-means method, This method is a method that uses an algorithm that is best in Partitional Clustering algorithms and the most commonly used among other Clustering algorithms, due to its simplicity and efficiency. Test parameters in this study there are three, namely urea, kritinien and GFR. This research will be tested 10 samples of patient data in which the values of the parameters of the test will go through a process of iteration until it reaches a convergent value. The values will be labeled as centroid value for clustering of kidney disease. Clusters consist of normal kidney condition, the symptoms of kidney stage 1, stage 2, stage 3 and stage 4. The accuracy of the test using the K-Means of about 90%. Keywords: Kidney Disease, K-means method, urea, kritinien, GFR.

Keyword : Kidney Disease, K-means method, urea, kritinien, GFR.

Nilai Properti

: Andi Sri Irtawaty, S.T., M.Eng.

: ,

: Politeknik Negeri Balikpapan

:

: 2017

: Indonesia

: Penelitian Dosen

: Perpustakaan Poltekba


 

Download Full Text

Peneliti

Andi Sri Irtawaty, S.T., M.Eng.

E-mail :andi.sri@poltekba.ac.id

www.poltekba.ac.id