Clustering of Blood Test-Based Liver  Disorder Data Using K-Means  and Principal Component Analysis (PCA)

Adrian Rangga Mafatihallah; Rivandi Faruqi; Ferdinandus Talu Tukan; Sumanto; Ade Surya Budiman

doi:10.59934/jaiea.v5i1.1218

Authors

Adrian Rangga Mafatihallah Universitas Bina Sarana Informatika
Rivandi Faruqi Universitas Bina Sarana Informatika
Ferdinandus Talu Tukan Universitas Bina Sarana Informatika
Sumanto Universitas Bina Sarana Informatika
Ade Surya Budiman Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.59934/jaiea.v5i1.1218

Keywords:

Liver Disorders, PCA, K-Means, Clustering, Blood Test, Data Mining

Abstract

Penyakit liver merupakan salah satu gangguan kesehatan serius yang memerlukan deteksi dini untuk memastikan pengobatan yang efektif. Pemeriksaan laboratorium melalui tes darah merupakan metode utama untuk mengidentifikasi kelainan fungsi liver. Akan tetapi, banyaknya variabel dalam data tes darah sering kali mempersulit proses analisis. Penelitian ini bertujuan untuk mengelompokkan data pasien gangguan liver berdasarkan hasil tes darah menggunakan metode Principal Component Analysis (PCA) dan K-Means Clustering. PCA diterapkan untuk mengurangi dimensionalitas data guna memudahkan proses clustering, sedangkan K-Means digunakan untuk mengelompokkan data berdasarkan kesamaan karakteristiknya. Dataset terdiri dari 345 rekam medis pasien dengan tujuh atribut numerik yang mewakili indikator fungsi liver. Hasil PCA menunjukkan bahwa dua komponen utama pertama (PC1 dan PC2) menjelaskan 59,6% dari total varians data. Clustering dilakukan dengan menggunakan berbagai jumlah cluster, dengan hasil terbaik diperoleh pada K = 3, dan Skor Silhouette sebesar 0,202. Meskipun skor ini dianggap relatif rendah, pendekatan ini mampu mengungkap pola clustering alami dalam data. Hasil penelitian menunjukkan bahwa kombinasi PCA dan K-Means dapat digunakan untuk membantu skrining medis dini untuk gangguan fungsi hati, meskipun metode tambahan diperlukan untuk meningkatkan akurasi dan validitas hasil pengelompokan.

Downloads

Download data is not yet available.

References

“IJCCS , Vol.x, No.x, Julyxxxx, pp. 1~5ISSN: 1978-1520,” vol. 8, no. 3, 2020.

D. C. Adaboost and J. Majapahit, “Implementasi Data Mining Untuk Klasifikasi Penyakit Liver”.

R. E. Kristanty, Solusi Herbal untuk Masalah Liver. 2024.

A. J. A. Batubara, I. Situmorang, I. R. Nasution, and N. Dumaria, “Mekanisme Detoksifikasi : Cara Sistem Ekskresi Melindungi Tubuh dari Racun,” vol. 6, no. 3, pp. 184–190, 2025.

A. Rosida, “Pemeriksaan laboratorium penyakit hati,” pp. 123–131.

T. Journal, O. Muhammadiyah, H. Kahar, F. Kedokteran, and U. Airlangga, “PENGARUH HEMOLISIS TERHADAP KADAR SERUM GLUTAMATE PYRUVATE TRANSAMINASE ( SGPT ) SEBAGAI SALAH SATU PARAMETER,” vol. 1, no. 1, 2018.

N. A. Muhaa, L. M. Mulyono, M. R. Fadhilah, and Y. Umaidah, “Klasterisasi Tren Tuberkulosis Global dengan Principal Component Analysis ( PCA ) dan K-Means,” vol. 5, no. 1, pp. 132–143, 2025.

N. A. Maori, “METODE ELBOW DALAM OPTIMASI JUMLAH CLUSTER PADA K-MEANS CLUSTERING,” vol. 14, no. 2, pp. 277–287, 2023.

A. P. Nugroho, Metode Pengumpulan Data, no. October. 2022.

A. Wardhana, Teknik Pengumpulan Data Penelitian, no. July. 2024.

O. S. Udang, M. Tabaru, E. A. M. Sampetoding, and S. Esther, “Pengolahan Data Siswa SMA Negeri 1 Sambuara Kabupaten Kepulauan Talaud Pada Aplikasi DAPODIK,” vol. 6, no. 1, pp. 7–11, 2021.

S. Dwididanti, D. A. Anggoro, and M. H. Sutanto, “EMITOR: Jurnal Teknik Elektro,” 2019, doi: 10.23917/emitor.v22i2.15677.

M. Billah, M. A. Zartesya, D. S. Prasvita, S. Komp, and M. Kom, “Penerapan Collaborative Filtering , PCA dan K-Means dalam Pembangunan Sistem Rekomendasi Film,” no. April, pp. 579–587, 2021.

M. R. Nugroho, I. E. Hendrawan, and P. P. Purwantoro, “Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI,” Nuansa Inform., vol. 16, no. 1, pp. 125–133, 2022, doi: 10.25134/nuansa.v16i1.5294.

N. Afiasari, N. Suarna, and N. Rahaningsih, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means E-commerce K-Means melakukan analisis penerapan Data Mining dalam mengelompokkan jumlah,” vol. 9, pp. 100–110, 2023.