KLASTERISASI DESAIN STENT KORONER KOMERSIAL DENGAN PENDEKATAN METODE K-DISTRIBUTIONS

MUHAMMAD IMRON ROSYADI, Dawi Karomati Baroroh, S.T., M.Sc.

2018 | Skripsi | S1 TEKNIK INDUSTRI

Stent koroner merupakan salah satu pengobatan yang umum dilakukan pada pengidap penyakit jantung koroner. Dalam dua dekade terakhir, terdapat lebih dari 200 jenis stent yang beredar secara komersial. Dengan banyaknya perkembangan stent koroner, dapat dilakukan penelitian untuk melihat informasi parameter desain stent yang telah beredar secara komersial. Klasterisasi, sebagai bagian dari data mining dapat dilakukan sebagai proses untuk memperoleh informasi dari data dengan volume besar dan dimensi tinggi. Penelitian ini bertujuan untuk melakukan klasterisasi terhadap produk stent koroner komersial sehingga mampu memberikan gambaran parameter desain stent yang dapat dikembangkan. Pada penelitian ini, dilakukan klasterisasi terhadap stent koroner komersial dengan menggunakan metode k-distributions. Klasterisasi ini dilakukan pada 105 bare metal stent (BMS) dan 104 drug-eluting stent (DES). Variabel-variabel desain stent yang dianalisis antara lain mekanisme ekspansi, jenis material, desain dasar, bentuk geometri, ketebalan stent, bentuk strut, dan bentuk link. Selanjutnya, klasterisasi yang terbentuk akan dilakukan verifikasi dengan metode silhouette index dan validasi dengan menggunakan metode statistik. Berdasarkan hasil yang diperoleh, terbentuk 2 klaster BMS dengan nilai silhouette index 0,268. Klaster BMS yang terbentuk memiliki perbedaan utama pada jenis material yaitu stainless steel (90%) untuk klaster 1 dan Co-Cr Alloy (93%) untuk klaster 2. Untuk DES, terbentuk 9 klaster dengan nilai silhouette index 0,220. Klaster 1 memiliki variabel dominan yaitu material Co-Cr Alloy (100%), desain modular (100%), geometri hybrid (100%), dan ketebalan 0,065 mm. Klaster 2 memiliki variabel dominan yaitu Co-Cr Alloy (100%) dan bentuk link - (100%). Klaster 3 memiliki variabel dominan yaitu obat pelapis sirolimus (92%). Klaster 4 memiliki variabel dominan yaitu geometri open cell (100%), bentuk strut V (100%), dan bentuk link UI (100%). Klaster 5 memiliki variabel dominan desain modular (100%), geometri open cell (100%), ketebalan antara 0,080 mm hingga 0,087 mm (100%), dan bentuk strut V (100%). Klaster 6 memiliki variabel dominan yaitu material Co-Cr Alloy (100%) dan desain slotted tube (100%). Klaster 7 memiliki variabel dominan yaitu material Co-Cr Alloy (100%), desain modular (100%), dan geometri open cell (100%). Klaster 8 memiliki variabel dominan yaitu geometri open cell (100%) dan ketebalan 0,080 mm hingga 0,087 mm (80%). Klaster 9 memiliki variabel dominan yaitu obat pelapis Sirolimus (80%), geometri open cell (90%), ketebalan 0,089 mm hingga 0,150 mm (80%), dan bentuk strut U (80%).

Coronary stent is one of the most common treatments for people with coronary heart disease. In the last two decades, there have been more than 200 types of commercially available stents. With so many coronary stent developments, research can be done to see information on stent design parameters that have been commercially available. Clustering, as part of data mining can be done as a process to obtain information from large volume and high-dimensional data. This study aims to cluster the commercial coronary stent products so as to provide an overview of stent design parameters that can be developed. In this study, clustering of commercial coronary stents using k-distributions method. This clustering was performed on 105 bare metal stents (BMS) and 104 drug-eluting stents (DES). The stent design variables analyzed include expansion mechanism, material type, base design, geometry shape, stent thickness, strut shape, and link form. Furthermore, the clustering will be verified using the silhouette index method and validation using statistical methods. Based on the results obtained, 2 clusters formed BMS with silhouette index value 0.268. The cluster of BMS formed has the main difference in material type that is stainless steel (90%) for cluster 1 and Co-Cr Alloy (93%) for cluster 2. For DES, 9 clusters formed with silhouette index value 0.220. Cluster 1 has the dominant variable that is Co-Cr Alloy material (100%), modular design (100%), hybrid geometry (100%), and thickness 0.065 mm. Cluster 2 has the dominant variable that is Co-Cr Alloy (100%) and link form - (100%). Cluster 3 has the dominant variable ie sirolimus coating (92%). Cluster 4 has the dominant variable that is open cell geometry (100%), strut shape V (100%), and UI link form (100%). Cluster 5 has the dominant variables of modular design (100%), open cell geometry (100%), thickness between 0.080 mm to 0.087 mm (100%), and strut V (100%). Cluster 6 has the dominant variable that is Co-Cr Alloy material (100%) and slotted tube design (100%). Cluster 7 has the dominant variable that is Co-Cr Alloy material (100%), modular design (100%), and open cell geometry (100%). Cluster 8 has the dominant variable that is the open cell geometry (100%) and the thickness of 0.080 mm to 0.087 mm (80%). Cluster 9 has the dominant variables of Sirolimus coating (80%), open cell geometry (90%), thickness 0.089 mm to 0.150 mm (80%), and U (80%) strut shape.

Kata Kunci : stent koroner, data mining, klasterisasi, k-distributions