PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PASIEN RUMAH SAKIT BERDASARKAN UMUR, RAWAT INAP DAN KEPUASAN LAYANAN

Abstract

Transformasi digital dalam sektor kesehatan menuntut rumah sakit untuk mengoptimalkan pemanfaatan data pasien guna meningkatkan efisiensi operasional dan mutu layanan. Pendekatan manajerial konvensional yang memandang pasien sebagai kelompok homogen terbukti tidak memadai, mengingat adanya heterogenitas kebutuhan berdasarkan faktor demografis dan klinis. Penelitian ini menerapkan teknik Data Mining menggunakan algoritma K-Means Clustering untuk mengelompokkan pasien berdasarkan atribut umur, lama rawat inap (Length of Stay), dan tingkat kepuasan. Dengan metode Knowledge Discovery in Database (KDD), penelitian mencakup tahapan pembersihan data, normalisasi StandardScaler (standarisasi z-score), penentuan jumlah klaster optimal melalui Metode Elbow, Silhouette Score, dan Davies–Bouldin Index, dan implementasi algoritma K-Means. Hasil menunjukkan bahwa jumlah klaster optimal adalah ????=6, dengan temuan hubungan non-linear antara durasi rawat dan tingkat kepuasan, termasuk fenomena “Paradoks Lansia”. Pasien geriatri dengan rawat inap singkat menunjukkan kepuasan rendah, sedangkan pasien dewasa muda mencapai kepuasan tertinggi pada durasi rawat terpendek. Algoritma K-Means terbukti efektif dalam menghasilkan segmentasi pasien yang relevan secara strategis, sehingga memungkinkan perumusan rekomendasi layanan yang lebih presisi berdasarkan karakteristik demografis dan klinis tiap klaster.