Clustering Kunjungan Pasien Menggunakan Algoritma K-Means Pada Rumah Sakit Di Wilayah Bekasi

Abstract

Dalam era digital saat ini. Sektor kesehatan terus menghadapi tantangan besar dalam mengelola dan menganalisis data pasien yang terus bertambah. Masalah yang terjadi adalah pengelolaan statistik untuk menentukan jumlah kunjungan dari terendah, menengah sampai tertinggi pada setiap rumah sakit dalam skala yang besar. Pada penelitian ini bertujuan untuk mengelompokkan jumlah kunjungan pasien berdasarkan rumah sakit di wilayah Bekasi dari yang terendah, menengah, dan tertinggi. Apabila pengolahan data dilakukan dengan analisis manual maka menjadi tidak efisien dan menghambat waktu, maka dari itu perlunya menggunakan teknik data mining dengan algoritma yang sesuai. Metode yang diterapkan yaitu menggunakan Algoritma K-Means Clustering, karena kemampuannya dalam mengelompokkan data menjadi kelompok yang saling berdekatan berdasarkan nilai terdekatnya. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan berdasarkan kunjungan rumah sakit. Hasil evaluasi menunjukkan bahwa jumlah kelompok optimal adalah tiga dengan nilai DBI 0,47. Pada cluster cluster 0 menjadi cluster yang terendah dengan jumlah maksimal rawat jalan sebesar 89.360 orang dan rawat inap sebesar 28.179 orang. Untuk cluster 1 menjadi cluster tersedang, dengan jumlah maksimal rawat jalan sebesar 244.966 orang dan rawat inap sebesar 45.919 orang. Dan untuk cluster 2 menjadi cluster yang tertinggi dengan jumlah maksimal rawat jalan sebesar 501.699 orang dan rawat inap 74.419 orang.