Klasterisasi Data Penanganan Dan Pelayanan Kesehatan Masyarakat Menggunakan Algoritma K-Means

Tarigan, Sri Ulina; Saniman, Saniman; Yetri, Milfa

doi:10.53513/jursi.v1i3.5223

Cited by 3 publications

(3 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sementara itu, kelompok kedua didominasi oleh pasien dengan penyakit Fracture of neck of femur, closed (S71.00) dan Dengue haemorrhagic fever (A91). Dari hasil pengelompokan ini, dapat disimpulkan bahwa penggunaan algoritma K-Means berhasil dalam mengklasifikasikan data rekam medis pasien BPJS yang dirawat inap menjadi tiga kelompok Penelitian ketiga yang dilakukan [6] dengan judul "Klasterisasi Data Penanganan Dan Pelayanan Kesehatan Masyarakat Menggunakan Algoritma K-Means". Masalah yang terdapat pada penelitian ini yaitu mengenai penurunan Tingkat pelayanan Kesehatan Masyarakat.…”

Section: Penelitian Terdahuluunclassified

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

Faizal Rizqi,

Martanto,

Hayati

2024

jati

View full text Add to dashboard Cite

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.

show abstract

Section: Penelitian Terdahuluunclassified

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

Faizal Rizqi,

Martanto,

Hayati

2024

jati

View full text Add to dashboard Cite

show abstract

“…Metode K-Means telah digunakan pada beberapa penelitian sebelumnya diantaraya adalah untuk mengelompokkan tingkat kepuasan pasien pada penanganan dan pelayanan masyarakat di Kantor Dinas Kesehatan Lubuk Pakam [5], mengelompokkan jurusan siswa dengan cepat [6] dan menentukan bibit padi unggul [7].…”

Section: Pendahuluanunclassified

Implementasi Metode K-Means Untuk Mengelompokkan Sarung Tangan

Fadillah,

Nofriansyah,

Taufik

2022

j. sist. inf. trig. dhar. JURSI TGD

View full text Add to dashboard Cite

PT. Shamrock Manufacturing Corpora merupakan salah satu penghasil sarung tangan Latex alam dan Sintetis di Indonesia. Banyaknya hasil produksi setiap harinya tidak terlepas dari adanya kemungkinan sarung tangan memiliki kualitas yang tidak baik sehingga tidak dapat dipasarkan. Untuk menghindari kerugian, dibentuklah sebuah sistem yang dapat mempermudah perusahaan. Bidang keilmuan yang digunakan adalah Data Mining, yaitu sekumpulan proses yang mengeksplorasi nilai berupa ilmu pengetahuan yang sebelumnya tidak dikenali secara manual dari suatu kumpulan data dengan metode K-Means Clustering yang mampu mengelompokkan data kedalam beberapa grup. Pembangunan sistem ini dilakukan dengan pengimplementasian metode kedalam aplikasi pemrograman visual berbasis desktop. Berdasarkan hasil dari penelitian ini Data Mining K-Means Clustering mampu memberikan informasi kepada perusahaan sarung tangan yang memiliki kualitas Sangat Baik, Cukup Baik dan Kurang Baik, yang berguna sebagai acuan dalam mengambil keputusan memproduksi sarung tangan yang akan diprioritaskan..Kata Kunci: Produksi, Sarung Tangan, Data Mining,K-Means, Clustering

show abstract

“…K-Means merupakan suatu metode paling sederhana dalam pengelompokkan dokumen yang awalnya mengambil sebagian dari banyaknya komponen data untuk dijadikan sebagai pusat cluster [7]. Prinsip utama K-Means adalah menyusun prototype atau pusat massa (centroid) dari sekumpulan data berdimensi n [8].…”

Section: Metode K-meansunclassified

Penjualan Sales Sepeda Motor Di FIF Group Menggunakan Metode Clustering

Kurniawan¹,

Syaputra²,

Perangin-angin³

2022

j. sist. inf. trig. dhar. JURSI TGD

View full text Add to dashboard Cite

FIF GROUP adalah salah satu perusahaan yang menjual berbagai jenis sepeda motor seperti yamaha, Suzuki, honda dan lain-lain. Adapun yang menimbulkan beberapa permasalahan salah satunya seperti pemilik perusahaan kebingungan dalam proses penambahan stok barang dan terjadinya penumpukan stok sepeda motor yang kurang diminati pembeli, sedangkan stok untuk sepeda motor yang sangat dimanati dibeli oleh pembeli justru sering tidak tersedia. Permasalahan tersebut perusahaan membutuhkan bidang keilmuan data mining dengan menggunakan metode K-Means Clustering. Dengan menggunakan metode ini, data-data yang telah didapatkan dapat dikelompokan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut, sehingga data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster dan yang memliki karakteristik yang berbeda dikelompokan dalam cluster yang lain yang memiliki karakteristik yang sama. Hasil penelitian ini dapat membantu FIF GROUP dalam hal klasterisasi penjualan sepeda motor yang paling diminati, cukup diminati dan kurang diminati.

show abstract

Klasterisasi Data Penanganan Dan Pelayanan Kesehatan Masyarakat Menggunakan Algoritma K-Means

Cited by 3 publications

References 10 publications

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

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

Implementasi Metode K-Means Untuk Mengelompokkan Sarung Tangan

Penjualan Sales Sepeda Motor Di FIF Group Menggunakan Metode Clustering

Contact Info

Product

Resources

About