Implementasi Data Mining Klasterisasi Data Pasien Rawat Inap dengan Algoritma K-Means Clustering

Penulis

  • Bagas Laksono Politeknik Piksi Ganesha
  • Yuda Syahidin Politeknik Piksi Ganesha
  • Yuyun Yunengsih Politeknik Piksi Ganesha

DOI:

https://doi.org/10.32493/jtsi.v7i2.39354

Kata Kunci:

Data Mining; K-means Clustering; Rekam Medis; Manajemen Informasi Kesehatan

Abstrak

Rekam medis adalah data tentang riwayat pasien yang mendapatkan perawatan di institusi pelayanan kesehatan. Seiring dengan perkembangan teknologi, sebagian besar layanan kesehatan di Indonesia kini telah beralih dari rekam medis berbasis kertas menjadi digital untuk mempercepat layanan kesehatan. Terlepas dari dampak baik dari rekam medis digital, terdapat berbagai masalah, terutama untuk menangani data rekam medis yang sangat besar. Pengolahan data rekam medis yang efisien dan efektif sangat penting untuk meningkatkan kualitas pelayanan kesehatan. Penelitian ini memanfaatkan data rekam medis pasien rawat inap menjadi beberapa kelompok dengan menggunakan metode data mining clustering menggunakan algoritma k-means clustering untuk menangani data yang sangat besar dan rumit dengan cara mengelompokkan data pasien rawat inap ke dalam beberapa cluster. Data mining k-means clustering dapat membantu mengorganisir dan menganalisis data rekam medis dengan lebih efektif, sehingga dapat meningkatkan kualitas pelayanan. Hasil yang diperoleh dari penelitian ini adalah data pasien rawat inap dibagi menjadi 4 cluster dengan 2 variabel, yaitu kategori usia dan diagnosis. Hasil analisis ini diperoleh data dari masing-masing cluster yaitu cluster 0 kategori penyakit arthritis, asthma, dan cancer pasien dengan kategori usia remaja dan lansia, cluster 1 kategori penyakit diabetes, hypertension, dan obesity pasien dengan kategori usia remaja dan lansia, cluster 2 kategori penyakit diabetes, hypertension, dan obesity pasien dengan kategori usia dewasa, cluster 3 kategori penyakit arthritis, asthma, dan cancer pasien dengan kategori usia dewasa, dengan jumlah pasien sebanyak 10.000 pasien. Temuan dari penelitian ini memberikan informasi mengenai penyebaran penyakit berdasarkan rentang usia pasien, yang dapat menjadi dasar untuk meminimalisir penyebaran penyakit berdasarkan rentang usia.

Referensi

Adiputra, I. N. M. (2022). Clustering Penyakit Dbd Pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means. INSERT : Information System and Emerging Technology Journal, 2(2), 99. https://doi.org/10.23887/insert.v2i2.41673

Adiyanti, R., Sulaksana, P. T., Syahidin, Y., & Hidayati, M. (2021). Jurnal Teknologi dan Manajemen Informatika Perancangan Sistem Informasi Indeks Penyakit Rawat Inap Menggunakan Microsoft Visual Studio. 7(1), 10–19.

Azhari, R., Hartama, D., Lubis, M. R., Nasution, D. F., & Windarto, A. P. (2023). Analisis Penerapan Data Mining Terhadap Kasus Positif Covid-19 Menggunakan Metode K-Means Clustering. Journal of Informatics, Electrical and Electronics Engineering, 3(2), 221–235. https://doi.org/10.47065/jieee.v3i2.1760

Fajri, M. B., & Purnamasari, S. D. (2022). Klasterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Menggunakan K-Means Clustering. Journal of Information Technology Ampera, 3(3), 317–334. https://journal-computing.org/index.php/journal-ita/index

Ideal, M. A. V. (2022). Classification of Patient Complaints against Patient Medical Record Data Using the K Means Method. Jurnal Sistim Informasi Dan Teknologi, 5, 1–6. https://doi.org/10.37034/jsisfotek.v5i1.151

Melania, R., Abdussalaam, F., Yunengsih, Y., Info, A., & Kunci, K. (2024). Tata Kelola Rekam Medis Berbasis Elektronik Pengelolaan Laporan Harian Rawat Inap Dengan Metode Waterfall. DECODE: Jurnal Pendidikan Teknologi Informasi, 4(1), 167–178.

Nanda, dkk.,. (2023). Analisis Data Mining Untuk Klasterisasi Data Rekam Medis Menggunakan Algoritma K-Means Pada Rumah Sakit Sylvani Binjai. Indonesian Journal of Education And Computer Science, 1(3), 82–88.

Purba, W., Sembiring, G. A., Saputra, A., Turnip, T., Jua, B., Manihuruk, I., Sains, F., & Teknologi, D. (2023). Penerapan Data Mining untuk Pengelolaan Data Rekam Medis Menggunakan Metode K-Means Clustering pada Rumah Sakit Royal Prima Medan. Jurnal TEKINKOM, 6(1). https://doi.org/10.37600/tekinkom.v6i1.857

Rosdyana, A., Khaira, K. N., Syahidin, Y., & Yunengsih, Y. (2023). Governance of Online Electronic Patient Medical Records Distribution. PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic, 11(2), 221–232. https://doi.org/10.33558/piksel.v11i2.6997

Saputra Sy, Y. (2022). Klasterisasi Pasien Rawat Inap Peserta BPJS Berdasarkan Jenis Penyakit Menggunakan Algoritma K-Means. Jurnal Sistim Informasi Dan Teknologi, 5, 33–37. https://doi.org/10.37034/jsisfotek.v5i2.162

Sari, M., & Asmendri, A. (2020). Penelitian Kepustakaan (Library Research) dalam Penelitian Pendidikan IPA. Natural Science, 6(1), 41–53. https://doi.org/10.15548/nsc.v6i1.1555

Tambuwun, C. H., Langi, Y. A. R., & Rindengan, A. J. (2020). Estimasi Bobot Parameter M Pada Fuzzy C-Means Menggunakan Analisis Robust Dengan Simulasi Data Spasial. D’CARTESIAN, 9(1), 50. https://doi.org/10.35799/dc.9.1.2020.27600

Yuda Syahidin, Aditya Pratama Ismail, & Fawwaz Nafis Siraj. (2022). Application of Artificial Neural Network Algorithms to Heart Disease Prediction Models with Python Programming. Jurnal E-Komtek (Elektro-Komputer-Teknik), 6(2), 292–302. https://doi.org/10.37339/e-komtek.v6i2.932

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 2 April 2024

Unduhan

Diterbitkan

2024-04-30

Cara Mengutip

Laksono, B., Syahidin, Y., & Yunengsih, Y. (2024). Implementasi Data Mining Klasterisasi Data Pasien Rawat Inap dengan Algoritma K-Means Clustering. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(2), 621–627. https://doi.org/10.32493/jtsi.v7i2.39354

Terbitan

Vol 7 No 2 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2024 Bagas Laksono, Yuda Syahidin, Yuyun Yunengsih

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Jurnal Teknologi Sistem Informasi dan Aplikasi have CC BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Teknologi Sistem Informasi dan Aplikasi recognize that free access is better than priced access, libre access is better than free access, and libre under CC BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License

YOU ARE FREE TO:

  • Adapt - remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms