Magelang, 15 Agustus 2025 – Di tengah derasnya arus digitalisasi di sektor kesehatan, Pusat Kesehatan Umat (PKU) Muhammadiyah Grabag melakukan terobosan penting dalam pengelolaan rekam medis rawat jalan. Penelitian terbaru yang dilakukan Amandha Shafa Nabila dari Program Studi Teknik Informatika Universitas Muhammadiyah Magelang berhasil membuktikan bahwa algoritma K-Means Clustering dapat menjadi solusi efektif untuk memetakan data pasien secara lebih terstruktur.

PKU Muhammadiyah Grabag, yang setiap harinya melayani 8–10 pasien, atau sekitar 1.704 pasien dalam setahun, menghadapi tantangan klasik: penumpukan data rekam medis. Tidak hanya memerlukan ruang penyimpanan besar, data yang tidak dikelola dengan baik berisiko hilang dan sulit diakses ketika dibutuhkan. Situasi ini membuat proses analisis layanan kesehatan menjadi lambat dan kurang efisien.

Penelitian ini difokuskan pada pengelompokan data rekam medis pasien rawat jalan berdasarkan unit pelayanan dan jenis kelamin. Dengan metode K-Means Clustering, data pasien dikelompokkan ke dalam beberapa kategori yang memiliki karakteristik serupa. Tujuannya jelas: memudahkan pihak manajemen dalam memahami pola penggunaan layanan kesehatan, mengoptimalkan alokasi sumber daya, serta meningkatkan mutu pelayanan.

Selain itu, penelitian ini bertujuan untuk memberikan dasar ilmiah bagi pengambilan keputusan berbasis data di PKU Muhammadiyah Grabag. Informasi yang dihasilkan diharapkan dapat menjadi pijakan dalam merancang strategi peningkatan layanan, baik dari sisi efisiensi maupun akurasi penanganan pasien.

Dari Data Mentah ke Pola yang Bermakna
Penelitian dimulai dengan pengumpulan data mentah yang mencakup periode 2023–2024. Variabel yang digunakan meliputi jenis kelamin, unit pelayanan, umur, status pasien, cara pembayaran, dan tanggal registrasi. Total terkumpul 1.704 baris data.

Tahap awal adalah preprocessing, yaitu membersihkan data dari kolom yang tidak relevan, memeriksa missing value, dan menyiapkan data untuk analisis. Menariknya, tidak ditemukan data yang hilang sehingga proses dapat dilanjutkan tanpa hambatan.

Selanjutnya, penentuan jumlah cluster optimal dilakukan menggunakan dua metode evaluasi: Elbow Method dan Silhouette Method. Kedua metode ini sama-sama menunjukkan bahwa empat cluster merupakan jumlah paling ideal untuk membagi data pasien.

Dengan jumlah cluster yang sudah ditentukan, algoritma K-Means Clustering dijalankan. Proses ini mengelompokkan pasien berdasarkan kesamaan karakteristik, dengan menghitung jarak terdekat antara data pasien dan titik pusat (centroid) masing-masing cluster.

Hasil: Empat Cluster yang Menceritakan Pola Layanan
Hasil akhir menunjukkan pembagian pasien ke dalam empat cluster yang jelas perbedaannya:

1. Cluster 1 (48,5% data)
   Didominasi pasien dari Poli Saraf, dengan 483 perempuan dan 344 laki-laki.
2. Cluster 2 (26,8% data)
   Pasien dari Poli Dalam/Interma, terdiri dari 265 perempuan dan 192 laki-laki.
3. Cluster 3 (17,8% data)
   Pasien dari Poli Umum, relatif seimbang antara 161 perempuan dan 142 laki-laki.
4. Cluster 4 (6,75% data)
   Pasien dari Poli Anak, hampir seimbang antara 56 perempuan dan 59 laki-laki.

Visualisasi data dalam bentuk scatter plot menunjukkan distribusi pasien yang cukup konsisten dengan hasil analisis statistik. Mayoritas cluster menunjukkan dominasi pasien perempuan, kecuali pada cluster 4 (Poli Anak) dan cluster 3 (Poli Umum) yang lebih seimbang.

Manfaat Strategis untuk Manajemen Layanan
Dengan adanya pengelompokan ini, pihak PKU Muhammadiyah Grabag memiliki peta yang lebih jelas tentang siapa saja pasien mereka dan layanan apa yang paling sering digunakan. Informasi ini dapat digunakan untuk:

• Mengalokasikan tenaga medis sesuai kebutuhan puncak layanan.

• Mengidentifikasi unit pelayanan dengan beban kerja tertinggi untuk dilakukan perbaikan fasilitas atau penambahan staf.

• Merancang program promosi kesehatan yang tepat sasaran sesuai karakteristik pasien di tiap cluster.

Tidak hanya itu, penelitian ini juga berkontribusi pada pengembangan rekam medis berbasis data (data-driven medical records), yang di masa depan dapat diintegrasikan dengan analisis prediktif untuk memproyeksikan kebutuhan pelayanan.

Penelitian membuktikan bahwa metode K-Means Clustering efektif dalam mengelola data rekam medis pasien rawat jalan di PKU Muhammadiyah Grabag. Empat cluster yang terbentuk mencerminkan variasi unit pelayanan dan distribusi jenis kelamin pasien, memberikan gambaran yang lebih terstruktur dan mudah dianalisis.

Ke depan, peneliti menyarankan agar variabel tambahan seperti usia pasien, riwayat penyakit, atau jenis obat dimasukkan untuk menghasilkan pengelompokan yang lebih komprehensif. Selain itu, pengumpulan data yang lebih besar dan bervariasi dari tahun-tahun berikutnya dapat memperkaya hasil analisis dan meningkatkan akurasi.

Dengan langkah ini, PKU Muhammadiyah Grabag tidak hanya memanfaatkan teknologi untuk administrasi, tetapi juga mengambil posisi sebagai pelopor pemanfaatan data mining di sektor layanan kesehatan lokal, membuktikan bahwa inovasi bisa lahir dari kebutuhan sehari-hari di lapangan. (ed. Sulistya NG)

Sumber: repositori UNIMMA