ROFIQ, Sufyan Abdur (2026) Klasterisasi Profil Pasien Rawat Inap Menggunakan Algoritma K-Means pada Rumah Sakit Islam Fatimah Cilacap. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Download (190kB)
	PDF (Legalitas) LEGALITAS-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only Download (697kB)
	PDF (Abstrak) ABSTRAK-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Download (251kB)
	PDF (BabI) BAB-I-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only until 12 May 2027. Download (246kB)
	PDF (BabII) BAB-II-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only until 12 May 2027. Download (421kB)
	PDF (BabIII) BAB-III-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only until 12 May 2027. Download (463kB)
	PDF (BabIV) BAB-IV-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only Download (5MB)
	PDF (BabV) BAB-V-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Download (234kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Download (212kB)
	PDF (Lampiran) LAMPIRAN-Sufyan Abdur Rofiq-H1D022004-Skripsi-2026.pdf Restricted to Repository staff only Download (286kB)

Abstract

Berdasarkan data pasien rawat inap di Rumah Sakit Islam Fatimah Cilacap pada tahun 2025, terdapat 13.024 data pasien dengan karakteristik medis dan pelayanan yang beragam. Permasalahan yang dihadapi adalah belum adanya pengelompokan pasien secara sistematis, sehingga pihak rumah sakit mengalami kesulitan dalam mengidentifikasi pola karakteristik pasien guna mendukung pengelolaan pelayanan rawat inap yang optimal. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam proses klasterisasi profil pasien rawat inap berdasarkan karakteristik medis dan pelayanan, serta menentukan jumlah klaster optimal menggunakan metode Elbow, Silhouette Score, dan Davies-Bouldin Index (DBI). Hasil evaluasi menunjukkan jumlah klaster optimal pada k = 3 dengan nilai Elbow (WCSS) sebesar 49.148,10, Silhouette Score sebesar 0,2215 dan Davies-Bouldin Index (DBI) sebesar 1,5231. Klaster 0 terdiri dari 1.756 pasien (15,5%) yaitu kelompok pasien dengan diagnosis dominan Kehamilan dan Persalinan serta pelayanan medis Spesialis Kebidanan dan Kandungan. Klaster 1 terdiri dari 4.779 pasien (42,2%) yaitu kelompok pasien dengan diagnosis dominan Infeksi Bakteri dan Parasit serta pelayanan medis Spesialis Anak Anak. Sementara itu, Klaster 2 terdiri dari 4.794 pasien (42,3%) yaitu kelompok pasien dengan diagnosis dominan Infeksi Bakteri dan Parasit serta pelayanan medis Spesialis Penyakit Dalam. Hasil penelitian menunjukkan bahwa klasterisasi profil pasien rawat inap terdiri dari 3 klaster. Hasil klasterisasi ini telah berhasil diterapkan dalam sebuah aplikasi berbasis website yang menyediakan fitur analisis dan visualisasi data interaktif, sehingga dapat mendukung pihak rumah sakit dalam mengidentifikasi pola karakteristik pasien guna pengelolaan pelayanan rawat inap yang lebih optimal.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26121
Uncontrolled Keywords:	Davies-Bouldin Index, Elbow Method, Klasterisasi, K-Means, Pasien Rawat Inap, Silhouette Score, Website
Subjects:	M > M131 Mathematical models
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr. Sufyan Abdur Rofiq
Date Deposited:	12 May 2026 04:04
Last Modified:	12 May 2026 04:04
URI:	http://repository.unsoed.ac.id:443/id/eprint/41118

Actions (login required)

View Item