KLASTERISASI PENYAKIT BERDASARKAN USIA PASIEN DI PUSKESMAS PUTRI AYU

ABSTRAK

Latar belakang dari penelitian ini adalah pentingnya analisis data kesehatan berbasis usia untuk meningkatkan efektivitas pelayanan kesehatan. Penelitian ini bertujuan untuk mengelompokkan penyakit berdasarkan usia pasien di Puskesmas Putri Ayu dengan menggunakan algoritma K-Means clustering melalui perangkat lunak RapidMiner. Data yang digunakan berasal dari sistem informasi ePuskesmas tahun 2024, dengan total 45.472 data kunjungan pasien, yang kemudian diproses dan difokuskan pada 9.692 data pasien dengan tiga jenis penyakit terbanyak: Acute nasopharyngitis (batuk), Supervision of normal pregnancy (kehamilan), dan Dyspepsia (maag). Penelitian ini menghasilkan lima cluster berdasarkan kategori usia: bayi (0–5 tahun), anak-anak (6–11 tahun), remaja (12–17 tahun), dewasa (18–59 tahun), dan lansia (≥60 tahun). Hasil menunjukkan bahwa pasien usia dewasa mendominasi kasus kehamilan dan maag, sedangkan bayi hingga lansia lebih banyak mengalami batuk. Nilai Davies-Bouldin Index (DBI) sebesar -0,495 menunjukkan bahwa model klasterisasi memiliki kualitas yang baik, dengan tingkat kemiripan tinggi dalam cluster dan perbedaan yang jelas antar cluster. Penelitian ini menunjukkan bahwa metode K-Means efektif dalam klasifikasi data penyakit berbasis usia dan berpotensi membantu puskesmas dalam membuat kebijakan kesehatan yang lebih tepat sasaran.
Kata kunci: Klasterisasi Penyakit, K-Means, Klasterisasi Berbasis Usia, FPKTP

ABSTRACT

The research is motivated by the importance of age-based health data analysis to improve the effectiveness of healthcare services. This study aims to cluster diseases based on patient age at Puskesmas Putri Ayu using the K-Means clustering algorithm through the RapidMiner software. The dataset was obtained from the ePuskesmas information system for the year 2024, consisting of 45,472 patient visit records. From these, 9,692 patient records were selected, focusing on the three most common diseases: Acute nasopharyngitis (common cold), Supervision of normal pregnancy, and Dyspepsia. The analysis resulted in five clusters based on age categories: infants (0–5 years), children (6–11 years), adolescents (12–17 years), adults (18–59 years), and elderly (≥60 years). The results showed that adult patients dominated cases of pregnancy and dyspepsia, while patients from infants to the elderly primarily experienced the common cold. The Davies-Bouldin Index (DBI) score of -0.495 indicates a good clustering quality, with high similarity within clusters and clear separation between them. This study demonstrates that the K-Means method is effective in classifying disease data based on age and has potential to support community health centers in designing more targeted healthcare policies.
Keywords: Disease Clustering, K-Means, Age Based Clustering, Primary Healthcare Facilities