<![CDATA[Donor darah merupakan tindakan kemanusiaan yang penting untuk memenuhi kebutuhan medis. Setiap kantong darah wajib menjalani skrining Infeksi Menular Lewat Transfusi Darah (IMLTD) terhadap empat parameter, yaitu HIV, Hepatitis B, Hepatitis C, dan Sifilis, guna menjamin keamanan transfusi. Palang Merah Indonesia (PMI) DKI Jakarta sebagai unit donor darah terbesar mengumpulkan data skrining dalam jumlah besar setiap bulan, namun data tersebut umumnya hanya digunakan untuk keperluan administratif dan belum dianalisis lebih lanjut menggunakan teknik data mining. Penelitian ini bertujuan mengelompokkan data donor darah berdasarkan usia, berat badan, frekuensi donor, status donor, golongan darah, dan jumlah hasil reaktif IMLTD menggunakan metode k-means clustering, sekaligus membangun aplikasi web berbasis Laravel dan MySQL untuk mengelola dan memvisualisasikan hasilnya. Penelitian menerapkan pendekatan kuantitatif dan eksploratif data mining, meliputi normalisasi min-max, penentuan centroid awal melalui smart seeding, perhitungan jarak euclidean, dan evaluasi menggunakan silhouette score. Pengujian dilakukan terhadap 500 data donor dan menghasilkan silhouette score sebesar 0,2776 setelah lima iterasi, yang mengindikasikan struktur cluster lemah karena seluruh data memiliki minimal satu hasil skrining reaktif sehingga pengelompokan lebih dipengaruhi oleh usia, berat badan, dan frekuensi donor. Hasil clustering membentuk tiga kelompok risiko: risiko rendah 205 donor (41,0%), risiko sedang 156 donor (31,2%), dan risiko tinggi 139 donor (27,8%). Pengujian fungsional black box dengan 16 skenario menunjukkan seluruh fitur aplikasi berjalan sesuai rancangan. Hasil penelitian ini diharapkan membantu PMI DKI Jakarta merencanakan program dan edukasi donor darah yang lebih terarah.]]>
Copyrights © 2026
