Klasifikasi Penyakit Ginjal dengan Metode K-Means
| Main Author: | Irtawaty, Andi sri; Teknik Elektronika. Politeknik Negeri Balikpapan |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Pusat Penelitian dan Pengabdian Kepada Masyarakat
, 2017
|
| Subjects: | |
| Online Access: |
http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241 http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241/180 |
| ctrlnum |
article-241 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Klasifikasi Penyakit Ginjal dengan Metode K-Means</title><creator>Irtawaty, Andi sri; Teknik Elektronika. Politeknik Negeri Balikpapan</creator><subject lang="en-US">penyakit ginjal, metode K-means, ureum, kritinien, GFR.</subject><description lang="en-US">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%.</description><publisher lang="en-US">Pusat Penelitian dan Pengabdian Kepada Masyarakat</publisher><contributor lang="en-US"/><date>2017-04-11</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>File:application/pdf</type><identifier>http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241</identifier><source lang="id-ID">Jurnal Teknologi Terpadu; Vol 5, No 1 (2017): JTT ( Jurnal Teknologi Terpadu ); 49-53</source><source lang="en-US">JTT (Jurnal Teknologi Terpadu); Vol 5, No 1 (2017): JTT ( Jurnal Teknologi Terpadu ); 49-53</source><source>2477-5177</source><source>2338-6649</source><language>eng</language><relation>http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241/180</relation><rights lang="en-US">JTT (Jurnal Teknologi Terpadu) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.</rights><recordID>article-241</recordID></dc>
|
| language |
eng |
| format |
Journal:Article Journal Other:info:eu-repo/semantics/publishedVersion Other File:application/pdf File Journal:eJournal |
| author |
Irtawaty, Andi sri; Teknik Elektronika. Politeknik Negeri Balikpapan |
| title |
Klasifikasi Penyakit Ginjal dengan Metode K-Means |
| publisher |
Pusat Penelitian dan Pengabdian Kepada Masyarakat |
| publishDate |
2017 |
| topic |
penyakit ginjal metode K-means ureum kritinien GFR |
| url |
http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241 http://jurnal.poltekba.ac.id/index.php/jtt/article/view/241/180 |
| contents |
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%. |
| id |
IOS4411.article-241 |
| institution |
Politeknik Negeri Balikpapan |
| institution_id |
1207 |
| institution_type |
library:university library |
| library |
Jurnal Teknologi Terpadu (JTT) |
| library_id |
1057 |
| collection |
Jurnal Teknologi terpadu (JTT) |
| repository_id |
4411 |
| subject_area |
Electrical Engineering/Teknik Kelistrikan, Teknik Listrik Mechanical Engineering Civil Engineering/Teknik Sipil Telecommunication Engeeniring |
| city |
Balikpapan |
| province |
KALIMANTAN TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4411 |
| first_indexed |
2017-08-01T00:11:12Z |
| last_indexed |
2017-08-01T00:11:12Z |
| recordtype |
dc |
| _version_ |
1686124913988993024 |
| score |
17.538404 |