Analisis Clustering Data Penyakit Pasien Berbasis Algoritma K-Means Pada RSUD Majene

Abstract

Penelitian ini didasari oleh permasalahan yang dihadapi oleh RSUD Majene terkait peningkatan jumlah data pasien di RSUD Majene yang belum dimanfaatkan secara optimal untuk menghasilkan informasi strategis, sehingga menyulitkan pihak rumah sakit dalam mengidentifikasi pola penyakit serta penentuan prioritas pelayanan kesehatan. Oleh karena itu, diperlukan suatu pendekatan berbasis data mining untuk mengelompokkan data penyakit pasien secara efektif. Penelitian ini menggunakan metode K-Means Clustering dengan data sebanyak 1.417 pasien tahun 2023 yang mencakup variabel diagnosis penyakit, usia, dan jenis kelamin. Tahapan penelitian meliputi data cleaning, transformasi data, serta proses clustering. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dengan nilai SSE pada k=3 sebesar 6.835.033,99 yang menunjukkan hasil paling optimal. Hasil penelitian menghasilkan tiga cluster utama, yaitu cluster pertama didominasi oleh penyakit pulpitis irreversibel dan nekrosis pulpa pada usia 5–24 tahun, cluster kedua didominasi oleh periodontitis kronis dan pericoronitis pada usia 25–64 tahun, serta cluster ketiga mencakup kasus penyakit dengan tingkat kompleksitas tinggi pada usia lanjut (≥65 tahun). Hasil ini menunjukkan bahwa metode K-Means mampu mengidentifikasi pola distribusi penyakit pasien secara efektif. Dengan demikian, penelitian ini penting sebagai dasar pengambilan keputusan dalam peningkatan kualitas layanan kesehatan dan perencanaan strategi pencegahan penyakit secara lebih tepat sasaran.