ANALISIS DATA RAWAT INAP RUMAH SAKIT KOTA SEMARANG

UNTUK MENGETAHUI DAERAH ENDEMI PENYAKIT

MENGGUNAKAN ALGORITMA K-MEANS

Fitra Wahyu Putri

Teknik Informatika (S1), Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
111201105977@mhs.dinus.ac.id

ABSTRACT
Finding patterns of information and valuable knowledge of the data on a very large database called data
mining. One popular algorithm in data mining technique is the K-Means algorithm. While the discovery of
relationships between item sets pattern combinations used Cluster Rules (Rule Clustering).
Data mining has been implemented every related fields, including health, business or trade, education, and
telecommunications. In the health sector for example the results of the implementation of data mining using
the K-Means algorithm can help medical in policy decisions related to any health institution.

Key Words : Data Mining, Clustering, K-Means, Medical Record, Endemic Diseases, Levenshtein
Distance.

ABSTRAK
Mencari pola informasi dan pengetahuan yang berharga dari suatu data pada database yang sangat besar
disebut dengan data mining. Salah satu algoritma yang popular pada teknik data mining adalah algoritma
K-Means. Sedangkan dalam penemuan pola kombinasi hubungan antar itemsets digunakan Cluster Rules
(Aturan Clustering). Data mining telah diimplementasikan keberbagai bidang, diantaranya bidang
kesehatan, bisnis atau perdagangan, pendidikan, dan telekomunikasi. Di bidang kesehatan misalnya hasil
implementasi data mining menggunakan algoritna K-Means dapat membantu para medis dalam kebijakan
pengambilan keputusan terhadap apa yang berhubungan dengan institusi kesehatan.

Kata Kunci : Data Mining, Clustering, K-Means, Rekam Medis, Endemi Penyakit, Jarak Levenshtein.

I. PENDAHULUAN dapat menangani ratusan pasien baik yang rawat

jalan atau rawat inap. Oleh karena itu, Knowledge
Rumah sakit adalah institusi perawatan kesehatan
Management System sangat dibutuhkan untuk
profesional yang pelayanannya ditangani oleh
mendukung pekerjaan tenaga medis dalam
dokter, perawat dan tenaga ahli kesehatan
menangani pasien dan membantu manajerial
lainnya. Rumah sakit sangat berperan dalam
dalam pengambilan keputusan, sehingga
kehidupan masyarakat terutama di bidang
kesalahan dalam penanganan dapat dihindari.
kesehatan. Dalam sehari, rumah sakit daerah
Salah satu bagian dari Knowledge Management II. METODE
System yaitu Sistem Informasi Manajemen
Teknik data mining di dunia kesehatan bukanlah
Rumah Sakit (SIMRS). Peraturan Menteri
hal yang baru. Potensi data mining dalam dunia
Kesehatan Republik Indonesia Nomor 82 Tahun
kesehatan sudah diakui secara luas dan menarik
2013 pasal 1:2, menjelaskan bahwa Sistem
[1]. Banyak studi yang dilakukan menggunakan
Informasi Manajemen Rumah Sakit yang
teknik data mining modern, seperti klasifikasi dan
selanjutnya disingkat SIMRS adalah suatu sistem
prediksi data mining. Data mining memiliki
teknologi informasi komunikasi yang memproses
potensi untuk mempengaruhi kesehatan
dan mengintegrasikan seluruh alur proses
masyarakat dalam berbagai cara dari pribadi, obat
pelayanan rumah sakit dalam bentuk jaringan
genetik, studi kesehatan lingkungan dan
koordinasi, pelaporan dan prosedur administrasi
epidemiologi [2].
untuk memperoleh informasi secara tepat dan
akurat, dan merupakan bagian dari Sistem Cross-Industry Standard Process for Data
Informasi Kesehatan. SIMRS ini dirancang untuk Mining (CRISP-DM) yang dikembangkan tahun
mengelola semua proses manual dari A-Z
1996 oleh beberapa analis dari beberapa industri
diproses dan dikonversikan secara elektronik dan (DaimlerChrysler, SPSS, dan NCR),
realtime dari pelayanan registrasi, rekam medis, menyediakan standard proses data mining
rawat jalan, billing, farmasi, inventori, keuangan, sebagai strategi pemecahan masalah secara
rawat inap, dsb yang secara keseluruhan akan umum dari bisnis atau unit penelitian.
menghasilkan output pelayanan yang prima dan
cepat. Dalam CRISP-DM, sebuah proyek data mining
Data-data penyakit pasien rawat inap dan data memiliki siklus hidup yang terbagi menjadi enam
alamat pasien dapat diolah lagi menggunakan fase. Seluruh fase saling berhubungan dan
teknik data mining untuk mencari tahu daerah bersifat adaptif. Fase berikutnya bergantung pada
mana saja yang membutuhkan penyuluhan dan keluaran dari seluruh fase sebelumnya. Enam
program-program khusus. Data mining fase CRISP-DM [3] :
dibutuhkan untuk mendukung pengambilan
1. Fase Pemahaman Bisnis
keputusan ditingkat manajerial karena akses ke
2. Fase Pemahaman Data
database dalam ukuran besar dan dimensi yang
3. Fase Pengolahan Data
lebih kompleks membutuhkan waktu yang cukup
4. Fase Pemodelan
lama dalam mengolahnya secara manual.
5. Fase Evaluasi
Dengan mengetahui atribut penentu jenis 6. Fase Penyebaran
penyakit pasien rawat inap diharapkan pihak
manajemen rumah sakit dapat melakukan kontrol
terhadap daerah dengan penyakit-penyakit yang
butuh penanganan khusus sehingga prosentase
pasien dengan penyakit endemi di daerah tersebut
dapat di tekan dan rumah sakit juga dapat
mempersiapkan peralatan bila terjadi pelonjakan
penyakit tertentu. Endemi adalah penyakit yang
berjangkit disuatu daerah atau pada suatu
golongan masyarakat (Kamus Besar Bahasa
Indonesia).

