PENARAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENGANALISIS RESIKO PENYAKIT STROKE

Abstract

Di kawasan Asia Tenggara, stroke menempati peringkat ketiga sebagai penyebab kecacatan dan menjadi penyakit dengan risiko kematian tertinggi kedua. penyakit Stroke terjadi ketika pembuluh darah mengalir ke otak terhambat atau terjadi pecah, mengakibatkan beberapa sel  jaringan otak tidak dapat menerima oksigen yang dibutuhkan dari aliran darah. Permasalahan mencakup mengidentifikasi faktor risiko penyakit stroke dengan akurat sehigga menjadi suatu tantangan dan Menentukan jumlah cluster (K) yang paling sesuai untuk mencerminkan kelompok resiko penyakit stroke dengan optimal. Dengan menerapkan pendekatan data mining K-means clustering, pasien dapat dikelompokkan ke dalam kategori resiko yang beragam. Beberapa kelompok pasien menunjukkan dominasi faktor risiko tertentu, sehingga memberikan pemahaman lebih rinci mengenai variasi resiko stroke dalam populasi. Temuan dari analisis K-means clustering telah diperkuat melalui validasi menggunakan data klinis tambahan, menegaskan kehandalan dan relevansi hasil. Proses validasi melibatkan uji model pada dataset yang berbeda untuk memastikan keberlakuan temuan secara umum. Penelitian ini melibatkan langkah-langkah teliti dalam penentuan jumlah cluster (K) untuk menjamin hasil clustering yang optimal. Pendekatan ini membantu mengurangi risiko overfitting atau underfitting, sehingga meningkatkan akurasi analisis. Visualisasi hasil clustering memberikan gambaran yang jelas tentang sebaran faktor risiko di antara kelompok pasien, dengan grafik dan diagram yang memudahkan interpretasi serta komunikasi temuan kepada pihak-pihak yang berkepentingan.