Klasterisasi Pasien COVID-19 Berdasarkan Komorbiditas Menggunakan K-Means Clustering

Abstract

Pandemi COVID-19 yang terjadi sejak awal tahun 2020 merupakan sebuah permasalahan dan tantangan baru yang dirasakan oleh dunia. Penularan infeksi virus SARS-CoV-2 sangat mudah dan terjadi dengan cepat. Salah satu faktor risiko yang rentan terinfeksi COVID-19 adalah faktor penyakit penyerta/ komorbiditas yang ada pada masyarakat. Untuk dapat mengidentifikasi kelompok komorbid apa saja yang banyak ditemukan pada pasien COVID-19, penelitian ini melakukan kegiatan analisis dan pemodelan menggunakan algoritma data mining KMeans Clustering yang akan menghasilkan cluster pasien COVID-19. Adapun atribut data yang digunakan yakni nilai tengah usia, jenis komorbiditas, serta persentase penyakit melihat ukuran populasinya. Data yang akan diolah didapatkan dari sumber valid Covid Analytics yang berisikan rangkuman data riset medis pasien COVID-19 dari berbagai Negara. Cluster yang dihasilkan berjumlah 3 cluster dengan perbedaan derajat dari ringan hingga berat. Terdapat 321 data (39%) kelompok pasien COVID-19 yang diolah termasuk pada cluster pertama dengan rata-rata usia 48 tahun dan komorbid terbanyak ditemukan yaitu penyakit diabetes. Cluster kedua terdiri dari 370 data (44%) dengan rata-rata usia 64 tahun dan penyakit diabetes merupakan komorbid terbanyak. Sedangkan untuk cluster ketiga terdiri dari 140 data (17%) dengan rata-rata usia 68 tahun dan komorbid terbanyak yaitu penyakit Hipertensi. Analisis menggunakan K-Means Clustering ini dapat memberikan gambaran kelompok pasien dengan derajat yang berbeda serta bentuk penanganan yang akan berbeda pula.