Gambar 2.1 Enam Fase CRISP-DM
K-Means Clustering adalah salah satu algoritma
supervised learning yang menerima masukan
berupa data tanpa label kelas. Algoritma K-
Means mengelompokkan data yang menjadi
masukkannya tanpa mengetahui terlebih dahulu
target kelasnya ke dalam beberapa kelompok.
Pada setiap cluster terdapat titik pusat (centroid)
yang merepresentasikan cluster tersebut.
Adanya data set yang akan diolah dalam data
mning belum diketahui kelas labelnya. Misalnya
dalam kasus data catatan akademik, diketahui
nilai IPK yang didapat dan jumlah SKS yang
sudah ditempuh. Di awal sebelum proses
penggunaan metode data mining, belum
diketahui label dari kelompok mahasiswa
tersebut, seperti pada gambar 2.2 (a).
Pengelompokan data dilakukan dengan
menggunakan algoritma yang sudah ditentukan
dan selanjutnya data akan diproses dengan
algoritma untuk dikelompokkan menurut
karakteristik alaminya. Tidak ada unsur
pembimbingan (denga pemberian label kelas),
melainkan algoritma akan berjalan dengan
sendirinya untuk mengelompokkan data tersebut.
Data yang lebih dekat (mirip) dengan data lain
akan berkelompok dalam satu cluster, sedangkan
data yang lebih jauh (berbeda) dari data yang lain
akan berpisah dalam kelompok yang berbeda.
a. Data sebelum b. Data setelah
pengelompokan pengelompokan
Gambar 2.2. Pengelompokan prestasi mahasiswa
Pada Gambar 2.2 (b), dapat diamati ada 3
kelompok mahasiswa yaitu kelompok mahasiswa
dengan SKS sedikit dan IPK tinggi (simbol x),
kelompok mahasiswa dengan SKS tinggi dan IPK
rendah (simbol •) dan kelompok mahasiswa
dengan SKS dan IPK rendah (simbol ᴼ) [4].
Untuk pengelompokan data berdasarkan
kemiripan/ketidakmiripan antar-data tanpa ada
label kelas yang diketahui sebelumnya disebut
pembelajaran tidak terbimbing atau unsupervised
learning. Untuk penanganan data pembelajaran
tidak terbimbing dapat menggunakan metode
clustering. Tujuan dari clustering adalah
meminimalkan jarak di dalam cluster dan
memaksimalkan jarak antar cluster [5].
Algoritma K-Means merupakan algoritma
pengelompokan iterative yang melakukan
pengelompokan data set ke dalam sejumlah K
cluster yang sudah ditetapkan di awal. Algoritma
K-Means sederhana untuk diimplementasikan
dan dijalankan, relative cepat, mudah
beradaptasi, umum penggunaannya dalam
praktek (Wu dan Kumar, 2009).
Secara historis, bentuk esensial K-Means
ditemukan oleh sejumlah peneliti dari lintas
disiplin ilmu. Yang paling berpengaruh adalah
Lloyd (1982), Forgey (1965), Friedman dan
Rudin (1967), dan McQueen (1967). Algoritma
K-Means berkembang menjadi algoritma hill-
climbing [4].
K-Means dapat diterapkan pada data yang
dipresentasikan dalam r-dimensi ruang tempat.
