EVALUASI EFEKTIFITAS ALGORTIMA K-MEANS DAN DBSCAN DALAM CLUSTERING DATA RUMAH SAKIT UNTUK OPTIMALISASI LAYANAN KESEHATAN
Article Sidebar
Read Counter : 0
Download : 1
Main Article Content
Abstract
This study evaluates the effectiveness of the K-Means and DBSCAN algorithms in clustering hospital data to support healthcare optimization. The dataset used comes from the data.gov.au site, including attributes such as number of beds, geographic location, and funding type. The evaluation was carried out using the Silhouette Score metric to assess the quality of clustering. The results show that K-Means produces consistent results with a Silhouette Score of 0.7879 at a small number of clusters (C=2), while DBSCAN shows very good performance with a Silhouette Score reaching 0.9986 at the optimal configuration (ε=0.1, min_samples=2). This study concludes that K-Means is more effective for simple clusters, while DBSCAN excels in handling complex data distributions and noise.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Menawarkan akses terbukaReferences
[1] K. a. K. M. a. P. F. Moniung, “Kualitas Pelayanan Publik Poli Anak Di Rumah Sakit Umum Daerah Noongan Kabupaten Minahasa Provinsi Sulawesi Utara,” Jurnal Eksekutif, vol. 2, 2020.
[2] D. K. a. E. E. a. M. F. a. H. S. Yudityawati, “Analisis Kepuasan Terhadap Mutu Pelayanan Menggunakan Metode Importance Performance Analysis Pada Pasien Rawat Jalan Rs “X”,” dalam UMMagelang Conference Series, 2022, pp. 685-697.
[3] I. M. V.-B. H. D. M. E. d. K. P. K. d. P. K. Medan, "Lubis, Syafirda Alifah and Agustina, Dewi and Hafidzah, Fidiana and Barus, Maharani Br and Lubis, Putri Ananda and Nasution, Yulia Adinda," Jurnal Kesehatan Tambusa, vol. 5, pp. 5760-5769, 2024.
[4] T. L. a. K. R. R. Wiemken, “Machine learning in epidemiology and health outcomes research,” Annu Rev Public Health, vol. 41, pp. 21-36, 2020.
[5] R. a. W. A. Ramadhan, “IMPLEMENTASI DATA MINING KLASTERISASI DENGAN ALGORITMA K-MEANS UNTUK PENGELOMPOKKAN KELURAHAN DI PROVINSI DKI JAKARTA BERDASARKAN DISTRIBUSI BANTUAN PANGAN BULOG DI PT YASA ARTHA TRIMANUNGGAL,” dalam Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2024, pp. 390-397.
[6] S. A. Kustiyanti, “Smart Hospital: Konsep, Implementasi, dan Tantangan,” dalam Transformasi Rumah Sakit Indonesia Menuju Era Masyarakat, 2023, p. 161.
[7] M. a. W. A. a. F. L. a. B. S. a. S. J. a. L. K. B. a. P. N. a. C. L. Subramanian, “Precision medicine in the era of artificial intelligence: implications in chronic disease management,” Journal of translational medicine, vol. 18, pp. 1-12, 2020.
[8] P. a. M. P. Bhattacharjee, “A survey of density based clustering algorithms,” Frontiers of Computer Science, vol. 15, pp. 1-27, 2021.
[9] D. a. N. F. a. W. S. a. A. D. D. Hastari, “Penerapan Algoritma K-Means dan K-Medoids untuk Mengelompokkan Data Negara Berdasarkan Faktor Sosial-Ekonomi dan Kesehatan: Application of K-Means and K-Medoids Algorithms for Grouping Country Data Based on Socio-Economic and Health Factors,” dalam SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, 2023, pp. 274-281.
[10] H. a. L. J. a. Z. X. a. F. M. Hu, “An effective and adaptable K-means algorithm for big data cluster analysis,” Pattern Recognition, vol. 139, 2023.
[11] H. V. a. G. A. a. D. S. Singh, “A Literature survey based on DBSCAN algorithms,” dalam 2022 6th International Conference on Intelligent Computing and Control Systems (ICICCS), IEEE, 2022, pp. 751-758.
[12] Z. a. W. J. a. H. K. Cai, “Adaptive density-based spatial clustering for massive data analysis,” IEEE Access, vol. 8, 2020.
