STUDI PENGELOMPOKAN RUMAH SAKIT DI BOJONEGORO BERDASARKAN JENIS TENAGA KESEHATAN DENGAN METODE K-MEANS DAN K-MEDOIDS

SAFITRI, ELSA MAULIDA (2024) STUDI PENGELOMPOKAN RUMAH SAKIT DI BOJONEGORO BERDASARKAN JENIS TENAGA KESEHATAN DENGAN METODE K-MEANS DAN K-MEDOIDS. Sarjana (S1) thesis, Universitas Nahdlatul Ulama Sunan Giri.

[thumbnail of cover.pdf] Text
cover.pdf

Download (470kB)
[thumbnail of AWALAN .pdf] Text
AWALAN .pdf

Download (1MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (461kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Registered users only

Download (765kB) | Request a copy
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[thumbnail of BAB  IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (970kB) | Request a copy
[thumbnail of BAB V.pdf] Text
BAB V.pdf

Download (452kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (478kB)
[thumbnail of LAMPIRAN .pdf] Text
LAMPIRAN .pdf
Restricted to Registered users only

Download (650kB) | Request a copy

Abstract

Elsa Maulida Safitri. 2024. Studi Pengelompokan Rumah Sakit di Bojonegoro Berdasarkan Jenis Tenaga Kesehatan dengan Metode K-means dan K-Medoids. Skripsi Jurusan Statistika Fakultas Sains dan Teknologi Universitas Nahdlatul Ulama Sunan Giri. Pembimbing Utama Denny Nurdiansyah, M.Si. dan Pembimbing Pendamping Alif Yuanita Kartini, M.Si. Rumah sakit merupakan sebuah instansi kesehatan dan pusat kesehatan yang menampung dan mengobati orang sakit, serta menyediakan rawat inap. Menurut data yang dikumpulkan dari jumlah tenaga kesehatan di Kabupaten Bojonegoro, perawatan pasien di rumah sakit sudah cukup baik, tetapi ada satu kendala. Kekurangan perawat menyebabkan tenaga kesehatan terkadang meminta bantuan keluarga pasien untuk melakukan apa yang mereka butuhkan. Jumlah tenaga kesehatan yang lebih besar dapat mengurangi jumlah kasus penyakit pada periode berikutnya. Tujuan penelitian ini adalah membandingkan metode-metode clustering untuk mendapatkan metode terbaik sehingga bisa diterapkan untuk mengelompokkan rumah sakit berdasarkan jenis tenaga kesehatan. Penelitian ini menerapkan 2 metode clustering, yaitu K-Means dan K-Medoids Clustering yang dibandingkan untuk mendapat metode terbaik. Sumber data yang digunakan adalah data sekunder yang terdiri dari jumlah tenaga penunjang, perawat, dokter spesialis, dokter umum, ketenisian, tenaga teknis kefarmasian, apoteker, gizi, dokter gigi, kesehatan lingkungan, keterapian fisik, dokter gigi spesialis, dan kesehatan masyarakat yang diambil dari website Satu Data Bojonegoro tahun 2020. Hasil perbandingan metode yang telah dilakukan untuk mengklasterkan data jumlah tenaga kesehatan menunjukkan bahwa metode terbaik adalah metode K-means dengan nilai average within cluster distance paling dekat dengan nol, yaitu -6.763. Metode ini membentuk 4 cluster, di antaranya cluster_0 dengan beranggotakan 3 rumah sakit, cluster_1 dengan jumlah anggota 1 rumah sakit, cluster_2 dengan jumlah anggota 1 rumah sakit, dan cluster_3 dengan jumlah anggota 5 rumah sakit. Kesimpulan dari penelitian ini adalah untuk pemerataan kapasitas dan fasilitas rumah sakit di Kabupaten Bojonegoro, rumah sakit tersebut dikelompokkan menjadi 4 kluster dengan menerapkan metode K-means sebagai metode terbaik.

Item Type: Thesis (Sarjana (S1))
Uncontrolled Keywords: Hospital, K-means, K-Medoids
Subjects: 600 – Teknologi (Ilmu Terapan) > 610 Ilmu kedokteran, ilmu pengobatan dan ilmu kesehatan > 610 Ilmu kedokteran, ilmu pengobatan dan ilmu kesehatan
600 – Teknologi (Ilmu Terapan) > 610 Ilmu kedokteran, ilmu pengobatan dan ilmu kesehatan > 613 Ilmu Kesehatan Umum dan keamanan
Divisions: Fakultas Sains dan Teknologi > Statistika
Depositing User: Elsa Maulida SAFITRI
Date Deposited: 28 Nov 2024 05:03
Last Modified: 28 Nov 2024 05:03
Contributors (Pembimbing / Pengarah):
Contribution
Name
NIDN
Thesis advisor
NURDIANSYAH, DENNY
NIDN0726058702
Thesis advisor
KARTINI, ALIF YUANITA
NIDN0721048606
URI: https://repository.unugiri.ac.id:8443/id/eprint/6962

Actions (login required)

View Item
View Item