MARZIAH, AINUL (2026) ANALISIS KLASTERISASI PADA DATA REKAM MEDIS PASIEN DIABETES MELITUS TIPE 2 MENGGUNAKAN METODE GAUSSIAN MIXTURE MODEL (GMM) (Studi Kasus : RSUD Cut Meutia). S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (90kB)
	Text abstrak.pdf Download (175kB)
	Text bab 1.pdf Download (175kB)
	Text daftar pustaka.pdf Download (163kB)
	Text TGA_Ainul Marziah.pdf Restricted to Registered users only Download (3MB)

Abstract

Penelitian ini dilatarbelakangi oleh tingginya kasus Diabetes Melitus (DM) Tipe 2 di Indonesia yang membutuhkan pendekatan analisis data klinis secara lebih adaptif untuk mendukung pencegahan komplikasi. Data rekam medis pasien kaya akan variabel klinis, namun pemanfaatannya masih terbatas pada metode konvensional atau hard clustering (seperti K-Means) yang menetapkan batas kelompok secara kaku dan kurang mampu menangkap sifat biologis data yang saling tumpang tindih (overlap). Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan dan menganalisis pola risiko penderita DM Tipe 2 menggunakan metode Gaussian Mixture Model (GMM) berbasis soft clustering probabilistik. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan menganalisis 402 data rekam medis pasien periode 2022-2025 di RSUD Cut Meutia. Variabel yang digunakan meliputi umur, kadar glukosa darah, kadar kreatinin, Body Mass Index (BMI), dan HbA1c. Tahapan pengolahan data diawali dengan preprocessing, normalisasi Min-Max Scaling, serta pemodelan algoritma Expectation-Maximization (EM) dengan inisialisasi K-Means. Pemilihan parameter optimal dilakukan dengan membandingkan metrik Bayesian Information Criterion (BIC), Silhouette Score, dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa model GMM terbaik dicapai menggunakan tipe covariance tied dengan 3 klaster optimal, yang konvergen pada iterasi ke-5 dengan nilai BIC -1375,52, Silhouette Score 0,3135, dan DBI 1,2148. Model tersebut berhasil memetakan penderita ke dalam tiga tingkat risiko: Cluster 1 (risiko rendah-sedang/paling dominan) sebanyak 154 pasien (38,31%), Cluster 2 (risiko tinggi) sebanyak 143 pasien (35,57%), dan Cluster 3 (risiko sangat tinggi/akut) sebanyak 105 pasien (26,12%). Analisis geografis menunjukkan bahwa pembentukan klaster lebih dipengaruhi oleh kemiripan karakteristik klinis medis penderita dibandingkan lokasi tempat tinggalnya. Penelitian ini berkontribusi dalam memperkaya literatur pemodelan probabilistik data medis serta memberikan dasar segmentasi penderita bagi fasilitas kesehatan untuk mendukung pengambilan keputusan klinis dan prioritas pemantauan risiko komplikasi secara lebih presisi. Kata kunci : Diabetes Melitus Tipe 2, Gaussian Mixture Model, Rekam Medis, Clustering, Data Mining.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Ainul Ainul Marziah
Date Deposited:	18 Aug 2026 04:19
Last Modified:	18 Aug 2026 04:19
URI:	https://rama.unimal.ac.id/id/eprint/21300

Actions (login required)

View Item