PIPI

JOISIE (Journal Of Information Systems And Informatics Engineering)JOISIE (Journal Of Information Systems And Informatics Engineering)

Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosa karena gejalanya beragam. Dengan menggunakan algoritma K-Means, hasil clustering menunjukkan tiga kategori utama: ringan, sedang, dan berat. Setiap klaster mencerminkan kombinasi gejala seperti siklus menstruasi tidak teratur, pertumbuhan rambut berlebih, dan perubahan suasana hati. Pendekatan ini efektif dalam membantu pemahaman pola distribusi gejala PCOS serta mendukung pengambilan keputusan medis yang lebih tepat.

Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejalanya.Hasil clustering menunjukkan bahwa pasien dapat dikategorikan ke dalam tiga tingkat keparahan.Cluster dengan keparahan tinggi ditandai oleh dominasi faktor metabolik seperti kenaikan berat badan dan resistensi insulin, sedangkan cluster dengan keparahan sedang menunjukkan gejala hiperandrogenisme seperti pertumbuhan rambut berlebih dan kerontokan rambut.Cluster dengan keparahan rendah memiliki gejala minimal dan lebih didominasi gangguan emosional seperti perubahan suasana hati.

1. Penelitian lanjutan dapat mengkaji penggunaan algoritma DBSCAN atau Hierarchical Clustering untuk membandingkan efektivitasnya dalam mengelompokkan data PCOS. 2. Pengembangan model diagnosis PCOS dengan menambahkan variabel klinis yang lebih kompleks, seperti data genetik atau parameter metabolik tambahan. 3. Ekspansi cakupan dataset dengan menggabungkan data dari berbagai pusat kesehatan untuk meningkatkan generalisasi hasil penelitian dan memperkuat validitas model.

  1. One moment, please.... one moment please wait request verified doi.org/10.48092/jik.v7i2.159One moment please one moment please wait request verified doi 10 48092 jik v7i2 159
  2. PENERAPAN DATA MINING UNTUK CLUSTERING PENYAKIT DIARE MENGGUNAKAN ALGORITMA K-MEANS | JATI (Jurnal Mahasiswa... doi.org/10.36040/jati.v8i3.9616PENERAPAN DATA MINING UNTUK CLUSTERING PENYAKIT DIARE MENGGUNAKAN ALGORITMA K MEANS JATI Jurnal Mahasiswa doi 10 36040 jati v8i3 9616
  3. Penerapan Algoritma K-Means Clustering Pada Jumlah Fasilitas Kesehatan Menurut Pemerintah Provinsi DKI... journals.upi-yai.ac.id/index.php/TEKINFO/article/view/2603Penerapan Algoritma K Means Clustering Pada Jumlah Fasilitas Kesehatan Menurut Pemerintah Provinsi DKI journals upi yai ac index php TEKINFO article view 2603
  4. Polycystic Ovary Syndrome Detection Machine Learning Model Based on Optimized Feature Selection and Explainable... doi.org/10.3390/diagnostics13081506Polycystic Ovary Syndrome Detection Machine Learning Model Based on Optimized Feature Selection and Explainable doi 10 3390 diagnostics13081506
Read online
File size496.11 KB
Pages9
DMCAReport

Related /

ads-block-test