UNIMMA Kembangkan Inovasi Data Mining PKU Muhammadiyah Grabag untuk Tingkatkan Layanan Rekam Medis

Di era digitalisasi kesehatan, kebutuhan akan sistem pengelolaan data yang rapi dan efisien semakin mendesak. Menjawab tantangan ini, PKU Muhammadiyah Grabag bersama mahasiswa Universitas Muhammadiyah Magelang (UNIMMA) menghadirkan terobosan penting dalam pengelolaan rekam medis pasien rawat jalan.

Melalui penelitian yang dilakukan oleh Amandha Shafa Nabila dari Program Studi Teknik Informatika UNIMMA, ditemukan bahwa algoritma K-Means Clustering mampu menjadi solusi efektif untuk memetakan data pasien secara lebih terstruktur.

Tantangan Klasik dalam Rekam Medis

Setiap harinya, PKU Muhammadiyah Grabag melayani sejumlah pasien rawat jalan dengan total ribuan data yang terus bertambah dalam setahun. Penumpukan data ini tidak hanya memerlukan ruang penyimpanan besar, tetapi juga menyulitkan akses informasi ketika dibutuhkan. Akibatnya, proses analisis kesehatan menjadi lambat dan pelayanan kurang optimal.

Dari Data Mentah Menjadi Pola yang Bermakna

Penelitian ini memanfaatkan ribuan data rekam medis yang terkumpul dalam kurun waktu tertentu, dengan variabel mencakup jenis kelamin, unit pelayanan, umur, status pasien, cara pembayaran, hingga tanggal registrasi.

Langkah pertama adalah preprocessing, yaitu membersihkan data dari kolom yang tidak relevan dan memastikan tidak ada data yang hilang. Setelah itu, peneliti menggunakan Elbow Method dan Silhouette Method untuk menentukan jumlah cluster paling ideal. Hasilnya, terbentuk empat cluster utama yang mampu merepresentasikan pola pasien secara lebih jelas.

Empat Cluster Pasien

Analisis menghasilkan empat cluster yang masing-masing menunjukkan karakteristik berbeda:

• Cluster 1 (48,5%): Didominasi pasien dari Poli Saraf, mayoritas perempuan.

• Cluster 2 (26,8%): Pasien dari Poli Dalam, terdiri dari perempuan dan laki-laki dengan jumlah cukup besar.

• Cluster 3 (17,8%): Pasien dari Poli Umum, distribusinya relatif seimbang antara perempuan dan laki-laki.

• Cluster 4 (6,75%): Pasien dari Poli Anak, dengan jumlah pasien laki-laki sedikit lebih banyak.

Visualisasi data melalui scatter plot memperkuat hasil tersebut, menunjukkan distribusi pasien yang konsisten dengan analisis statistik.

Manfaat Strategis untuk Layanan Kesehatan

Hasil penelitian ini memberikan peta yang lebih jelas tentang karakteristik pasien dan pola penggunaan layanan kesehatan. Informasi ini dapat dimanfaatkan untuk:

• Mengalokasikan tenaga medis sesuai kebutuhan puncak layanan.

• Mengidentifikasi unit dengan beban kerja tertinggi untuk perbaikan fasilitas.

• Merancang promosi kesehatan yang tepat sasaran sesuai profil pasien.

Lebih jauh, temuan ini berkontribusi pada pengembangan rekam medis berbasis data (data-driven medical records). Ke depan, sistem ini berpotensi diintegrasikan dengan analisis prediktif untuk memperkirakan kebutuhan pelayanan kesehatan secara lebih akurat.

Menuju Layanan Kesehatan Berbasis Data dan SDGs

Penelitian ini membuktikan bahwa metode K-Means Clustering dapat menjadi fondasi penting dalam digitalisasi layanan kesehatan di tingkat lokal. Dengan pengelompokan yang lebih terstruktur, PKU Muhammadiyah Grabag dapat meningkatkan efisiensi sekaligus mutu pelayanan bagi masyarakat.

Inovasi ini juga sejalan dengan Sustainable Development Goals (SDGs) nomor 3: Good Health and Well-being, karena mempermudah akses layanan kesehatan yang berkualitas dan berbasis data. Selain itu, pemanfaatan teknologi untuk pengelolaan data mendukung SDGs ke-9: Industry, Innovation, and Infrastructure, yang mendorong inovasi, penguatan infrastruktur, dan transformasi digital di sektor kesehatan. Dengan langkah ini, PKU Muhammadiyah Grabag menunjukkan bahwa pengelolaan data yang cerdas mampu menghadirkan layanan kesehatan lebih efektif, inklusif, dan berkelanjutan. (Ening Widi)

lib.unimma.ac.id