Penggunaan Algoritma K-Means Clustering Aplikasi Rapid Miner untuk Menganalisis Tingkat Kematian Pasien Diabetes Mellitus di Rumah Sakit Umum Daerah Ibnu Sina Gresik

Suci Ariani; Resta Dwi Yuliani; Auliyaur Rabbani

doi:10.62027/vitamedica.v4i1.635

Authors

Suci Ariani Universitas Muhammadiyah Sidoarjo
Resta Dwi Yuliani Universitas Muhammadiyah Sidoarjo
Auliyaur Rabbani Universitas Muhammadiyah Sidoarjo

DOI:

https://doi.org/10.62027/vitamedica.v4i1.635

Keywords:

Data Mining, Diabetes Mellitus, K-Means Clusterin, Mortality Rate, Rapid Miner

Abstract

Diabetes Mellitus is one of the chronic diseases with high morbidity and mortality rates, making data-driven analysis necessary to understand patient mortality patterns. This study aims to analyze the mortality rate of Diabetes Mellitus patients based on age and length of hospitalization using a data mining approach with the K-Means Clustering method. The study employs a quantitative approach using secondary data obtained from the medical records of Diabetes Mellitus patients at Ibnu Sina Regional General Hospital, Gresik Regency, in December 2022. The dataset consists of 266 patient records with variables including age, length of stay, and final patient status. Data analysis was conducted through preprocessing stages, including data cleaning, transformation, and normalization, followed by the clustering process using the K-Means algorithm with the assistance of the RapidMiner application. The results show that patient data are divided into three clusters based on age ranges: 0–40 years, 41–55 years, and 56–90 years. The cluster with the age range of 56–90 years has the highest number of patient deaths compared to the other clusters. Meanwhile, the length of hospitalization does not show a significant effect on patient mortality. This study is expected to serve as a consideration for hospitals and health institutions in efforts to prevent and manage Diabetes Mellitus, particularly among the elderly population.

References

Aditiya, B., Kurniaty, A., Muslim, A., Rachayudiza, A., Manullang, D., & Fansyuri, M. (2025). Analisis sentimen risiko serangan jantung menggunakan K-means clustering dengan Rapidminer. Journal of Information Technology and Informatics Engineering, 1(1), 108-112.

Alfina, T., Santosa, B., & Hakim, J. A. R. (2012). Analisa perbandingan metode hierarchical clustering, K-means dan gabungan keduanya dalam cluster data (Studi kasus: Problem kerja praktek jurusan teknik industri ITS), vol. 1.

Firmansyah, H. (2025). Analysis of clustering of diabetes risk patients using the K-means algorithm: Analisis clustering pasien berisiko diabetes dengan algoritma K-means. SITEDI (Sistem Informasi dan Teknologi Digital), 2(3), 110-113. https://doi.org/10.70888/sitedi.v2i1.44

Halawa, H., Harmaja, O. J., & Sandi Hulu, W. (2023). Implementasi algoritma K-means clustering untuk pengelompokkan penyakit pasien pada Puskesmas Pulo Brayan. Jurnal Sains dan Teknologi, 5(1), 150-157.

Handoko, K. (2016). Penerapan data mining dalam meningkatkan mutu pembelajaran pada instansi perguruan tinggi menggunakan metode K-means clustering (Studi Kasus di Program Studi TKJ Akademi Komunitas Solok Selatan), vol. 02, no. 03.

Handoyo, R., Mangkudjaja, R. M., & Nasution, S. M. (2014). Perbandingan metode clustering menggunakan metode single linkage dan K-means pada pengelompokan dokumen. J. SIFO Mikroskil, 15(2), 73-82. https://doi.org/10.55601/jsm.v15i2.161

Kholil, K. A., Rahaningsih, N., & Dana, R. D. (2024). Penerapan data mining untuk clustering penyakit diare menggunakan algoritma K-means. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3124-3131. https://doi.org/10.36040/jati.v8i3.9616

Kusuma, P. A., & Firmansyah, A. U. (2022). Deteksi penyebaran penyakit tuberkulosis dengan algoritma K-means clustering menggunakan Rapid Miner. Teknol. Inform. dan Komput, 8(2), 41-54. https://doi.org/10.37012/jtik.v8i2.1173

Mara, M. N., & Satyahadewi, N. (n.d.). Pengklasifikasian karakteristik dengan metode K-means cluster analysis.

Nurhakim, B., Septiani, I., Anam, K., & Pratama, D. (2024). Penarapan algoritma K-means clustering dalam menganalisis resiko penyakit stroke. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 318-322. https://doi.org/10.36040/jati.v8i1.8452

Pudjiantoro, T. H., & Renaldi, F. (2011). Penerapan data mining untuk menganalisa kemungkinan pengunduran diri calon mahasiswa baru.

Ramadhan, R. R., & Saprudin, U. (2022). Penerapan Rapidminer menggunakan metode K-means untuk pengelompokkan Puskesmas pada cakupan imunisasi dasar (Studi Kasus: Kota Bandung). Jurnal Teknologi Informatika dan Komputer, 8(2), 176-187. https://doi.org/10.37012/jtik.v8i2.1238

Sihotang, H. (2023). Metode penelitian kuantitatif.

Siregar, A. H., Sihotang, D. D., Wijaya, B. A., & Siregar, S. D. (2024). Implementasi algoritma K-means menggunakan RapidMiner untuk klasterisasi data obat pada Rumah Sakit Royal Prima. Jurnal Teknologi Dan Ilmu Komputer Prima (JUTIKOMP), 7(2), 200-211.

Suprihatin, S., Utami, Y. R. W., & Nugroho, D. (2019). K-means clustering untuk pemetaan daerah rawan demam berdarah. J. Teknol. Inf. Dan Komun.TIKomSiN, 7(1). https://doi.org/10.30646/tikomsin.v7i1.408

Upuy, D. (2022). Analysis mortality rate of tuberculosis patients seen from age and length of treatment at RSUD Dr. M. Haulussy Ambon using the K-means clustering algorithm for the Rapidminer application. Telematika: Jurnal Informatika dan Teknologi Informasi, 19(3), 337-346. https://doi.org/10.31315/telematika.v19i3.7709

Waruwu, M., Puat, S. N., Utami, P. R., Yanti, E., & Rusydiana, M. (2025). Metode penelitian kuantitatif: Konsep, jenis, tahapan dan kelebihan. Jurnal Ilmiah Profesi Pendidikan, 10(1), 917-932. https://doi.org/10.29303/jipp.v10i1.3057

Widodo, E., & Hadikristanto, W. (2023). Pengelompokan untuk penjualan obat dengan menggunakan algoritma K-means. Bulletin of Information Technology (BIT), 4(3), 408-413. https://doi.org/10.47065/bit.v4i3.848

Zulfikar, R., Sari, F. P., Fatmayati, A., Wandini, K., Haryati, T., Jumini, S., ... & Fadilah, H. (2024). Metode penelitian kuantitatif (Teori, metode dan praktik).