K-Means mengelompokan set data r-dimensi,
X={xi|i=1, …, N}, dimana xi є Rd. Menggunakan
pendekatan partitional clustering. Tiap cluster
dihubungkan dengan sebuah centroid (titik
pusat). Tiap titik ditempatkan ke dalam cluster
dengan centroid terdekat. Jumlah cluster, K,
harus ditentukan [5].
Levenshtein distance dibuat oleh Vladimir
Levenshtein pada tahun 1965. Hasil perhitungan
edit jarak didapatkan dari matrik yang digunakan
untuk menghitung jumlah perbedaan string antar
dua string (string A dan string B) [6].
Gambar 2.3 Algoritma Levenshtein Distance
Algoritma ini dimulai dari pojok kiri atas sebuah
array dua dimensi yang telah diisi sejumlah
karakter string awal dan string target yang
nantinya diberi nilai cost. Nilai cost pada ujung
kanan bawah menjadi nilai edit distance yang
menggambarkan jumlah perbedaan dua string [6].
III. HASIL DAN PEMBAHASAN
Dari data rekam medis pasien rawat inap Rumah
Sakit Kota Semarang, diperoleh 13797 record
data. Setelah dilakukan proses selection &
cleaning, diperoleh 6807 data yang memenuhi
syarat untuk diolah dalam proses mining
selanjutya.
Dalam penelitian ini telah ditentukan akan
terbentuk 5 cluster yang nantinya digunakan
untuk penarikan kesimpulan.
Sebagai sample diambil 20 data untuk dataset
yang akan dicoba secara manual.
Gambar 3.1 Sample data (20 dataset)
Dari 20 dataset tersebut di dapatkan hasil
centroid awal masing-masing cluster adalah :
 Cluster pertama (C0)= [0.25; 0.75; 0; 0; …; 0]
 Cluster kedua (C1) = [0; 0.5; 0.5; 0; …; 0]
 Cluster ketiga (C2) = [0.25; 0.75; 0; 0; …; 0]
 Cluster keempat (C3)= [0.5; 0.25; 0.25; 0; …;
0]
 Cluster kelima (C4)= [0.5; 0.25; 0.25; 0; …;
0]
Lalu dilakukan perhitungan jarak dengan
euclidieancedistance.
Gambar 3.2 Hasil perhitungan jarak iterasi
pertama
Dari jarak masing-masing centroid data
dikelompokkan kedalam 5 cluster sesuai dengan
hasil perhitungan jarak tersebut. Cluster dengan
jarak terendah adalah cluster untuk data tersebut.
Hasil dari iterasi pertama :
 Pada cluster pertama (C0) memiliki jumlah
anggota 5 data, yaitu pada data ke M3, M6,
M11, M16, M17.
 Pada cluster kedua (C1) memiliki jumlah
anggota 3 data, yaitu pada data ke M2, M7,
M12.
 Pada cluster ketiga (C2) memiliki jumlah
anggota 2 data, yaitu pada data ke M8, M16.
 Pada cluster keempat (C3) memiliki jumlah
anggota 5 data, yaitu pada data ke M1, M4,
M9, M13, M14.
 Pada cluster kelima (C4) memiliki jumlah
anggota 6 data, yaitu pada data ke M5, M10,
M15, M18, M19, M20.
Dalam perhitungan 20 dataset ini proses
clustering membentuk 5 iterasi hingga diperoleh
nilai centroid dengan jarak yang sama. Hasil
cluster tersebut adalah :
 Cluster pertama (C0) memiliki karakteristik
