<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan penyakit diabetes menggunakan metode K-Means berdasarkan karakteristik klinis dan demografis pasien. Data yang digunakan diambil dari platform Kaggle, terdiri dari 768 entri dengan delapan fitur numerik yang relevan. Proses analisis melibatkan normalisasi data dengan StandardScaler dan penentuan jumlah klaster optimal menggunakan metode Elbow. Hasil penelitian menunjukkan bahwa tiga klaster optimal dapat diidentifikasi, masing-masing mencerminkan karakteristik unik yang berkaitan dengan profil risiko diabetes. Klaster pertama menunjukkan pasien dengan kadar glukosa tinggi dan BMI tinggi, yang berkaitan dengan diabetes tipe 2. Klaster kedua mencerminkan pasien dengan BMI rendah dan kadar glukosa normal, sedangkan klaster ketiga mengelompokkan pasien dengan kadar insulin rendah dan usia muda. Temuan ini menggarisbawahi potensi algoritma K-Means untuk mendukung pengambilan keputusan medis yang lebih personal dan terarah.]]>
Copyrights © 2025
