IMPLEMENTASI K-MEANS CLUSTERING PADA PENGELOMPOKAN STATUS PASIEN YANG BEROBAT BERDASARKAN ASURANSI

Muhammad, Riansyah (2023) IMPLEMENTASI K-MEANS CLUSTERING PADA PENGELOMPOKAN STATUS PASIEN YANG BEROBAT BERDASARKAN ASURANSI. S1 thesis, Universitas Malikussaleh.

This is the latest version of this item.

	Text SKRIPSI Muhammad Riansyah Cover (180170055)-1.pdf Download (30kB)
	Text SKRIPSI Muhammad Riansyah Absak(180170055)-10-11.pdf Download (11kB)
	Text SKRIPSI Muhammad Riansyah BAB I (180170055)-19-23.pdf Download (163kB)
	Text SKRIPSI Muhammad Riansyah Daftar Pustaka (180170055)-77-80 (1).pdf Download (159kB)
	Text SKRIPSI Muhammad Riansyah (180170055)-1-86.pdf Restricted to Registered users only Download (2MB)

Abstract

IMPLEMENTASI K-MEANS CLUSTERING PADA PENGELOMPOKAN STATUS PASIEN YANG BEROBAT BERDASARKAN ASURANSI ABSTRAK Meningkatnya jumlah pasien setiap tahunnya terutama di awal tahun 2020 dikarenakan wabah, menyebabkan petugas rekam medis rumah sakit mengalami masalah dengan kumpulan data pada database. Apalagi dengan macam-macam jenis asuransi kesehatan yang dimiliki pasien untuk membayar proses pengobatannya selama mereka berobat di rumah sakit. Pada penelitian ini menggunakan data rekam medis untuk pengelompokan pada status pasien berobat berdasarkan asuransi yang dimiliki oleh pasien menggunakan algoritma K-Means Clustering di RSIA Abby Lhokseumawe. Pengelompokan data akan dibagi kedalam tiga cluster yaitu Banyak (C1), Tidak Banyak (C2), dan Sangat Banyak (C3). Hasil pengelompokan status pasien yang berobat menggunakan metode ini pada data rekam medis pasien selama 3 tahun adalah sebagai berikut. Untuk kategori Banyak (C1) sebesar 45,2%, terdapat 118 data dan dapat diketahui pada cluster ini terdapat pasien dengan umur 0 - 20 dengan kategori Remaja yang diagnosa penyakit Dyspepsia dan menggunakan asuransi Ramayana sebagai metode pembayarannya, untuk kategori Tidak Banyak (C2) sebesar 5,7%, terdapat 15 data dan dapat diketahui pada cluster ini terdapat pasien dengan umur 21 - 45 dengan kategori Dewasa yang diagnosa Scabies dan menggunakan asuransi Ramayana sebagai metode pembayarannya, selanjutnya untuk kategori Sangat Banyak (C3) sebesar 49%, terdapat 128 data dan diketahui bahwa pada cluster terdapat pasien dengan umur 46 - 90 dengan kategori Tua yang diagnosa Dyspepsia dan menggunakan asuransi PLN Insurance sebagai metode pembayarannya. Kata kunci: Clustering, K-Means, Pasien, Asuransi, Medis.

Item Type:	Thesis (S1)
Subjects:	R Medicine > R Medicine (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Khairiati Khairiati
Date Deposited:	08 Nov 2024 02:50
Last Modified:	08 Nov 2024 02:50
URI:	https://rama.unimal.ac.id/id/eprint/7276