Disease Trajectory (Lintasan penyakit) adalah sebuah studi yang menganalisis tren dan evolusi penyakit dari waktu ke waktu, yang berpotensi memberikan wawasan berharga dalam mengelola kondisi kronis seperti penyakit ginjal kronis (CKD), yang mempengaruhi lebih dari 800 juta orang di seluruh dunia. Di Indonesia, CKD diperkirakan menjadi 19% dari total penyakit masalah bangsa kesehatan pada tahun 2024. Hal ini menyoroti perlunya pemahaman yang lebih mendalam mengenai perkembangan CKD. Penelitian yang ada kurang fokus pada lintasan penyakit CKD. Dengan menggunakan dataset Asuransi Kesehatan Indonesia (BPJS), penelitian ini bertujuan untuk mengeksplorasi perkembangan CKD secara lebih rinci. Process Mining, khususnya algoritma Heuristic Miner, digunakan untuk menganalisis lintasan penyakit CKD, tesis ini berupaya untuk mencaritahun jalur umum CKD, menentukan waktu yang diperlukan dari satu diagnosis CKD ke diagnosis lainnya, dan menemukan diagnosis sekunder yang berhubungan dengan CKD. Model proses ini kemudian akan dievaluasi menggunakan conformance checking yang menggunakan indikator seperti fitness, simplicity, generalization, dan precision. Hasil penelitian menunjukkan jalur umum dari Diabetes Mellitus ke Hipertensi dan kemudian ke CKD, dengan waktu transisi rata-rata dua bulan, dan model menunjukkan kecocokan tinggi dengan data dengan fitness 0.98.
Kata Kunci: process mining, lintasan penyakit, heuristic miner, penyakit ginjal kronis, layanan kesehatan
Disease trajectories is the study of examining general patterns and shifts in diseases, which in turn gives valuable insights into managing chronic conditions like chronic kidney disease (CKD), which affects over 800 million people worldwide. In Indonesia, CKD is estimated to be the nation’s 19% of the total health problems by 2024. This highlights the need for a deeper understanding of CKD progression. Existing research often lacks focus on CKD trajectory. Using the Indonesia Health Insurance dataset, this study aims to explore CKD progression in greater detail. Process mining techniques, specifically the Heuristic Miner algorithm, are employed to analyse CKD trajectories, by examining these trajectories, the thesis seeks to uncover identify common pathways of CKD, determine the time it takes from one CKD diagnosis to another, and examine the secondary diagnoses associated with CKD. This process model will then be evaluated using conformance checking using key indicators such as fitness, simplicity, generalization, and precision. The results indicate a common pathway from Diabetes Mellitus to Hypertension and then to CKD, with an average transition time of two months, and the model shows a high conformance with the data, achieving a fitness score of 0.98.
Keywords: process mining, disease trajectory, heuristic miner, chronic kidney disease, healthcare