digilib@itb.ac.id +62 812 2508 8800

STUDI KOMPARATIF PERFORMANSI ALGORITMA CLUSTERING UNTUK PENGELOMPOKAN PADA DATA REKAM MEDIS PEGAWAI PT PLN INDONESIA POWER KAMOJANG

Penulis : Vera Elysa Risti [20922317]
Kontributor / Dosen Pembimbing :
  • Dr. Eng. Dwi Irwanto, S.Si., M.Si., M.Eng.
Jenis Koleksi : Tesis
Tahun Terbit : 2024
Penerbit : Sains Komputasi
Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam
Subjek :
Kata Kunci : Data Kesehatan, K-Means, K-Medoid, DBSCAN, GMM, Agglomerative, Davies Bouldin Index, PCA, Autoencoder.
Sumber :
Staf Input/Edit : Yati Rochayati  
File : 1 file
Tanggal Input : 17 Des 2024

PT PLN Indonesia Power Kamojang merupakan salah anak perusahaan PT PLN (persero). Salah satu fasilitas dari perusahaan tersebut khususnya dalam bidang kesejahteraan pegawai yaitu diberikannya manfaat kesehatan atau klaim kesehatan yang dapat diajukan kepada perusahaan. Sampai dengan saat ini, data rekam medis tersebut belum digunakan secara spesifik untuk mendukung program perusahaan. Berdasarkan surat edaran direksi nomor 228.K/010/IP/2022 tentang Human Experience Management System (HXMS) salah satu pasal menyebutkan fokus perusahaan dalam mendukung program baru yang berkofus diantaranya pada kesehatan jiwa, fisik, dan mental pegawai, yaitu Employee Wellness Program. Hal ini mendorong penelitian ini untuk mengambil andil dalam rangka mendukung program perusahaan tersebut dengan menggunakan data rekam medis pegawai dari Bulan Januari tahun 2018 sampai dengan Bulan Juni 2024 dan sebagai upaya untuk memberikan masukan kepada manajemen untuk menentukan program IP Wellness untuk pegawai dilingkungan PT PLN Indonesia Power Kamojang. Penelitian ini menggunakan beberapa model algoritma yaitu K-means, K-medoids, DBSCAN, Gaussian Mixture Models (GMM) dan Agglomerative dengan didukung perbandingan antara reduksi dimensi PCA dan Autoencoder untuk menentukan model algoritma mana yang paling baik dalam kasus ini, maka ditentukan nilai K optimal dengan menggunakan algoritma Elbow. Adapun dalam pencarian model algoritma Clustering dan Eksperimen tersebut, penelitian ini menggunakan Google Collab dan dan Jupiter Notebook serta menggunakan bahasa Phyton. Dari masingmasing algoritma penelitian ini menggunakan Davies Bouldin Index untuk mengevaluasi tiap model algoritma yang digunakan. Hasil cluster dengan nilai DBI paling kecil didapatkan oleh AE-GMM yaitu 0.4506. Adapun interpretasi yang dilakukan dari sisi biaya, penyakit dan usia menghasilkan pengelompokan yaitu Kluster 0 biaya rendah dengan penyakit yang diderita ringan serta usia tua maupun muda lebih sedikit, dan Kluster 1 menunjukkan biaya tinggi dengan penyakit yang diderita berat dan sebaran usia tua dan muda lebih banyak.

Artikel Terkait