<![CDATA[Penyakit ginjal kronis merupakan masalah kesehatan global dengan prevalensi tinggi dan sering terlambat terdeteksi sehingga memengaruhi kualitas hidup pasien serta biaya pengobatan. Diagnosis konvensional melalui pemeriksaan laboratorium dinilai akurat, tetapi memiliki keterbatasan dari segi biaya, waktu, dan ketersediaan fasilitas. Penelitian ini bertujuan merancang dan membangun sistem deteksi dini penyakit ginjal menggunakan algoritma clustering K-Means untuk membantu tenaga medis mengelompokkan pasien berdasarkan parameter fisiologis seperti kadar kreatinin, tekanan darah, berat jenis urin, albumin, dan gula urin.Metode penelitian meliputi pengumpulan data primer dan sekunder, pra-pemrosesan data berupa normalisasi dan pembersihan, penerapan algoritma K-Means, serta evaluasi kualitas klaster menggunakan Silhouette Score. Sistem yang dikembangkan berbasis web dengan pengujian black-box dan white-box untuk memastikan fungsionalitas sesuai rancangan.Hasil akan membentuk lima klaster risiko penyakit ginjal normal, stadium 1, stadium 2, stadium 3, stadium 4 dengan nilai Silhouette Score ≥ 0,75, sehingga mendukung deteksi dini secara lebih cepat, efisien, dan berbasis data.]]>
Copyrights © 2026
