Implementasi K-Means Clustering Untuk Segmentasi Pasien Berdasarkan Riwayat Kunjungan Dan Diagnosis

Natanael Maruli Tua Limbong (Universitas Prima Indonesia, Medan)
N P Dharshinni (Universitas Prima Indonesia, Medan)

Jurnal Kolaborasi Sains dan Ilmu Terapan
Vol. 4 No. 2 (2026): Edisi Januari- Juni

Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering untuk mengelompokkan pasien berdasarkan riwayat kunjungan dan diagnosis medis. Dataset yang digunakan diperoleh dari Kaggle, berisi data pasien seperti usia, kondisi medis, tipe admisi, jumlah tagihan, dan lama rawat inap. Proses penelitian meliputi pra-pemrosesan data, transformasi, normalisasi, dan implementasi algoritma KMeans menggunakan aplikasi KNIME. Jumlah klaster yang digunakan dalam penelitian ini adalah tiga. Hasil menunjukkan bahwa data pasien dapat dikelompokkan menjadi tiga kategori: tingkat kondisi rendah, sedang, dan tinggi. Klaster dengan tingkat kondisi tinggi memiliki jumlah anggota terbanyak, mengindikasikan pasien yang membutuhkan perawatan lebih intensif. Hasil pengelompokan ini memberikan wawasan tentang pola segmentasi pasien dan dapat digunakan untuk mendukung pengambilan keputusan serta meningkatkan kualitas layanan kesehatan