Clustering Penyakit DBD pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means

Authors

  • I Nyoman Mahayasa Adiputra Program Studi Manajemen Informasi Kesehatan, Fakultas Ilmu Kesehatan, Universitas Bali Internasional

DOI:

https://doi.org/10.23887/insert.v2i2.41673

Keywords:

Clustering, Diagnosa DBD, K-means

Abstract

Clustering merupakan teknik pengelompokkan record pada basis  data  berdasarkan  kriteria  tertentu.  Hasil clustering diberikan  kepada  pengguna  akhir  untuk  memberikan gambaran tentang apa yang terjadi pada basis data. Dalam SIMRS Rumah Sakit Dharma Kerti yang diambil dari tahun 2014 sampai 2018, memiliki 6038 record data rekam medis pasien. Jumlah diagnosa tertinggi adalah DBD, untuk mengetahui gambaran yang terjadi dalam data diagnosa DBD tersebut dilakukan clustering dengan menggunakan algoritma k-means. Hasil dari penelitian ini adalah Pasien dengan diagnosa DBD pada RS Dharma Kerti yang paling sedikit jumlahnya adalah pada rentang usia 25 sampai 45 tahun. Setiap kelompok usia memiliki jumlah hari perawatan yang merata, bisa disimpulkan bahwa usia hampir tidak mempengaruhi hari perawatan. Lama perawatan yang paling banyak di lalui oleh pasien adalah dari 3 hari sampai 5 hari perawatan.

References

Adiputra, I. N. M., & Darmayanti, N. L. (2020). Implementasi datawarehouse pada sistem informasi rumah sakit. Jurnal Teknologi Informasi Dan Komputer, 6(1), 78–85.

Ali, A. (2020). Clustering Data Antropometri Balita Untuk Menentukan Status Gizi Balita Di Kelurahan Jumput Rejo Sukodono Sidoarjo. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(3), 395– 407. https://doi.org/10.35957/jatisi.v7i3.530

Bastian, A., Sujadi, H., & Febrianto, G. (2018). Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka). Jurnal Sistem Informasi (Journal of Information System), 14(1), 26–32.

Ediyanto, Mara, N., & Satyahadewi, N. (2013). Pengklasifikasian Karakteristik Dengan Metode K-Means Cluster Analysis. Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster), 02(2), 133–136.

Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-24

Purba, N., Poningsih, P., & Tambunan, H. S. (2021). Penerapan Algoritma K-Means Clustering Pada Penyebaran Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Provinsi Riau. Journal of Information System Research (JOSH), 2(3), 220–226. Retrieved from http://ejurnal.seminar- id.com/index.php/josh/article/view/736

Sugianto, C. A., Rahayu, A. H., & Gusman, A. (2020). Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah. Journal of Information Technology, 2(2), 39–44. https://doi.org/10.47292/joint.v2i2.30

Teufel, A., & Binder, H. (2021). Clinical Decision Support Systems. Visceral Medicine, 37(6).

Thinsungnoen, T., Kaoungku, N., Durongdumronchai, P., Kerdprasop, K., & Kerdprasop, N. (2015). The Clustering Validity with Silhouette and Sum of Squared Errors. In 3rd International Conference on

Industrial Application Engineering (pp. 44–51). https://doi.org/10.12792/iciae2015.012

Downloads

Published

2022-01-19

Issue

Section

Articles