Bilah Samping Artikel

Telah diserahkan
10 August 2022
Diterima
3 April 2023
Diterbitkan
10 April 2023
Unduh
pdf
Statistik
Baca Penghitung : 444 Unduh : 456

Isi Artikel Utama

Abstrak

Rekam medis adalah riwayat pengobatan pasien yang dirawat di rumah sakit atau klinik. Bahasa medis yang biasa digunakan oleh dokter untuk mendiagnosa dan kemudian bertindak atas penyakit pasien. Proses pencatatan rekam medis didaerah Bengkulu Selatan masih menggunakan cara yang konvensional, yaitu dengan menulis pada kertas sehingga data yang ada pada rekam medis hanya bisa digunakan untuk melihat riwayat kesehatan pasien. Salah satu cara untuk mengelompokkan data adalah dengan clustering yang merupakan salah satu teknik data mining yaitu algoritma clustering. Aplikasi Clustering data rekam medis untuk penentuan penyakit endemi di daerah Kabupaten Bengkulu Selatan dibangun dengan mengimplementasikan metode Fuzzy C-Means berbasis website dengan framework codeigniter. Jumlah data yang digunakan adalah 110 data yang terdiri dari 11 data kecamatan yang terdiri dari nama kecamatan, luas wilayah, jumlah penduduk dan 10 data penyakit yaitu nama penyakit dan jumlah pasien. Aplikasi dapat mengelompokkan kecamatan berdasarkan potensi penyakit endemi dengan metode Fuzzy C-Means clustering dalam bentuk tabel. Penggunakan metode Fuzzy C-Means clustering dapat menghasilkan kelompok data dalam 3 cluster tetapi mengguakan nilai random sebagai nilai awal sehingga hasil perhitungan bisa sedikit berubah tergantung besar data dan jumlah data.

Kata Kunci

Rekam Medis Clustering Fuzzy C-Means

Rincian Artikel

Lisensi

Hak Cipta (c) 2023 krisna prastio

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Cara Mengutip
Andreswari, D., Efendi, R., & Prastio, K. (2023). Clustering Data Rekam Medis Untuk Penentuan Penyakit Endemi di Daerah Kabupaten Bengkulu Selatan Dengan Mengimplementasikan Metode Fuzzy C-Means (Studi kasus Puskesmas Kabupaten Bengkulu Selatan). Rekursif: Jurnal Informatika, 11(1), 42–52. https://doi.org/10.33369/rekursif.v11i1.23274
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)
BibTeX

Referensi

  1. Ordila, R., Wahyuni, R., Irawan, Y., & Yulia Sari, M. (2020). Penerapan Data Mining Untuk Pengelompokan Data Rekam Medis Pasien Berdasarkan Jenis Penyakit Dengan Algoritma Clustering (Studi Kasus : Poli Klinik PT.Inecda). Jurnal Ilmu Komputer, 9(2), 148–153.
  2. Tamba, S. P., Kesuma, F. T., & Feryanto. (2020). Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering. Jurnal Sistem Informasi Dan Ilmu Komputer Prima(JUSIKOM PRIMA), 2(2), 67–72.
  3. Manuel, R. (2017). Analisa Penentuan Skala Prioritas Obat Berdasarkan Klaster Penyakit Menggunakan Fuzzy C-Means (Studi Kasus: KecamatanN Sirimau Kota Ambon).
  4. Olivia, L. (2019). Pengelompokan Data Rekam Medis untuk Mengetahui Penyakit Endemi di Suatu Daerah Menggunakan K-Means Clustering. In Program Studi S1 Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi (Vol. 1, Issue 3). Universitas Sumatera Utara.
  5. Handiwidjojo, W. (2009). Rekam medis elektronik. Universitas Kristen Duta Wacana Yogyakarta, 2(1), 36–41.
  6. Iswavigra, D. U., Defit, S., & Nurcahyo, G. W. (2021). Data Mining dalam Pengelompokan Penyakit Pasien dengan Metode K-Medoids. Jurnal Informasi Dan Teknologi, 3, 181–189.
  7. Darmi, Y. D., & Setiawan, A. (2017). Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk. Jurnal Media Infotama, 12(2), 148–157.
  8. Kusumadewi, S., Sri, H., Harjoko, A., & Retantyo, W. (2006). Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu.