<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="97375">
 <titleInfo>
  <title>PEMANFAATAN TEKNIK DATA MINING DALAM MENGELOMPOKKAN PASIEN LAYAK KEMOTERAPI DI LABORATORIUM BIO-LAB BANDA ACEH BERDASARKAN DATA HASIL TES DARAH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>MALAQ AIMANA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Kemoterapi merupakan sebuah metode pengobatan menggunakan zat kimia untuk merawat suatu penyakit. Seorang pasien dapat menjalani kemoterapi ketika pasien melewati batas nilai ANC yang telah dihitung dari hasil tes darah. Kategori kelayakan kemoterapi telah dikelompokkan oleh Morris dan Sampson (2018). Dengan menggunakan kategori yang sudah ada, setelah melakukan pengelompokan peneliti ingin membandingkan hasil algoritma clustering dengan kategori yang sudah dibentuk. Adapun metode yang digunakan pada penelitian ini adalah metode clustering atau pengelompokan menggunakan algoritma K-Means, Fuzzy C-Means, dan K-Median. Kemudian hasil clustering dari ketiga algoritma tersebut dibandingkan dengan kategori Morris dan Sampson (2018) dengan cara melihat persentase kesamaan baris data hasil klaster antar keduanya. Kemudian ketiga algoritma juga dibandingkan kesamaan antar algoritma untuk melihat kemiripan data klaster yang dihasilkan. Algoritma juga akan dianalisis menggunakan nilai silhouette score untuk mengetahui struktur algoritma masing-masing. K-Means berhasil mengelompokkan pasien layak kemoterapi sebanyak 658 orang, Fuzzy C-Means sebanyak 780 orang, dan K-Median sebanyak 728 orang. Hasil perbandingan antar hasil klaster oleh algoritma dengan kategori Morris dan Sampson (2018) menunjukkan bahwa algoritma K-Means memiliki persentase kesamaan baris data lebih tinggi dari algoritma Fuzzy C-Means dan K-Median, yaitu sebesar 37,16%. Sedangkan hasil perbandingan antar algoritma menunjukkan bahwa K-Means dan K-Median memiliki persentase kesamaan tertinggi di antara algoritma lainnya, yaitu sebesar 33,70%. Hal ini menunjukkan bahwa adanya kemiripan pada tahap pengelompokan antara algoritma K-Means dan K-Median. Untuk analisis silhouette score menunjukkan bahwa algoritma Fuzzy C-Means memiliki skor tertinggi yaitu 0.377, lebih tinggi dibandingkan K-Means dan K-Median. &#13;
&#13;
Kata kunci: kemoterapi, clustering, K-Means, Fuzzy C-Means, K-Median &#13;
</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ALGORITHMS - COMPUTER PROGRAMMING</topic>
 </subject>
 <classification>005.1</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>97375</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-01-18 12:25:59</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-01-19 10:23:57</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>