Data Mining Research Project

Ketahui Fase Risiko
TBC Anda Sekarang

Sistem berbasis penelitian K-Means Clustering untuk mengelompokkan tingkat keparahan Tuberkulosis — masukkan kondisi Anda dan dapatkan analisis personal bertenaga AI.

K=3
Optimal Clusters
8
Fitur Klinis
AI
Powered Analysis
~1m
Waktu Assessment
Tentang Penelitian

Penelitian ini menerapkan algoritma K-Means Clustering pada dataset sintetis pasien TBC Bangladesh (Kaggle) untuk menemukan pola tingkat keparahan penyakit secara otomatis. Jumlah cluster optimal (K=3) ditentukan menggunakan Elbow Method berdasarkan nilai WCSS.

Cluster 0 — Risiko Rendah
Gejala ringan, kepatuhan tinggi, tidak resisten obat
Cluster 1 — Risiko Sedang
Beberapa faktor risiko, kepatuhan tidak konsisten
Cluster 2 — Risiko Tinggi
Gejala berat, resistensi obat, HIV, outcome buruk
⚠️
Disclaimer: Sistem ini dibuat untuk keperluan pembelajaran data mining berdasarkan dataset sintetis. Hasil tidak menggantikan diagnosis medis profesional. Selalu konsultasikan kondisi Anda dengan dokter atau tenaga kesehatan.
1
Data Diri
2
Gejala
3
Kondisi Medis
4
Riwayat
Informasi Pribadi
Menganalisis kondisi Anda...
AI sedang memproses data berdasarkan
model K-Means Clustering penelitian kami