KLASTERISASI PASIEN PADA RSUD CIAMIS MENGGUNAKAN METODE K-MEANS
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5124Abstract Views: 360 File Views: 515
Abstract
Abstrak. Penelitian ini bertujuan mengidentifikasi klaster penyakit dari data pasien rawat inap di RSUD Ciamis pada Desember 2023 menggunakan algoritma K-Means. Topik ini penting untuk memahami distribusi dan karakteristik penyakit guna meningkatkan efisiensi layanan kesehatan. Data diproses melalui seleksi, pembersihan, dan transformasi sebelum penerapan algoritma K-Means. Dengan bahasa pemrograman Python, penelitian ini menghasilkan 3 klaster dari 2.420 data pasien. Klaster 1 terdiri dari 912 pasien dengan penyakit yang melibatkan organ dan sistem tubuh tertentu, klaster 2 terdiri dari 911 pasien dengan penyakit terkait reproduksi, kesehatan perinatal, dan faktor penyebab eksternal, serta klaster 3 terdiri dari 597 pasien dengan penyakit kronis. Evaluasi menunjukkan klaster 3 memiliki kualitas terbaik dengan Davies-Bouldin Index (DBI) sebesar 0,406. Hasil penelitian ini penting untuk memperbaiki strategi penanganan penyakit dan alokasi sumber daya di rumah sakit, serta memberikan kontribusi dalam pengembangan metode klasterisasi penyakit di bidang kesehatan.
Keywords:
K-Means;
Clustering;
Data Mining;
Penyakit Pasien.
Downloads
References
Maryam, “KEBIJAKAN RUMAH SAKIT DALAM PENYERAHAN DOKUMEN RAWAT INAP DARI RUANGAN DAHLIA KE BAGIAN CASE-MIX TAHUN 2021-2022 DI RSUD CIAMIS,” pp. 1–6, 2022.
A. Ali, “Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 19, no. 1, pp. 186–195, Nov. 2019, doi: 10.30812/matrik.v19i1.529.
W. S. Nanda, A. M. H. Pardede, and M. Simanjuntak, “ANALISIS DATA MINING UNTUK KLASTERISASI DATA REKAM MEDIS MENGGUNAKAN ALGORITMA K-MEANS PADA RUMAH SAKIT SYLVANI BINJAI,” Indonesian Journal of Education And Computer Science, vol. 1, no. 3, pp. 82–88, 2023.
U. Ma’rifatin, “Implementasi Algoritma K-Means untuk Pengelompokan Penyakit Pasien Pada Puskesmas Warujayeng,” 2020.
R. Anggraini, E. Haerani, J. Jasril, and I. Afrianty, “Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 6, p. 1840, Dec. 2022, doi: 10.30865/jurikom.v9i6.5145.
M. Maesaroh, T. Nur Padilah, and J. Haerul Jaman, “PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA PENGELOMPOKAN DAERAH PENYEBARARAN DIARE DI PROVINSI JAWA BARAT,” 2023. doi: 10.36040/jati.v7i4.7208.
R. R. Burhanuddin, “KLASIFIKASI PENYAKIT PADI MELALUI CITRA DAUN MENGGUNAKAN METODE NAIVE BAYES,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 2, Apr. 2024, doi: 10.23960/jitet.v12i2.4012.
A. F. Khairani, A. Nazir, T. Darmizal, Y. Vitriani, and Y. Yusra, “Klasterisasi Peserta BPJS Berdasarkan Rekam Medis Menggunakan Algoritma K-Means,” Journal of Computer System and Informatics (JoSYC), vol. 4, no. 3, pp. 625–631, May 2023, doi: 10.47065/josyc.v4i3.3442.
E. H. J. I. A. Anggraini, “Pengelompokkan Penyakit Pasien Menggunakan Algoritma K-Means,” vol. 9, no. 6, pp. 1840–1849, 2022, doi: 10.30865/jurikom.v9i6.5145.
I. N. M. Adiputra, “CLUSTERING PENYAKIT DBD PADA RUMAH SAKIT DHARMA KERTI MENGGUNAKAN ALGORITMA K-MEANS,” INSERT: Information System and Emerging Technology Journal, vol. 2, no. 2, p. 99, 2021.
Arif, “CLUSTERING DATA PASIEN PUSKESMAS PUHPELEM MENGGUNAKAN K-MEANS CLUSTERING,” 2023.
M. Orisa, “Optimasi Cluster pada Algoritma K-Means,” Prosiding SENIATI, vol. 6, no. 2, pp. 430–437, Jul. 2022, doi: 10.36040/seniati.v6i2.5034.
