Electronic Theses and Dissertation

Analisis clustering merupakan teknik pembelajaran mesin yang dapat digunakan untuk pengelompokan data. penentuan kelompok pasien yang sesuai dengan penyebab atau tingkat keparahan penyakit tertentu merupakan penerapan analisis cluster di bidang kedokteran. akhir tahun 2019 dunia kesehatan dikejutkan oleh coronavirus disease 2019 (covid-19) yang menyebabkan penyakit infeksi saluran pernapasan mulai flu biasa hingga penyakit yang serius seperti sindrom pernapasan akut berat. penelitian ini menggunakan data rekam medis pasien suspek covid-19 di rumah sakit pendidikan universitas syiah kuala (rsp usk) dengan atribut data campuran. metode yang digunakan dalam penelitian ini adalah fuzzy c-means clustering (fcm), fuzzy c-shells clustering (fcs), fuzzy gustafson kessel clustering (fgk), dan fuzzy gath geva clustering (fgg) dengan jarak gower sebagai metrik untuk mengukur ketidakmiripan dua item data campuran. penelitian ini bertujuan untuk memperoleh metode dan jumlah cluster optimum. selain itu, juga bertujuan untuk menentukan peringkat dan karakteristik dari cluster optimum yang terpilih. hasil penelitian menunjukkan bahwa fcs dengan jumlah 5 cluster merupakan metode optimum. metode fcs mengklasifikasikan 20 pasien ke dalam cluster ketiga (peringkat keparahan pertama), 28 pasien ke dalam cluster kelima (peringkat keparahan kedua), 28 pasien ke dalam cluster kedua (peringkat keparahan ketiga), 27 pasien ke dalam cluster keempat (peringkat keparahan keempat), dan 17 pasien ke dalam cluster pertama (peringkat keparahan terakhir). kata kunci: fuzzy clustering, data atribut campuran, jarak gower, covid-19, tingkat keparahan.

Clustering analysis is a machine learning technique that can be used for data clustering. Identifying groups of patients consistent with the causes or severity of certain diseases is the application of cluster analysis in the field of medicine. Late in 2019 the world of health was shaken by Coronavirus Disease 2019 (COVID-19), that causes respiratory tract infections ranging from the common cold to serious illnesses such as severe acute respiratory syndrome. The study use the medical records of patients suspect COVID-19 at the Educational Hospital of Syiah Kuala University (RSP USK) with mixed data attributes. The methods used in this study are fuzzy cmeans clustering (FCM), fuzzy c-shells clustering (FCS), fuzzy gustafson kessel clustering (FGK), and fuzzy gath clustering (FGG) using the distance of gower as a metric to measures the dissimilarity of two items with mixed data. The purpose of this study is to obtain the optimum method and number of cluster. In addition, we also want to see how the characteristics of each cluster are produced by the optimum method. The research suggests that FCS with the number of five clusters is the optimum. FCS methods classify 20 patients into the third cluster (first severity rank), 28 patients into the fifth cluster (second severity rank), 28 patients into the second cluster (third severity rank), 27 patients into the fourth cluster (fourth severity rank), and 17 patients into the first cluster (last severity rank). Keywords: Fuzzy clustering, mixed data, gower distance, COVID-19, severity.