OPTIMASI ELBOW PADA METODE K-MENAS DALAM CLUSTERING DATA DARAH PASIEN UNTUK IDENTIFIKASI RESIKO PENYAKIT KRONIS

Authors

  • Pani Irawan Universitas Asahan
  • Dicky Apdillah Universitas Asahan

DOI:

https://doi.org/10.54314/jssr.v9i2.6391

Keywords:

Elbow Optimization, K-Menas Method, Clustering, Patient Blood Data, Chronic Disease Risk Identification

Abstract

Abstract: Chronic diseases such as diabetes, hypertension, and heart disease are major causes of morbidity and mortality in various countries, including Indonesia. Early detection of chronic disease risk is a crucial step in more effective prevention and treatment. One important source of information for identifying these risks is laboratory data, particularly patient blood data, which includes parameters such as glucose levels, cholesterol, blood pressure, hemoglobin, and other indicators. The objective of this study was to design and develop a patient blood data clustering application to identify chronic disease risk using the K-Menas method and the Elbow method using a web programming language. The data used in this study consisted of a sample of 140 individuals. Of the total sample, 140 patients were successfully grouped into four optimal clusters (K = 4). This data partitioning process resulted in a varied population distribution within each cluster, reflecting the heterogeneity of clinical and demographic characteristics among the study subjects. Based on the analysis of 140 patients, the population was dominated by the Critical/Chronic group (Cluster 4) at 45.7% (64 patients), followed by the Healthy/Normal Group (Cluster 1) at 30% (42 patients), and the Low/Early Risk (Cluster 2) and High Risk (Cluster 3) groups, each with an equal minority proportion of 12.1% (17 patients).

Keywords: Elbow Optimization, K-Menas Method, Clustering, Patient Blood Data, Chronic Disease Risk Identification

 

Abstrak: Penyakit kronis seperti diabetes, hipertensi, dan penyakit jantung menjadi penyebab utama morbiditas dan mortalitas di berbagai negara, termasuk Indonesia. Deteksi dini terhadap risiko penyakit kronis merupakan langkah penting dalam upaya pencegahan dan penanganan yang lebih efektif. Salah satu sumber informasi penting untuk mengidentifikasi risiko tersebut adalah data laboratorium, khususnya data darah pasien, yang mencakup parameter-parameter seperti kadar glukosa, kolesterol, tekanan darah, hemoglobin, serta indikator lainnya. Tujuan dalam penelitian ini ialah Untuk merancang dan membuat aplikasi clustering data darah pasien untuk identifikasi resiko penyakit kronis menggunakan Metode  K-Menas  dan metode elbow dengan bahasa pemrograman web. Data yang digunakan dalam penelitian ini berupa sample sebanyak 140 orang. Dari total sampel penelitian sebanyak 140 pasien berhasil dikelompokkan ke dalam 4 klaster optimal (K = 4). Proses partisi data ini menghasilkan sebaran populasi yang bervariasi di setiap klasternya, mencerminkan adanya heterogenitas karakteristik klinis atau demografis di antara subjek penelitian. Berdasarkan hasil analisis terhadap 140 pasien, populasi didominasi oleh kelompok Kritis/Kronis (Klaster 4) sebesar 45,7% (64 pasien), diikuti kelompok Kelompok Sehat/Normal (Klaster 1) sebesar 30% (42 pasien), serta kelompok Risiko Rendah/Awal (Klaster 2) dan Risiko Tinggi (Klaster 3) yang memiliki proporsi minoritas setara masing-masing sebesar 12,1% (17 pasien).

Kata Kunci: Optimasi Elbow, Metode K-Menas, Clustering, Data Darah Pasien, Identifikasi Resiko Penyakit Kronis

Downloads

Download data is not yet available.

References

Aipina, D., & Witriyono, H. (2022). Pemanfaatan Framework Laravel Dan Framework Bootstrap Pada Pembangunan Aplikasi Penjualan Hijab Berbasis Web. Jurnal Media Infotama, 18(1), 36–42.

Budiarti, Alwendi, Andi Saputa Mandopa, L. (2024). Aplikasi Data Mining Untuk Menentukan Lulusan Mahasiswa Tepat Waktu. Jurnal Advance Research Informatika, 3(1), 59–65.

Damanik, B., Zalukhu, S., Hutagalung, D. M., & Ginting, R. U. (2022). Sistem Informasi Penjualan Minuman Berbasis Web Di Toko Ts Boba Burhanuddin. 4(2), 328–338.

Dhian Luluh Rohmawati, Endri Ekayamti, R. K. (2022). Pemberdayaan Masyarakat Dalam Melakukan Manajemen Penyakit Kronis Sebagai Langkah Preventif Terjadinya Komplikasi Penyakit Ginjal Kronik. Jurnal Kreativitas Pengabdian Kepada Masyarakat (Pkm), 5(11), 3831–3841.

Ernawati, A., & Wahyuni, S. (2024). Analisis Data Mining Pola Penggunaan Seluler Dan

Klasifikasi Perilaku Pengguna Di Berbagai Perangkat Menggunakan Metode C4 . 5. Bulletin Of Information Technology (Bit), 5(4), 162–168.

Erwan Effendi, Rodika Sima Arif Sagalai, S. R. (2023). Jenis-Jenis Sistem Informasi Dan Model Sistem Informasi. Jurnal Pendidikan Dan Konseling, 5(2), 4944–4952.

Fahzirah, I. (2024). Pengenalan Sistem Database : Konsep Dasar Dan Manfaatnya Dalam Perusahaan. 1(4), 673–678.

Irmayani, D., & Munandar, M. H. (2020). Sistem Informasi Pengelolaan Data Siswa Pada Sma Negeri 02 Bilah Hulu Berbasis Web. Jurnal Informatika, 8(2), 65–71.

Ishak, R. (2024). Optimasi K-Means Pada Clustering Penyakit Ibu Hamil Menggunakan Random Forest Optimization Of K-Means In Disease Clustering Of Pregnant Women Using Random Forest. Jambura Journal Of Electrical And Electronics Engineering, 7(1), 41–47.

Perwitasari, I. D., Hendrawan, J., Panggabean, F. Y., & Raihansyah, M. (2024). Model Uml Aplikasi Augmented Reality Pengenalan Desa Pertumbukan. 13, 1887–1896.

Downloads

Published

2026-04-30

Issue

Vol. 9 No. 2 (2026): April 2026

Section

Artikel

License

Copyright (c) 2026 Pani Irawan, Dicky Apdillah

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

How to Cite

OPTIMASI ELBOW PADA METODE K-MENAS DALAM CLUSTERING DATA DARAH PASIEN UNTUK IDENTIFIKASI RESIKO PENYAKIT KRONIS. (2026). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 9(2), 2945-2957. https://doi.org/10.54314/jssr.v9i2.6391