<![CDATA[Abstrak. Penelitian ini bertujuan mengidentifikasi klaster penyakit dari data pasien rawat inap di RSUD Ciamis pada Desember 2023 menggunakan algoritma K-Means. Topik ini penting untuk memahami distribusi dan karakteristik penyakit guna meningkatkan efisiensi layanan kesehatan. Data diproses melalui seleksi, pembersihan, dan transformasi sebelum penerapan algoritma K-Means. Dengan bahasa pemrograman Python, penelitian ini menghasilkan 3 klaster dari 2.420 data pasien. Klaster 1 terdiri dari 912 pasien dengan penyakit yang melibatkan organ dan sistem tubuh tertentu, klaster 2 terdiri dari 911 pasien dengan penyakit terkait reproduksi, kesehatan perinatal, dan faktor penyebab eksternal, serta klaster 3 terdiri dari 597 pasien dengan penyakit kronis. Evaluasi menunjukkan klaster 3 memiliki kualitas terbaik dengan Davies-Bouldin Index (DBI) sebesar 0,406. Hasil penelitian ini penting untuk memperbaiki strategi penanganan penyakit dan alokasi sumber daya di rumah sakit, serta memberikan kontribusi dalam pengembangan metode klasterisasi penyakit di bidang kesehatan.Keywords: K-Means; Clustering; Data Mining; Penyakit Pasien.]]>
Copyrights © 2024
