Penerapan Algoritma K-Means Clustering Analysis Penyakit Stroke di Rumah Sakit

Abstract

Penelitian ini mengimplementasikan Algoritma K-Means Clustering untuk analisis penyakit stroke ringan di rumah sakit. Berangkat dari tingginya angka kejadian stroke di Indonesia dan keterbatasan sistem pencatatan medis konvensional yang bersifat manual dan subjektif , penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan berbasis teknologi informasi yang mampu mengelompokkan pasien secara objektif, terukur, dan efisien. Metode yang digunakan adalah applied research dengan pendekatan kuantitatif dan deskriptif, serta pengembangan sistem menggunakan metode K-Means. Data yang dianalisis mencakup faktor klinis dan risiko tertentu seperti usia, tekanan darah, kadar kolesterol, dan riwayat penyakit , yang diperoleh melalui rekam medis rumah sakit dan wawancara dengan tenaga medis. Penerapan algoritma K-Means Clustering memungkinkan pengelompokan pasien stroke ringan ke dalam klaster-klaster berdasarkan kemiripan karakteristik , yang hasilnya dapat mengidentifikasi kategori pasien dengan tingkat risiko rendah, sedang, atau tinggi. Sistem yang diusulkan dan dirancang menggunakan Unified Modeling Language (UML) dan Perancangan Basis Data (ERD, LRS), serta diimplementasikan menggunakan aplikasi pendukung seperti Visual Studio Code, HTML, CSS, MySQL, dan Python. Hasil pengujian Black Box Testing dan White Box Testing menunjukkan bahwa sistem fungsional dan logika internal berjalan valid dan sesuai dengan spesifikasi kebutuhan yang diharapkan, sehingga mampu meningkatkan efektivitas dan efisiensi dalam pengelolaan data pasien serta mempercepat proses identifikasi tingkat risiko.