Data Mining Pengelompokan Biaya Pengeluaran Rumah Sakit Oleh BPJS Kesehatan Menggunakan Algoritma K-Means
Abstract
Sejak dioperasionalkan BPJS Kesehatan sebagai pelaksana Jaminan Kesehatan Nasional (JKN), berbagai kalangan mengkhawatirkan tarif yang diberlakukan dengan mengacu kepada INACBG. Sering kali rumah sakit mengalami kerugian karena tidak sesuainya biaya yang dikeluarkan rumah sakit terhadap tarif INACBG. Pengelompokan dalam data mining dapat digunakan untuk menganalisa kelompok biaya tiap-tiap diagnosa penyakit yang mengalami kerugian atau biaya yang rumah sakit keluarkan tidak sesuai dengan INACBG. Salah satu metode yang dapat digunakan dalam teknik pengelompokan adalah algoritma KMeans. Algoritma K-Means yang merupakan metode data clustering non hirarki yang mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok lain. Tujuan dari penelitian ini mengelompokan biaya yang rumah sakit keluarkan terhadap tarif INACBG apakah telah sesui dengan semestinya. Hasil dari penelitian ini dapat digunakan sebagai sistem pendukung keputusan rumah sakit dalam menetapkan tarif rumah sakit.
Kata Kunci : Algoritma K-Means, Clustering, INACB.
References
Ediyanto, Mara, M. N., & Satyahadewi, N. (2013). Pengklasifikasian Karakteristik Dengan Metod K-Means Cluster Analysis. Buletin Ilmiah, 02(2), 133–136.
Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-24
Info BPJS Kesehatan. (2014). Perubahan Tarif INA-CBGs. In BPJS Kesehatan (Vol. 8).
Prasetyo, Eko. (2014). Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. Bojonegoro: Universitas Negeri Malang.
Project Jupyter . (2019, Desember). Jupyter. Retrieved from Jupyter: https://jupyter.org/
Rakhman, A. (2017). Prediksi Ketepatan Kelulusan Mahasiswa menggunakan Metode Decision Tree Berbasis Particle Swarm Optimation (PSO). Smart Comp: Jurnalnya Orang Pintar Komputer, 6(1), 193-197.
Susanto, Sani. (2010). Pengantar Data Mining Menggali Pengetahuan Dari Bongkahan Data. Yogyakarta : CV ANDI OFFSET.
Ong, J. O. (2013). Implementasi Algotritma K-means clustering untuk menentukan strategi marketing president university. Jurnal Ilmiah Teknik Industri, vol.12, no(juni), 10–20.
DOI: https://doi.org/10.30591/smartcomp.v10i2.2128
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
SMART COMP INDEXED OR REGISTERED BY
View My Stats