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

Abstract

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.Medical records are data about the history of patients who receive treatment at health care institutions. Along with the development of technology, most healthcare services in Indonesia have now switched from paper-based medical records to digital ones to speed up healthcare services. Despite the good impact of digital medical records, there are various problems, especially for handling huge medical record data. Efficient and effective processing of medical record data is essential to improve the quality of health services. This research utilizes inpatient medical record data into several groups by using the data mining clustering method using the k-means clustering algorithm to handle very large and complicated data by grouping inpatient data into several clusters. Data mining k-means clustering can help organize and analyze medical record data more effectively, so as to improve service quality. The results obtained from this study are inpatient data divided into 4 clusters with 2 variables, namely age category and diagnosis. The results of this analysis obtained data from each cluster, namely cluster 0 disease categories of arthritis, asthma, and cancer patients with adolescent and elderly age categories, cluster 1 disease categories of diabetes, hypertension, and obesity patients with adolescent and elderly age categories, cluster 2 disease categories of diabetes, hypertension, and obesity patients with adult age categories, cluster 3 disease categories of arthritis, asthma, and cancer patients with adult age categories, with a total of 10,000 patients. The findings of this study provide information about the spread of diseases based on the age range of patients, which can be the basis for minimizing the spread of diseases based on age range.