Sistem Reservasi dan Data Analitik Pasien Dengan Menggunakan Time Series Clustering (Studi Kasus Praktik Bidan Mandiri Di Jember)
Abstrak
Abstrak— Sistem pencatatan pasien yang masih dilakukan secara manual pada praktik bidan mandiri sering menimbulkan permasalahan, seperti antrean yang tidak teratur, keterbatasan pela cakan riwayat kunjungan, serta tidak tersedianya anali-sis pola penyakit secara menyeluruh. Penelitian ini bertujuan mengembangkan sistem informasi reservasi pasien berbasis web yang terintegrasi dengan analisis pola penyakit menggunakan algoritma K-Means. Sistem dibangun menggunakan framework Laravel pada sisi backend, MySQL sebagai basis da ta, serta modul analitik berbasis Python yang diintegrasikan melalui API. Sebanyak 2.547 data rekam pasien, 1.949 komponen data, dan 950 jenis diagnosa diolah melalui tahapan preprocessing, yang meliputi pembersihan data, standarisasi usia, standarisasi diag-nosa, normalisasi, serta transformasi data ke format numerik. Algoritma K-Means digunakan untuk mengelompokkan data berdasarkan kemiripan usia dan diagnosa. Evaluasi model dila-kukan menggunakan Silhouette Coefficient dan Sum of Squared Errors (SSE) untuk menilai kualitas pemisahan cluster. Hasil analisis menunjukkan bahwa K = 4 merupakan jumlah cluster optimal dengan nilai Silhouette tertinggi sebesar 0,6572. Model tersebut menghasilkan empat cluster dengan distribusi: Cluster 0 sejumlah 414 pasien, Cluster 1 sebanyak 593 pasien, Cluster
2 sebanyak 618 pasien, dan Cluster 3 sebanyak 522 pasien, masing-masing memiliki karakteristik usia dan pola diagno-sa yang berbeda. Implementasi sistem ini terbukti membantu bidan dalam mengelola reservasi secara lebih terstruktur, me ningkatkan efisiensi pencatatan, serta menyediakan informasi analitik mengenai distribusi penyakit berbasis kelompok usia. Selain meningkatkan kinerja administrasi, sistem ini juga men-dukung pengambilan keputusan berbasis data dalam pelayanan kesehatan pada praktik bidan mandiri.
Kata kunci— Sistem reservasi pasien, K-Means, Laravel, API Python, Silhouette Coeffi cient, SSE, praktik bidan mandiri
Referensi
REFERENSI
A. Prasetyo, “Transformasi digital dalam layanan kesehatan di indone-sia,” Jurnal Teknologi Kesehatan, 2021.
Kementerian Kesehatan Republik Indonesia, Profil Kesehatan Indonesia 2021. Kementerian Kesehatan RI, 2021.
D. Fitriyani, “Evaluasi sistem pencatatan manual pada layanan kesehatan primer,” Jurnal Administrasi Kesehatan Indonesia, 2022.
S. Rahmawati, “Analisis tren penyakit musiman di layanan kesehatan masyarakat,” Jurnal Epidemiologi Kesehatan, 2021.
M. Hidayat, “Forecasting kasus penyakit menggunakan analisis deret waktu,” Jurnal Sains Data, 2021.
N. Putri, “Penerapan algoritma k-means untuk pengelompokan data kesehatan,” Jurnal Informatika Kesehatan, 2022.
A. Sharma, R. Kumar, and S. Gupta, “Health data analytics: Concepts, techniques, and applications,” Journal of Healthcare Informatics Rese-arch, vol. 6, no. 3, pp. 215–230, 2022.
M. M. Rahman, M. S. Islam, and M. M. Hasan, “The role of data ana-lytics in improving healthcare decision-making,” International Journal of Medical Informatics, vol. 173, p. 105036, 2023.
B. Santoso, “Evaluasi kualitas klaster menggunakan silhouette coeffici-ent,” Jurnal Sains Komputasi, 2021.
F. Wang, J. Sun, and S. Ebadollahi, “Comparison of time series clus-tering methods for vital signs in infected patients,” in AMIA Annual Symposium Proceedings, 2020.
R. Arifin, “Analisis model waterfall dalam pengembangan sistem infor-masi,” Jurnal Teknologi Informasi dan Sistem, 2021
