<![CDATA[Pada kesempatan ini penelitian bertujuan untuk mengklasifikasikan data penyakit kardiovaskular menggunakan algoritma k-means dan mengintegrasikan hasilnya ke dalam sistem informasi kesehatan. Salah satu tantangan terbesar dalam pelayanan kesehatan adalah meningkatnya jumlah data pasien yang tidak dimanfaatkan secara optimal untuk analisis risiko. Setelah pra-pemrosesan, data dibersihkan dan dinormalisasi untuk klasifikasi. Jumlah kelompok ideal ditentukan menggunakan metode k-means, dan tiga kelompok risiko utama – rendah, sedang, dan tinggi – diidentifikasi. Klasifikasi ini mengungkapkan bahwa setiap kelompok memiliki karakteristik klinis spesifik seperti tekanan darah, kadar kolesterol, detak jantung, dan faktor risiko lainnya. Hasil klasifikasi diintegrasikan ke dalam sistem informasi kesehatan untuk menyediakan representasi visual bagi tenaga kesehatan untuk analisis risiko pasien. Studi ini menunjukkan efektivitas k-means dalam mengidentifikasi kelompok risiko penyakit kardiovaskular dan potensinya sebagai alat pendukung keputusan dalam sistem informasi kesehatan. Lebih lanjut, hasil ini membuka arah penelitian baru, seperti membandingkan berbagai metode klasifikasi dan mengembangkan sistem peringatan dini berbasis penambangan data. Kata kunci : klasifikasi, k-means, penyakit kardiovaskular, penambangan data, sistem informasi Kesehatan The goal of this research is to use the k-means algorithm to categorize cardiovascular disease data and incorporate the findings into a health information system. The growing volume of patient data that is not being used to its full potential for risk analysis is one of the largest issues facing the healthcare industry. The data was cleaned and normalized for categorization after preprocessing. The k-means approach was used to estimate the optimal number of clusters, and three primary risk groups—low, medium, and high—were identified. This classification revealed that each cluster has specific clinical characteristics such as blood pressure, cholesterol levels, heart rate, and other risk factors. The classification results were integrated into a health information system to provide healthcare professionals with a visual representation for patient risk analysis. This study demonstrates the effectiveness of k-means in identifying cardiovascular disease Risk clusters and their potential as a tool for decision-making in health information systems. Furthermore, these results open new research directions, such as comparing various classification methods and developing data mining-based early warning systems. Keywords: classification, k-means, cardiovascular disease, data mining, health information system]]>
Copyrights © 2026