[13] M. I. a. L. R. Y. a. A. M. A. K. a. H. M. S. a. C. M. K. H. a. K. B. Pramanik, “Healthcare informatics and analytics in big data,” Expert Systems with Applications, vol. 152, 2020.
[14] A. a. N. S. a. R. I. Rehman, “Leveraging big data analytics in healthcare enhancement: trends, challenges and opportunities,” Multimedia Systems, vol. 28, 2022.
[15] W. Gunawan, "Implementasi Algoritma DBScan dalam Pemngambilan Data Menggunakan Scatterplot," Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 6, pp. 91-98, 2021.
[16] F. a. L. Z. a. W. R. a. L. X. Nie, “An effective and efficient algorithm for K-means clustering with new formulation,” IEEE Transactions on Knowledge and Data Engineering, vol. 35, 2022.
[17] A. a. o. Zakir, “Implementasi Algoritma K-Means Untuk Clustering Judul Skripsi Universitas Harapan Medan,” Jurnal Media Informatika, vol. 4, pp. 40-47, 2022.
[18] S. a. N. B. I. a. A. Z. Setyaningtyas, "Tinjauan Pustaka Sistematis: Penerapan Data Mining Teknik Clustering Algoritma K-Means," Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, vol. 10, pp. 52-61, 2022.
[19] R. J. a. B. S. a. A. S. Kasim, “Implementasi Metode K-Means Untuk Clustering Data Penduduk Miskin Dengan Systematic Random Sampling,” Prosiding SISFOTEK, vol. 5, pp. 95-101, 2021.
[20] W. Gunawan, “Implementasi Algoritma DBScan dalam Pemngambilan Data Menggunakan Scatterplot,” Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 6, pp. 91-98, 2021.
[21] B. a. R. T. a. J. A. Biantara, “Perbandingan Algoritma K-Means dan DBSCAN untuk Pengelompokan Data Penyebaran Covid-19 Seluruh Kecamatan di Provinsi Jawa Barat,” Scientific Student Journal for Information, Technology and Science, vol. 4, pp. 88-94, 2023.
[22] D. Deng, “DBSCAN clustering algorithm based on density,” dalam 2020 7th international forum on electrical engineering and automation (IFEEA), 949-953, IEEE, 2020.
[23] R. a. P. H. a. D. Y. a. W. J. a. S. Q. a. L. Y. a. Z. J. a. Y. P. S. Zhang, “Automating DBSCAN via deep reinforcement learning,” dalam Proceedings of the 31st acm international conference on information & knowledge management, 2022, pp. 2620-2630.
[24] Y. Hasan, "Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan Dbscan," Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, 2024.
[25] G. Mahardika, “CLUSTERING DATA SENSOR IOT DENGAN ALGORITMA DBSCAN,” Jurnal Dunia Data, vol. 1, 2024.
[26] F. M. a. W. S. H. a. S. N. Y. Pranata, “Analisis Performa Algoritma K-Means dan DBSCAN Dalam Segmentasi Pelanggan Dengan Pendekatan Model RFM,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 8, 2024.
[27] W. A. a. H. K. Silamantha, “Analisis RFM dan K-Means Clustering untuk Segmentasi Pelanggan pada PT. Sanutama Bumi Arto,” Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), vol. 5, 2024.
[28] Y. Hasan, “Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan Dbscan,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, 2024.
[29] T. D. a. V. A. a. F. R. Harjanto, “Analisis penetapan skala prioritas penanganan balita stunting menggunakan metode dbscan clustering (studi kasus data dinas kesehatan kabupaten lebong),” Rekursif: Jurnal Informatika, vol. 9, 2021.
[30] T. D. a. V. A. a. F. R. Harjanto, “Analisis penetapan skala prioritas penanganan balita stunting menggunakan metode dbscan clustering (studi kasus data dinas kesehatan kabupaten lebong),” Rekursif: Jurnal Informatika, vol. 9, 2021.
[31] B. a. R. T. a. J. A. Biantara, “Perbandingan Algoritma K-Means dan DBSCAN untuk Pengelompokan Data Penyebaran Covid-19 Seluruh Kecamatan di Provinsi Jawa Barat,” Scientific Student Journal for Information, Technology and Science, vol. 4, pp. 88-94, 2023.