IDENTIFIKASI TINGKAT KEMATIAN PENDERITA COVID-19 BERDASARKAN PENYAKIT PENYERTA (KOMORBID) MENGGUNAKAN METODE K-MEANS CLUSTER

Yanto, Adri (2021) IDENTIFIKASI TINGKAT KEMATIAN PENDERITA COVID-19 BERDASARKAN PENYAKIT PENYERTA (KOMORBID) MENGGUNAKAN METODE K-MEANS CLUSTER. Masters thesis, Universitas Putra Indonesia YPTK.

[img]
Preview
Text (abstrak)
Thesis_Adri Yanto_192321002_Abstrak.pdf

Download (63kB) | Preview
[img]
Preview
Text (bab I)
Thesis_Adri Yanto_192321002_Bab I.pdf

Download (188kB) | Preview
[img]
Preview
Text (daftar pustaka)
Thesis_Adri Yanto_192321002_Daftar Pustaka.pdf

Download (127kB) | Preview
[img] Text (full text)
Thesis_Adri Yanto_192321002_Full Text.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

COVID-19 di dunia juga mempengaruhi Indonesia terutama Provinsi Sumatera Barat yang merupakan nomor 11 diantara 34 Provinsi yang ada di Indonesia (covid- 19.go.id, 2021). Untuk mengetahui pasien terinfeksi Covid-19 dilakukan pemeriksaan di laboratorium karena didasari oleh penyakit bawaan (komorbid) seperti: Hypertension, Diabetes, COPD, CVD, Liver diseases, Obesity, Renal disesases dan Malignancy (Hasan Ejaza, Dkk tahun:2020). Tujuan penelitian ini adalah untuk identifikasi kematian covid-19 akibat penyakit penyerta (komorbid) salah satu faktor risiko kematian COVID-19. Metode penelitian ini menggunakan pengujian data dari salah satu rumah sakit di kota Padang dengan menggunakan algoritma K-Means Cluster yakni mengelompokkan penyakit penyerta (komorbid) Tinggi, sedang dan Rendah. Berdasarkan hasil identifikasi menggunakan K-means cluster di dapatlah pengelompokkan penyakit dengan kelompok tinggi , Sedang dan rendah. Jumlah data yang digunakan adalah 49 data pasien positif COVID-19. Data yang digunakan meliputi diagnosa pasien yang telah dikodekan dengan standar internasional untuk klasifikasi penyakit dan gangguan kesehatan lainnya yaitu ICD-10, Umur, Data sekunder dan Primer. Selanjutnya data ini diolah dengan software Rapidminer agar mendapatkan data cluster. Selanjutnya digunakan juga teknik perhitungan secara matematika untuk melihat hasil akurasinya. Hasil dari pengujian didapat bahwa cluster 1 (Tinggi) ada 5 penyakit penyerta, . cluster 2 (sedang) ada 9 penyakit penyerta, dan cluster 3 (rendah) ada 35 penyakit penyerta.

Item Type: Thesis (Masters)
Subjects: 0 Research > Ilmu Komputer
0 Research > Ilmu Komputer > Teknologi Kesehatan
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer > Magister Ilmu Komputer (S2)
Depositing User: Fani Alivia S.S.i
Date Deposited: 04 Mar 2023 03:13
Last Modified: 04 Mar 2023 03:13
URI: http://repository.upiyptk.ac.id/id/eprint/4252

Actions (login required)

View Item View Item