Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal SITEDI SITEDI (Sistem Informasi dan Teknologi Digital)
Permana, Yoga Putra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Grouping of Heart Failure Patients Using K-Means Clustering Algorithm for Clinical Risk Determination Using Rapidminer: Pengelompokan Pasien Gagal Jantung Menggunakan Algoritma K-Means Clustering untuk Penentuan Risiko Klinis Menggunakan Rapidminer Permana, Yoga Putra; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.62

Abstract

Gagal jantung adalah salah satu penyebab utama kematian secara global yang memerlukan pendekatan analisis untuk memperkuat keputusan dalam bidang klinis. Penelitian ini bertujuan untuk mengelompokkan pasien yang mengalami gagal jantung berdasarkan karakteristik klinis dengan menggunakan metode K-Means Clustering. Data diambil dari UCI Repository dengan melibatkan 299 sampel pasien yang mencakup 13 variabel. Proses pengelompokan ini menghasilkan lima cluster yang masing-masing memiliki karakteristik berbeda yang mencerminkan tingkat risiko klinis. Misalnya, Cluster 4 berisi pasien yang lebih tua dengan kadar kreatinin tinggi dan fraksi ejeksi rendah, yang menunjukkan bahwa mereka memiliki risiko kematian yang lebih besar. Penilaian menggunakan indeks Davies-Bouldin menunjukkan nilai 0,509, yang menunjukkan bahwa kualitas pengelompokan tersebut cukup memadai. Diharapkan penelitian ini dapat memberikan kontribusi besar dalam pengembangan sistem yang mendukung keputusan klinis, khususnya dalam manajemen risiko bagi pasien yang mengalami gagal jantung.
Grouping of Heart Failure Patients Using K-Means Clustering Algorithm for Clinical Risk Determination Using Rapidminer: Pengelompokan Pasien Gagal Jantung Menggunakan Algoritma K-Means Clustering untuk Penentuan Risiko Klinis Menggunakan Rapidminer Permana, Yoga Putra; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.62

Abstract

Gagal jantung adalah salah satu penyebab utama kematian secara global yang memerlukan pendekatan analisis untuk memperkuat keputusan dalam bidang klinis. Penelitian ini bertujuan untuk mengelompokkan pasien yang mengalami gagal jantung berdasarkan karakteristik klinis dengan menggunakan metode K-Means Clustering. Data diambil dari UCI Repository dengan melibatkan 299 sampel pasien yang mencakup 13 variabel. Proses pengelompokan ini menghasilkan lima cluster yang masing-masing memiliki karakteristik berbeda yang mencerminkan tingkat risiko klinis. Misalnya, Cluster 4 berisi pasien yang lebih tua dengan kadar kreatinin tinggi dan fraksi ejeksi rendah, yang menunjukkan bahwa mereka memiliki risiko kematian yang lebih besar. Penilaian menggunakan indeks Davies-Bouldin menunjukkan nilai 0,509, yang menunjukkan bahwa kualitas pengelompokan tersebut cukup memadai. Diharapkan penelitian ini dapat memberikan kontribusi besar dalam pengembangan sistem yang mendukung keputusan klinis, khususnya dalam manajemen risiko bagi pasien yang mengalami gagal jantung.
Co-Authors Firmansyah, Hasbi