Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Sistem Informasi
Vera Herlinda
Universitas Teknokrat Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Environmental Science Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS CLUSTERING UNTUK RECREDESIALING FASILITAS KESEHATAN MENGGUNAKAN METODE FUZZY C-MEANS Vera Herlinda; Dedi Darwis; Dartono Dartono
Jurnal Teknologi dan Sistem Informasi Vol 2, No 2 (2021): Volume 2 No. 2 Juni 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i2.890

Abstract

BPJS Kesehatan sebagai penyedia layanan kesehatan bagi peserta jaminan kesehatan nasional (JKN), mengharuskan BPJS untuk menentukan kelompok dari penyedia layanan fasilitas kesehatan (faskes) yang sesuai dengan standar rekredensialing, yang berdasarkan pada aspek administrasi dan layanan guna mendapatkan faskes yang dapat bekerjasama kembali dengan pihak BPJS. Namun, dalam pengambilan keputusan sering terjadi kesulitan karena belum adanya analisis data untuk mengelompokan faskes yang sesuai standar rekrdensialing secara cepat dan akurat. Penggunaan data mining  dengan metode Fuzzy C-Means (FCM) dapat mengelompokan data maping profil penyedia layanan faskes untuk mendapatkan klaster yang dapat bekerjasama kembali dengan pihak BPJS Kesehatan. Metode FCM merupakan suatu teknik pengelompokan data yang mana suatu cluster ditentukan oleh derajat keanggotaan. Penerapan metode FCM melalui aplikasi Matlab ini menghasilkan klaster pertama sebanyak 479 dan klaster dua sebanyak 580. Dari hasil klasterisasi menggunakan metode FCM dimulai dari tahap training diperoleh hasil akurasi menghasilkan nilai partition coefficient index  (PCI ) 0.50002 dan partition entropy index (PEI) 0.99998 yang berarti tingkat akurasi dari nilai keanggotaan dari klaster cukup baik.Kata Kunci: BPJS Kesehatan, Clustering, Data Mining, Fuzzy C-Means, Rekredensialing
Co-Authors Dartono Dartono Dedi Darwis