<![CDATA[Kebutuhan informasi dan pengetahuan baru untuk pendukung keputusan Rumah Sakit sangat diperlukan, ancaman gangguan kesehatan mulai diutarakan oleh badan kesehatan dunia dan menjadi fokus pemerintahan dalam usaha peningkatan kesejahteraan kesehatan masyarakat. Untuk itu diperlukan pengelompokan penyakit untuk mengetahui pola / jenis gangguan kesehatan dengan jumlah banyak maupun sedikit. Dikarenakan jumlah data rekam medis dan variabel data yang banyak maka dibutuhkan metode untuk mempermudah pengelompokan penyakit. Dengan pendekatan pengklasteran K-means, pembagian kelompok penyakit dapat dilakukan berdasarkan 3 variabel yaitu umur (vu), kode penyakit (vi) dan kecamatan (vk). Pada penelitian ini dilakukan pengklasteran menggunakan algoritma K-means yang diimplementasikan kedalam kode bahasa pemrograman. .Hasil dari pengelompokkan direpresentasikan dalam bentuk grafik sehingga pihak eksekutif lebih mudah memahami hasil pengelompokan data tersebut. Dari proses pengelompokan 200 data rekam medis periode rebruari 2019 didapatkan 3 kelompok yaitu cluster 1 dengan penyakit tertinggi Chronic ischaemic heart disease, unspecified usia terbesar lansia dengan wilayah wilayah laweyan, cluster 2 penyakit tertinggi Fever, unspecified usia terbesar dewasa dengan wilayah terbanyak laweyan, dan cluster 3 dengan penyakit tertinggi Low back pain usia lansia dengan wilayah terbanyak banjarsari dan laweyan.]]>
Copyrights © 2022
