DHARMAWACANADHARMAWACANA

International Research on Big-Data and Computer Technology: I-RobotInternational Research on Big-Data and Computer Technology: I-Robot

Penelitian ini memanfaatkan teknik data mining untuk menganalisis tingkat kesembuhan pasien tuberkulosis (TB) di Provinsi Lampung, Indonesia, dengan menggunakan data dari Sistem Informasi Tuberkulosis Komunitas (SITK) dan Row Data Individu (RDI). Tujuan utama adalah mengidentifikasi faktor risiko yang mempengaruhi penularan TB, termasuk karakteristik individu dan faktor lingkungan. Metode K-means clustering digunakan untuk mengelompokkan data berdasarkan gejala dan durasi pengobatan, menghasilkan 19 klaster dengan pola spesifik. Gejala seperti demam meriang, sesak napas, dan batuk ditemukan penting dalam menentukan tingkat kesembuhan pasien. Analisis menunjukkan variasi signifikan dalam distribusi gejala di antara klaster, dengan beberapa klaster menunjukkan respons pengobatan yang lebih baik. Penelitian ini diharapkan dapat berkontribusi dalam upaya pengendalian TB dan mencapai Tujuan Pembangunan Berkelanjutan (SDGs) terkait kesehatan.

Analisis distribusi gejala tuberkulosis pada 19 klaster pasien menunjukkan variasi signifikan berdasarkan usia dan durasi pengobatan, dengan masing-masing klaster memiliki karakteristik unik.Temuan ini menekankan perlunya pendekatan penanganan TB yang disesuaikan, mempertimbangkan faktor-faktor demografis dan pola gejala untuk meningkatkan efektivitas intervensi.Penelitian selanjutnya diperlukan untuk memahami interaksi faktor-faktor tersebut dan merumuskan strategi berbasis bukti yang dapat meningkatkan hasil kesehatan pasien.

Penelitian selanjutnya dapat mengeksplorasi bagaimana faktor lingkungan seperti kualitas udara dan status sosial‑ekonomi berinteraksi dengan faktor risiko individu dalam memengaruhi tingkat kesembuhan TB di berbagai klaster, sehingga memberikan gambaran yang lebih komprehensif tentang determinan penyembuhan. Selanjutnya, diperlukan pengembangan dan evaluasi model prediktif yang menggabungkan variabel demografis, klinis, dan lingkungan untuk memprediksi hasil pengobatan TB pada pasien di Provinsi Lampung, yang dapat membantu tenaga kesehatan dalam mengambil keputusan klinis lebih awal. Selain itu, sebuah studi longitudinal dapat dilakukan untuk menilai efektivitas program intervensi yang disesuaikan berdasarkan profil gejala spesifik tiap klaster, dengan fokus pada peningkatan kepatuhan pengobatan dan tingkat kesembuhan, guna memberikan bukti empiris bagi kebijakan kesehatan yang lebih tepat sasaran.

  1. An Efficient Clustering Technique for Big Data Mining | International Journal of Next-Generation Computing.... ijngc.perpetualinnovation.net/index.php/ijngc/article/view/842An Efficient Clustering Technique for Big Data Mining International Journal of Next Generation Computing ijngc perpetualinnovation index php ijngc article view 842
  2. One moment, please.... one moment please wait request verified doi.org/10.34306/ijcitsm.v3i1.122One moment please one moment please wait request verified doi 10 34306 ijcitsm v3i1 122
  3. Text‐based emotion detection: Advances, challenges, and opportunities - Acheampong - 2020 -... doi.org/10.1002/eng2.12189TextyAAAabased emotion detection Advances challenges and opportunities Acheampong 2020 doi 10 1002 eng2 12189
  4. Review of: "Application of Data Mining Combined with K-means Clustering Algorithm in Enterprises'... doi.org/10.32388/t7cxywReview of Application of Data Mining Combined with K means Clustering Algorithm in Enterprises doi 10 32388 t7cxyw
Read online
File size1010.6 KB
Pages11
DMCAReport

Related /

ads-block-test