DETEKSI RESIKO KETERLAMBATAN PELAYANAN PASIEN NON JKN DENGAN METODE RANDOM FOREST DI PUSKESMAS SIMPANG KAWAT KOTA JAMBI

ABSTRAK

Rendahnya pemanfaatan aplikasi Mobile JKN di Puskesmas Simpang Kawat di Kota Jambi merupakan masalah utama yang menyebabkan antrean pasien menjadi padat dan keterlambatan pelayanan. Dari sekitar 30.000 kunjungan pasien setiap tahunnya, hanya sekitar 11% yang menggunakan aplikasi Mobile JKN. Penelitian ini bertujuan untuk mendeteksi risiko keterlambatan pelayanan untuk pasien Non-JKN menggunakan algoritma Random Forest dan untuk mengidentifikasi faktor-faktor paling berpengaruh yang menyebabkan keterlambatan tersebut. Pendekatan kuantitatif berbasis data mining digunakan, dengan memanfaatkan data sekunder dari sistem informasi kesehatan Puskesmas Simpang Kawat yang mencakup periode Januari–Desember 2025, yang terdiri dari 27.273 catatan pelayanan. Variabel independen meliputi usia pasien, poliklinik/ruang, jenis kunjungan, status JKN, waktu tunggu, durasi pemeriksaan, dan durasi layanan farmasi, sedangkan variabel dependen adalah status keterlambatan layanan. Pemodelan dilakukan menggunakan perangkat lunak RapidMiner dengan 100 pohon keputusan dan teknik pengambilan sampel bootstrap. Hasil evaluasi model menghasilkan skor sempurna 100% untuk akurasi, presisi, recall, dan F1-Score, dengan nilai AUC-ROC sebesar 1.000. Analisis kepentingan fitur mengungkapkan bahwa Waktu Tunggu adalah variabel yang paling dominan (0,312), diikuti oleh Durasi Pemeriksaan (0,268), Durasi Layanan Farmasi (0,201), dan Status JKN (0,098). Studi ini menyimpulkan bahwa algoritma Random Forest sangat efektif dalam mendeteksi dan mengklasifikasikan risiko keterlambatan layanan kesehatan berdasarkan data historis, dan merekomendasikan untuk mengintensifkan program sosialisasi JKN Mobile dan mengoptimalkan manajemen antrian di Simpang Kawat Puskesmas.

Kata kunci: Random Forest, Keterlambatan Layanan, JKN Mobile, Puskesmas, Penambangan Data.

ABSTRACT

The low utilization of the Mobile JKN application at Simpang Kawat Primary Health Center (Puskesmas) in Jambi City is a major concern contributing to patient queue congestion and service delays. Of approximately 30,000 patient visits annually, only around 11% made use of the Mobile JKN application. This study aims to detect service delay risks for Non-JKN patients using the Random Forest algorithm and to identify the most influential factors contributing to such delays. A quantitative approach based on data mining was employed, utilizing secondary data from the health information system of Simpang Kawat Puskesmas covering the period January–December 2025, comprising 27,273 service records. Independent variables included patient age, polyclinic/room, visit type, JKN status, waiting time, examination duration, and pharmacy service duration, while the dependent variable was service delay status. Modeling was conducted using RapidMiner software with 100 decision trees and bootstrap sampling technique. Model evaluation results yielded perfect scores of 100% for accuracy, precision, recall, and F1-Score, with an AUC-ROC value of 1.000. Feature importance analysis revealed that Waiting Time was the most dominant variable (0.312), followed by Examination Duration (0.268), Pharmacy Service Duration (0.201), and JKN Status (0.098). This study concludes that the Random Forest algorithm is highly effective in detecting and classifying healthcare service delay risks based on historical data, and recommends intensifying Mobile JKN socialization programs and optimizing queue management at Simpang Kawat Puskesmas.

Keywords: Random Forest, Service Delay, Mobile JKN, Primary Health Center, Data Mining.