Penerapan Hybrid K-Means Clustering dan Prefixspan untuk Analisis Trajektori Penyakit Katastropik sebagai Deteksi Dini Risiko Komplikasi

Abstract

Penyakit katastropik merupakan tantangan utama layanan kesehatan di Indonesia yang memiliki karakteristik progresif dan multimorbiditas. Pendekatan diagnosis klinis konvensional seringkali berfokus secara statis pada satu titik waktu, sehingga gagal menangkap pola kronologis perburukan pasien di masa mendatang. Penelitian ini mengusulkan arsitektur komputasi hybrid yang menggabungkan algoritma K-Means Clustering dan PrefixSpan untuk mensegmentasi profil risiko pasien dan mengekstrak pola probabilitas urutan komplikasi (Sequential Pattern Mining) secara terarah dan efisien. Penelitian menggunakan data historis Rekam Medis Elektronik (RME) RSUD X periode 2020-2024 yang menghasilkan 393.875 baris data tervalidasi pada tahap prapemrosesan. Algoritma K-Means mengeksekusi atribut usia dan beban poli yang dibobotkan secara langsung melalui validasi pakar. Penentuan klaster optimal dievaluasi dengan Davies-Bouldin Index (DBI) dan Silhouette Coefficient. Data dari masing-masing klaster kemudian ditransformasi menjadi basis data sekuensial untuk diekstraksi trajektorinya menggunakan PrefixSpan pada ambang batas minimum support 1% dan divalidasi oleh metrik confidence. Hasil penelitian membuktikan model segmentasi paling optimal terbentuk pada K=8 dengan Silhouette Coefficient sebesar 0,505324 dan DBI sebesar 0,64963. Algoritma berhasil mengisolasi profil pasien berisiko tinggi (Klaster 4 dan 6) secara tegas dari kelompok kunjungan akut/transien (Klaster 1 dan 5). Pada klaster berisiko tinggi, PrefixSpan sukses memetakan rantai perburukan deterministik, seperti transisi persisten dari Hipertensi (I10) menuju Stroke (I64) di Klaster 4 dengan confidence mencapai 83,62%, serta pola komplikasi kardiovaskular dan ginjal di Klaster 6. Penggabungan kedua algoritma ini terbukti andal mengekstrak pola penyakit yang dapat dimanfaatkan sebagai basis pengetahuan (knowledge base) preventif peringatan dini komplikasi di fasilitas kesehatan