Penerapan Algoritma K-Means untuk Segmentasi Pola Penyakit Berdasarkan Data Kunjungan Pasien di Klinik Nabiya Medika

Muhamad Haikal; Samsoni Samsoni; Aprinia Handayani

doi:10.69693/ijmst.v4i3.14331

Authors

Muhamad Haikal Universitas Pamulang
Samsoni Universitas Pamulang
Aprinia Handayani Universitas Pamulang

DOI:

https://doi.org/10.69693/ijmst.v4i3.14331

Keywords:

K-Means Clustering, Segmentasi Penyakit, Data Mining, Min-Max Scaling, Sistem Informasi Kesehatan

Abstract

Klinik Nabiya Medika menghasilkan data kunjungan pasien rawat jalan dalam jumlah besar setiap harinya, namun belum dimanfaatkan secara optimal untuk menganalisis pola penyakit. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan jenis penyakit berdasarkan frekuensi kunjungan serta membangun sistem informasi segmentasi penyakit berbasis web. Sebanyak 412 data kunjungan pasien periode 10–11 Mei 2026 diproses melalui tahap preprocessing yang meliputi deteksi header otomatis, pemetaan kolom, penghapusan data kosong dan duplikat, serta normalisasi menggunakan Min-Max Scaling. Hasil preprocessing menghasilkan 340 data bersih dengan 103 jenis penyakit unik. Proses penelitian menggunakan pendekatan CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Hasil clustering menggunakan nilai k=3 mencapai konvergensi pada iterasi ke-4 dan menghasilkan tiga cluster, yaitu Rendah, Sedang, dan Tinggi, dengan centroid akhir masing-masing sebesar 1,54, 8,83, dan 36,23 kunjungan. Cluster Tinggi terdiri dari 4 jenis penyakit dengan total 145 kunjungan dan didominasi oleh Dyspepsia serta penyakit saluran pernapasan atas, cluster Sedang terdiri dari 8 jenis penyakit dengan total 63 kunjungan, sedangkan cluster Rendah terdiri dari 91 jenis penyakit dengan total 132 kunjungan. Sistem dibangun menggunakan framework Flask berbasis Python dan database MySQL serta mendukung pengolahan data dalam format CSV, XLSX, dan XLS. Pengujian Black Box dan White Box terhadap 95 skenario menghasilkan tingkat keberhasilan 100%. Hasil penelitian menunjukkan bahwa sistem dapat membantu pihak Klinik Nabiya Medika dalam memahami pola penyakit serta mendukung perencanaan obat, penjadwalan tenaga medis, dan penyusunan program promosi kesehatan

References

1. Dilawati, H., Widianto, H., & Kuswiadji, A. (2024). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering Di Rumah Sakit Widodo Ngawi. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer, 5(2), 139–147. https://doi.org/10.37148/bios.v5i2.134

2. Frangky, F., Sinaga, R., & Raihansyah, M. (2025). Analisis Segmentasi Pasien Berdasarkan Persepsi Kualitas Pelayanan dengan Algoritma Clustering. Explorer, 5(1), 52–58. https://doi.org/10.47065/explorer.v5i1.1818

3. Hamami, F., & Dahlan, A. (2024). SWADHARMA (JRIS) PENERAPAN ALGORITMA K-MEANS UNTUK MEMETAKAN PERSEBARAN FASILITAS DAN TENAGA KESEHATAN DI KOTA BANDUNG.

4. Handayani, F. (2022). Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar. Jurnal Teknologi Dan Informasi. https://doi.org/10.34010/jati.v12i1

5. Herdiaman, E. A. (2024). KLASTERISASI PASIEN PADA RSUD CIAMIS MENGGUNAKAN METODE K-MEANS. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3s1.5124

6. Keparahan, T., Alasi, P.-G., Al, E., Alasi, G., & Putri, R. A. (2025). Penerapan K-Means Clustering untuk Pengelompokan Pasien Rumah Sakit berdasarkan Penerapan K-Means Clustering untuk Pengelompokan Pasien Rumah Sakit berdasarkan Tingkat Keparahan Penyakit. 07. https://doi.org/10.54209/jatilima.v7i03.1598

7. Khalish, F., Piranti, N. M., & Martadireja, O. (2025). Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means (Vol. 8, Number 5). http://Jiip.stkipyapisdompu.ac.id

8. Lakeisyah, E. T., Marshella, S. H., Putri, N. R., Rahman, M. F., Risyahputri, A., Maulana, R., Tania, K. D., & Sari, W. K. (2025). ANALISIS KLASTERISASI JUMLAH PENDERITA PENYAKIT MENGGUNAKAN K-MEANS SEBAGAI DASAR DISTRIBUSI LAYANAN RUMAH SAKIT UMUM DI SUMATERA SELATAN. JOISIE (Journal Of Information Systems And Informatics Engineering), 9(1), 123. https://doi.org/10.35145/joisie.v9i1.4959

9. Lingga, A. (2024). Penerapan Algoritma K-Means Clustering Untuk Klasterisasi Penyakit Pasien. ADA Journal of Information System Research, 1(3), 93–102. https://doi.org/10.64366/adajisr.v1i3.43

10. Mayola, L., Hafizhb, M., & Syahputra, H. S. (2025). Klasterisasi Rumah Sakit berdasarkan Kunjungan Pasien menggunakan Algoritma K-Means: Data 2019-2023. Jurnal Teknologi Dan Sistem Informasi Bisnis, 7(1), 15–21. https://doi.org/10.47233/jteksis.v7i1.1703

11. Nafis Sjamsuddin, I., Firmansyah, D. A., & Laferani, Y. (2025). Klasterisasi Pasien Rawat Inap BPJS pada RS Islam Assyifa Sukabumi menggunakan Metode K-Means. In Pasien Rawat Inap BPJS pada RS Islam Assyifa Sukabumi menggunakan Metode K-Means (Vol. 7).

12. Putra, S. H., Jamaludin, J., Simbolon, H., Ibrahim, I., & Rubianto, R. (2025). Data Mining untuk Pola Perbaikan Pelayanan Pasien dengan Metode Klustering K-Means pada Rumah Sakit Mitra Sejati. Remik, 9(3), 1000–1012. https://doi.org/10.33395/remik.v9i3.15192

13. Rizqi, M. F., & Hayati, U. (2024). CLUSTERING KUNJUNGAN PASIEN MENGGUNAKAN ALGORITMA K-MEANS PADA RUMAH SAKIT DI WILAYAH BEKASI. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Number 1). https://opendata.jabarprov.go.id/

14. Syahputra, R. A., & Hanifah, M. R. (2024). Metode Analisis Kesehatan Dengan Mengguakan Mechine Learning Atau Artificial Inteligenci Atau Data Mining Literature Review. http://jurnal.utu.ac.id/invasi/

15. Zerlinda Ardini, D. (2025). Analisis Pola Penyakit Kronis pada Lansia Menggunakan K-Means Clustering di Puskesmas Kelurahan Semper Barat. In Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK) (Vol. 6, Number 3). https://journal.stmiki.ac.id