Informasi Lainnya
Abstraksi
Process mining merupakan pendekatan analitik berbasis event log yang digunakan untuk memahami dan mengevaluasi alur proses pada sistem kompleks, termasuk layanan kesehatan. Dalam konteks Jaminan Kesehatan Nasional (JKN), data klaim BPJS Kesehatan berpotensi digunakan untuk memodelkan disease trajectory, namun tingginya variasi antar pasien sering menghasilkan model proses yang kompleks dan sulit diinterpretasikan. Penelitian ini bertujuan mengevaluasi pengaruh penerapan clustering sebagai tahap pra-proses terhadap kualitas model process mining pada data layanan kesehatan pasien diabetes melitus di fasilitas rujukan tingkat lanjut (FKRTL). Tiga pendekatan clustering, yaitu K-Means, DBSCAN, dan Deep Embedded Clustering (DEC), dibandingkan dengan pendekatan tanpa clustering sebagai pembanding. Clustering dilakukan pada tingkat pasien berdasarkan atribut kepesertaan dan karakteristik fasilitas layanan kesehatan, kemudian process discovery dilakukan menggunakan algoritma Inductive Miner. Kualitas model proses dievaluasi melalui conformance checking menggunakan metrik fitness, precision, generalization, dan simplicity. Hasil pengujian menunjukkan bahwa seluruh pendekatan menghasilkan nilai fitness yang tinggi, namun penerapan clustering tidak secara konsisten meningkatkan kualitas model proses. Pendekatan tanpa clustering menghasilkan nilai precision dan generalization tertinggi, sementara DBSCAN menghasilkan model yang lebih sederhana dengan penurunan generalization, dan K-Means serta DEC menunjukkan kinerja yang relatif sebanding tanpa melampaui pendekatan tanpa clustering.<br />
Kata Kunci: process mining, clustering, BPJS Kesehatan, Inductive Miner, diabetes melitus
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
