Penerapan Algoritma K-Means Untuk Klasterisasi Pasien Berdasarkan Data Penyakit

Abstrak

Puskesmas Sibuhuan memiliki data kunjungan pasien yang terus bertambah setiap bulan, namun pemanfaatan data tersebut masih terbatas pada penyusunan laporan sehingga informasi mengenai karakteristik kelompok pasien belum dimanfaatkan secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam proses klasterisasi pasien serta mengidentifikasi pola karakteristik pasien berdasarkan variabel usia, jenis kelamin, dan jenis penyakit. Penelitian menggunakan metode kuantitatif dengan pendekatan data mining. Data yang digunakan merupakan data sekunder berupa 1000 data kunjungan pasien Puskesmas Sibuhuan periode Januari 2026.  Setelah dilakukan pembersihan data, sebanyak 104 data dengan missing value dihapus sehingga diperoleh 896 data yang digunakan untuk proses klasterisasi. Tahapan penelitian meliputi preprocessing data, normalisasi menggunakan metode Min-Max, penentuan jumlah cluster menggunakan metode elbow, proses klasterisasi menggunakan algoritma K-Means, serta evaluasi hasil klasterisasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster, yaitu Cluster 0 sebanyak 423 pasien dengan penyakit terbanyak sistem pernapasan, pencernaan, dan peredaran darah, Cluster 1 sebanyak 320 pasien dengan penyakit terbanyak gejala, tanda, dan temuan klinis abnormal, dan kehamilan, persalinan, dan masa nifas, dan Cluster 2 sebanyak 153 pasien dengan penyakit infeksi dan parasit, endokrin, nutrisi dan metabolik serta gangguan mental dan perilaku. Evaluasi menghasilkan nilai Silhouette Coefficient sebesar 0,6384, yang menunjukkan bahwa hasil klasterisasi memiliki kualitas yang baik. Hasil penelitian ini diharapkan dapat menjadi informasi pendukung bagi Puskesmas Sibuhuan dalam mengidentifikasi karakteristik kelompok pasien sehingga dapat mendukung perencanaan pelayanan kesehatan yang lebih tepat sasaran.