<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="18489">
<titleInfo>
<title>CLUSTERING POLA PENYEBARAN PENYAKIT MENGGUNAKAN METODE K-MEANS PADA DATA REKAM MEDIS PUSKESMAS BANGUNTAPAN 1</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Deborah Kurniawati, S.Kom., M.Cs</namePart>
<role><roleTerm type="text">Additional Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>KHANIFAH, EZA NURUL UMI - 225610081</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2026</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Pemanfaatan data rekam medis elektronik (RME) di Puskesmas Banguntapan 1 belum dilaksanakan secara optimal sebagai dasar analisis dan pengambilan keputusan. Penelitian ini bertujuan mengidentifikasi pola penyebaran penyakit berdasarkan wilayah menggunakan metode K-Means Clustering pada data rekam medis elektronik Puskesmas Banguntapan 1.
Data yang digunakan sebanyak 53.918 record pasien diperoleh dari data rekam medis pasien tahun 2025. Proses analisis dilakukan menggunakan bahasa pemrograman Python dengan memanfaatkan platform Google Colab. Clustering dilakukan berdasarkan empat atribut utama, yaitu umur, jenis kelamin, desa, dan diagnosis utama. Tahapan preprocessing data meliputi pembersihan data, label encoding, dan standarisasi menggunakan StandardScaler. Penentuan jumlah cluster optimal dilakukan melalui evaluasi Silhouette Score dan Davies-Bouldin Index (DBI), yang menghasilkan 15 cluster sebagai konfigurasi terbaik dengan nilai Silhouette Score 0,350 dan DBI 0,936.
Hasil analisis mengidentifikasi tiga pola penyakit dominan, yaitu : (1) penyakit kronis kardiovaskular dan metabolik seperti hipertensi dan diabetes pada kelompok usia 51-61 tahun dengan dominasi pasien laki-laki; (2) penyakit akut dan infeksi ringan seperti ISPA dan gangguan gigi pada kelompok usia 12-17 tahun; serta (3) layanan preventif dan kesehatan reproduksi, meliputi pemeriksaan kehamilan, imunisasi, dan tuberkulosis, pada kelompok usia produktif 21-41 tahun dengan dominasi pasien perempuan. Distribusi kasus tertinggi ditemukan di desa Potorono, Wirokerten, Baturetno, Jambidan, dan Banguntapan.
Penelitian ini berhasil membuktikan bahwa pendekatan epidemiologi spasial dan efektivitas K-Means Clustering mampu memberikan gambaran dalam pemetaan pola penyakit tingkat desa sebagai dasar pengambilan keputusan untuk perencanaan program kesehatan di Puskesmas Banguntapan 1.
Kata Kunci : epidemiologi spasial, hasil analisis, K-Means Clustering, pemetaan penyakit, rekam medis elektronik</note>
<subject authority=""><topic>CLUSTERING</topic></subject>
<subject authority=""><topic>Metode K-Means</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>021 KHA C R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">KHA0021SI2026</numerationAndChronology>
<sublocation>RAK REFERENSI SKRIPSI SI</sublocation>
<shelfLocator>021 KHA C R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>18489</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2026-04-17 13:37:31</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2026-04-17 13:38:18</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>