tipe penyakit A01.0 (typhoid fever) dengan
daerah endemi pedurungan, banyak
menyerang usia anak-anak (0-12 tahun) dan
jenis kelamin perempuan.
 Cluster kedua (C1) memiliki karakteristik
tipe penyakit A01.0 (typhoid fever) dengan
daerah endemi tembalang, banyak
menyerang usia anak-anak (0-12 tahun) dan
jenis kelamin laki-laki.
 Cluster ketiga (C2) memiliki karakteristik
tipe penyakit A04.9 (bacterial intestinal
infection) dengan daerah endemi semarang
selatan, banyak menyerang usia anak-anak
(0-12 tahun) dan jenis kelamin laki-laki
 Cluster keempat (C3) memiliki karakteristik
tipe penyakit A01.0 (typhoid fever) dengan
daerah endemic semarang selatan, banyak
menyerang usia muda (13-25 tahun) dan jenis
kelamin perempuan.
 Cluster kelima (C4) memiliki karakteristik
tipe penyakit A04.9 (bacterial intestinal
infection) dengan daerah endemi tembalang,
banyak menyerang usia anak-anak (0-12
tahun) dan jenis kelamin laki-laki
Hasil dari clustering tersebut dihitung lagi tingkat
kemiripan penyakit hasil cluster dengan penyakit
endemi pada database. Dengan menggunakan
algoritma Levenshtein Distance diperoleh hasil
penyakit A01.0 (typhoid fever) merupakan
penyakit endemi dengan kemiripan >75% dan
penyakit A04.9 (Bacterial intestinal infection)
bukan merupakan penyakit endemi karena
kemiripan dengan penyakit endemic <75%.
IV. KESIMPULAN
Hasil dari penelitian menggunakan 20 dataset
menghasilkan 4 cluster yang memberi
kesimpulan bahwa daerah Pedurungan,
Tembalang, dan Semarang Selatan adalah daerah
endemi untuk penyakit Typhoid Fever. Hasil
statistik clustering menunjukkan dari empat
cluster, dua diantaranya menunjukkan daerah
Semarang Selatan sebagai daerah endemi
penyakit dengan karakteristik masing-masing.
 V. REFERENSI

[1] Kulikowski, C. A. (2002). The micro-

macro spectrum of medical informatics
challenges : From molecular medicine to
transforming health care in a globalizing
society. Methods of Information in
Medicine; 41(1), 20-24.
[2] Stephanie, J. Hickey. (2013). Naïve
Bayes Classification of Public Health
Data with Greedy Feature Selection,
USA : Iona College.
[3] Kusrini., & Luthfi, Emha Taufiq. (2009).
Algoritma Data Mining. Andi Offset:
Yogyakarta.
[4] Prasetyo, Eko. Data Mining “Mengolah
Data Menjadi Informasi Menggunakan
MATLAB”. Andi Offset : Yogyakarta.
[5] Larose, Daniel T. (2005). Discovering
knowledge in data an introduction to
Data Mining. A John Willey & Sons, Inc:
United State.
[6] Adriyani, Ni Made Muni.,dkk.
Implementasi Algoritma Levenshtein
Distance Dan Metode Empiris Untuk
Menampilkan Saran Perbaikan
Kesalahan Pengetikan Dokumen
Berbahasa Indonesia. Unversitas
Udayana: Fakultas Matematika dan Ilmu
Pengetahuan Alam.