Penerapan Algoritma K-Means untuk Segmentasi Pola Penyakit Berdasarkan Data Kunjungan Pasien di Klinik Nabiya Medika
Indonesian Journal of Multidisciplinary on Social and Technology · 22.10.2026 · 4 (3) · 10722-10728
DOI: 10.69693/ijmst.v4i3.14331 ↗Kurz gefasst
Fachartikel in der Zeitschrift Indonesian Journal of Multidisciplinary on Social and Technology, online erschienen am 22.10.2026. Verfasst von Muhamad Haikal und 2 weiteren Autor:innen. Die Arbeit nennt 15 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
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
Zitieren
APA
Haikal, M., Samsoni, S., & Handayani, A. (2026). Penerapan Algoritma K-Means untuk Segmentasi Pola Penyakit Berdasarkan Data Kunjungan Pasien di Klinik Nabiya Medika. Indonesian Journal of Multidisciplinary on Social and Technology, 4(3), 10722-10728. https://doi.org/10.69693/ijmst.v4i3.14331
Vancouver
Haikal M, Samsoni S, Handayani A. Penerapan Algoritma K-Means untuk Segmentasi Pola Penyakit Berdasarkan Data Kunjungan Pasien di Klinik Nabiya Medika. Indonesian Journal of Multidisciplinary on Social and Technology. 2026;4(3):10722-10728. doi:10.69693/ijmst.v4i3.14331
BibTeX
@article{Haikal2026,
author = {Haikal, Muhamad and Samsoni, Samsoni and Handayani, Aprinia},
title = {Penerapan Algoritma K-Means untuk Segmentasi Pola Penyakit Berdasarkan Data Kunjungan Pasien di Klinik Nabiya Medika},
journal = {Indonesian Journal of Multidisciplinary on Social and Technology},
year = {2026},
volume = {4},
number = {3},
pages = {10722--10728},
doi = {10.69693/ijmst.v4i3.14331}
}
EUVIMED