Optimasi Parameter Algoritma K-Means Pada Data Rekam Medis Klinik Ananda Medika Rancah

Abstract

Data rekam medis merupakan informasi medis terkait identifikasi pasien, penyakit dan riwayat pengobatan. Peningkatan jumlah data rekam medis dari waktu ke waktu menyulitkan identifikasi pola penting yang tersembunyi dalam dataset. Oleh karena itu, diperlukan teknik analisis data yang tepat untuk mengelola data rekam medis secara optimal. Penelitian ini bertujuan untuk menemukan parameter terbaik yang menghasilkan cluster optimum berdasarkan Davies Bouldin Index (DBI), semakin rendah nilai DBI menunjukan cluster terbaik. Metode yang digunakan dalam penelitian ini adalah clustering dengan Algoritma K-Means. Algoritma K-Means diimplementasikan dengan tools Rapidminer versi 10.3. Parameter yang digunakan dalam melakukan eksperimen terhadap nilai DBI adalah parameter Measure Types Numerical Measure. Dengan tiga kali percobaan Numerical Measure yang berbeda yaitu Euclidean Distance, Manhattan Distance, dan Dynamic Time Warping Distance, serta proses iterasi rmenggunakan parameter Max Optimization dimulai dari 1 hingga 10. Dari hasil eksperimen menunjukan parameter terbaik adalah Measure Types Numerical Measure dengan Manhattan Distance karena menghasilkan nilai DBI terkecil dibandingkan parameter lainnya. Proses iterasi algoritma K-Means berakhir pada iterasi ke-3 karena pada iterasi tersebut diperoleh keanggotaan cluster yang sama dengan iterasi sebelumnya. Hal ini menunjukkan bahwa algoritma telah mencapai nilai konfiden.