Penerapan K-Means Clustering untuk Pengelompokan Pasien Rumah Sakit berdasarkan Tingkat Keparahan Penyakit
Article Metrics
Abstract view : 559 timesAbstract
Penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan 995 data pasien RSUD H. Sahudin Kutacane ke dalam tiga kategori tingkat keparahan penyakit, yaitu Ringan, Sedang, dan Parah, berdasarkan atribut klinis seperti usia, jenis kelamin, triase awal, tanda vital, hasil laboratorium, dan faktor penunjang medis lainnya. Proses penelitian meliputi pengumpulan data, pra-pemrosesan (encoding variabel kategorikal, imputasi data hilang, dan normalisasi Min-Max), pemodelan menggunakan K-Means dengan jumlah cluster optimal tiga, serta evaluasi menggunakan Silhouette Score. Hasil clustering menunjukkan distribusi pasien pada Cluster 1 sebanyak 403 pasien, Cluster 2 sebanyak 387 pasien, dan Cluster 0 sebanyak 205 pasien, di mana Cluster 0 cenderung memiliki tingkat keparahan lebih tinggi. Nilai Silhouette Score sebesar 0,1078 mengindikasikan pemisahan antar cluster masih kurang optimal, namun model ini mampu memberikan gambaran awal yang berguna untuk mendukung pengambilan keputusan medis.
References
Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The K-Means algorithm: A comprehensive survey and performance evaluation. Electronics (Switzerland), 9(8), 1–12. https://doi.org/10.3390/electronics9081295
Djaali. (2021). Metodologi penelitian kuantitatif. Jakarta: Bumi Aksara.
Dilawati, H., Widianto, H., & Kuswiadji, A. (2024). Klasterisasi data rekam medis pasien menggunakan metode K-Means Clustering di Rumah Sakit Widodo Ngawi. BIOS: Jurnal Teknologi Informasi Dan Rekayasa Komputer, 5(2), 139–147. https://doi.org/10.37148/bios.v5i2.134
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.
Haikal, M., Martanto, M., & Hayati, U. (2024). Analisis sentimen terhadap penggunaan aplikasi game online PUBG Mobile. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3275–3281.
Handoko, S., Fauziah, F., & Handayani, E. T. E. (2020). Implementasi data mining untuk menentukan tingkat penjualan paket data Telkomsel menggunakan metode K-Means Clustering. Jurnal Ilmiah Teknologi Dan Rekayasa, 25(1), 76–88. https://doi.org/10.35760/tr.2020.v25i1.2677
Herdiaman, E. A. (2024). Klasterisasi pasien pada RSUD Ciamis menggunakan metode K-Means. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3s1.5124
Hidayati, R., Zubair, A., Pratama, A. H., & Indana, L. (2021). Analisis Silhouette Coefficient pada 6 perhitungan jarak K-Means Clustering. Techno.Com, 20(2), 186–197. https://doi.org/10.33633/tc.v20i2.4556
Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-Means Clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210. https://doi.org/10.1016/j.ins.2022.11.139
Kementerian Kesehatan Republik Indonesia. (2023). Profil kesehatan Indonesia 2023. Jakarta: Kementerian Kesehatan Republik Indonesia.
Lingga, A. (2024). Penerapan algoritma K-Means Clustering untuk klasterisasi penyakit pasien. ADA Journal of Information System Research, 1(3), 93–102.
Ma’rifatin, U. (2020). Implementasi algoritma K-Means untuk pengelompokan penyakit pasien pada Puskesmas Warujayeng. Seminar Nasional Inovasi Teknologi, 2549–7952, 285–291.
Nadhila, Marsono, & Halim, J. (2020). Penerapan data mining untuk pengelompokan penyakit yang sering terjadi pada pasien RSUD (Rumah Sakit Umum Daerah) Kota Langsa menggunakan metode K-Means Clustering. Jurnal Cybertech, September, 1–12. http://www.trigunadharma.ac.id
Oti, E. U., Olusola, M. O., Eze, F. C., & Enogwe, S. U. (2021). Comprehensive review of K-Means Clustering algorithms. International Journal of Advances in Scientific Research and Engineering, 07(08), 64–69. https://doi.org/10.31695/ijasre.2021.34050
Shepyantoni, F., Kanedi, I., & Suryana, E. (2024). Penerapan metode K-Means Clustering dalam pengelompokan data pasien rawat inap peserta BPJS di Rumah Sakit Umum Daerah Kabupaten Kaur. Jurnal Media Infotama, 20(2), 493–500. https://doi.org/10.37676/jmi.v20i2.6458
Surbakti, N. K. (2021). Data mining pengelompokan pasien rawat inap peserta BPJS menggunakan metode clustering (Studi Kasus: RSU Bangkatan). Journal of Information and Technology, 1(2), 47–53. https://doi.org/10.32938/jitu.v1i2.1470.
Copyright (c) 2025 Galih Alasi
This work is licensed under a Creative Commons Attribution 4.0 International License.
