Implementasi Dashboard Pasien Rawat Jalan Rumah Sakit Umum XYZ dengan Fitur Clustering, Forecasting dan Outlier Detection

Penulis

  • Fajril Akbar Departemen Sistem Informasi Universitas Andalas
  • Rafiqah Rafiqah Departemen Sistem Informasi Universitas Andalas
  • Dwi Welly Sukma Nirad Departemen Sistem Informasi Universitas Andalas

DOI:

https://doi.org/10.25077/TEKNOSI.v11i2.2025.170-177

Kata Kunci:

Dashboard, Forecasting, Clustering, Outlier Detection, Visualisasi Data Pasien

Abstrak

Rumah Sakit Umum XYZ (RSU XYZ) telah menggunakan Sistem Informasi Manajemen Rumah Sakit (SIMRS) untuk mendukung operasional seperti pendaftaran pasien, pelayanan poliklinik, dan manajemen sumber daya manusia (SDM). Namun, sistem tersebut belum mampu menyediakan visualisasi data yang memadai bagi manajemen rumah sakit. Di samping itu, RSU XYZ menghadapi permasalahan dalam pembagian beban kerja dokter. Kondisi yang terjadi adalah beberapa dokter menangani lebih banyak pasien dibandingkan rekan sejawat lainnya, yang dapat memengaruhi distribusi layanan medis. Untuk mengatasi hal ini, perlu dilakukan identifikasi melalui dashboard dapat membantu rumah sakit dalam menganalisis data dengan lebih efisien. Business Intelligence (BI) memungkinkan prediksi tren jumlah pasien, analisis penyakit, pengelompokan dokter, serta deteksi outlier kinerja dokter untuk evaluasi berkala dan memberikan perhatian khusus bila diperlukan. Visualisasi outlier yang terdeteksi khusus digunakan untuk mengevaluasi kinerja dokter, mengidentifikasi ketidakseimbangan beban kerja, dan memberikan dasar untuk tindakan perbaikan. Penelitian ini melakukan observasi, wawancara dan studi literatur sebagai metode pengumpulan data, serta mengikuti tahapan Roadmap BI yang meliputi justification, planning, business analysis, design, construction, dan deployment. Tahapan dalam penerapan BI ini melalui proses ETL (Extract, Transform, Load) menggunakan tools Pentaho Data Integration untuk pembuatan data warehouse dan Tableau Desktop serta Python untuk pembuatan dashboard, forecasting, clustering, hingga outlier detection. Metode yang digunakan meliputi forecasting dengan exponential smoothing, sedangkan teknik clustering menggunakan K-Means, dan outlier detection menggunakan Z-Score. Penelitian ini menghasilkan tujuh dashboard utama, yaitu dashboard rawat jalan, poliklinik, diagnosa penyakit, poliklinik kardiologi, forecasting, clustering, dan outlier detection

Referensi

J. Ranjan and C. Foropon, “Big data analytics in building the competitive intelligence of organizations,” International Journal of Information Management, vol. 56, p. 102231, 2021.

A. W. Nugroho and A. A. G. S. Utama, “Business Intelligence Systems and Their Impact on Organizational Decision-Making and Performance Outcomes: Literature Review,” Owner: Riset dan Jurnal Akuntansi, vol. 9, no. 2, pp. 1269–1284, 2025.

S. Maesaroh, R. R. Lubis, L. N. Husna, R. Widyaningsih, R. Susilawati, and P. M. Yasmin, “Efektivitas implementasi manajemen business intelligence pada industri 4.0,” ADI Bisnis Digital Interdisiplin Jurnal, vol. 3, no. 2, pp. 69–75, 2022.

A. Supriono, “Pemanfaatan Business Intelligence Untuk Monitoring Tren Penyakit Di Rumah Sakit,” Innotech: Jurnal Ilmu Komputer, Sistem Informasi dan Teknologi Informasi, vol. 1, no. 2, pp. 39–49, 2024.

F. I. Putri, H. Suryamen, and U. M. Wahyuni, “Penerapan Business Intelligence Dashboard Dan Forecasting Pada Jumlah Pasien Puskesmas Xyz,” Innotech: Jurnal Ilmu Komputer, Sistem Informasi dan Teknologi Informasi, vol. 1, no. 2, pp. 1–11, 2024.

J. C. Calabria-Sarmiento, A. Meza-Gómez, and J. Escorcia-Gutierrez, “Application of Business Intelligence to Analysis of Factors for the Prevention of Non-communicable Diseases,” presented at the International Conference on Computer Information Systems and Industrial Management, Springer, 2024, pp. 125–138.

M. Putri, M. Syahruddin, M. Z. Haq, C. Cholish, A. Abdullah, and G. Gunoro, “Building Lighting System Based on Timing and Light Dimmer Based on Internet Of Things,” RELE (Rekayasa Elektrikal dan Energi): Jurnal Teknik Elektro, vol. 6, no. 1, pp. 72–78, 2023, doi: 10.30596/rele.v6i1.15492.

R. A. Shittu et al., “The role of business intelligence tools in improving healthcare patient outcomes and operations,” World Journal of Advanced Research and Reviews, vol. 24, no. 2, pp. 1039–1060, 2024.

L. J. Basile, N. Carbonara, R. Pellegrino, and U. Panniello, “Business intelligence in the healthcare industry: The utilization of a data-driven approach to support clinical decision making,” Technovation, vol. 120, p. 102482, 2023.

S. Mahmoud, A. Lotfi, and C. Langensiepen, “User activities outliers detection; integration of statistical and computational intelligence techniques,” Computational Intelligence, vol. 32, no. 1, pp. 49–71, 2016.

M. Hauskrecht et al., “Outlier-based detection of unusual patient-management actions: an ICU study,” Journal of biomedical informatics, vol. 64, pp. 211–221, 2016.

N. Alharbe, M. A. Rakrouki, and A. Aljohani, “A healthcare quality assessment model based on outlier detection algorithm,” Processes, vol. 10, no. 6, p. 1199, 2022.

A. G. Ufa, “Penerapan Business Intelligence Untuk Visualisasi Forecasting Dan Clustering Data Rekam Medis Pasien Di Unit Pelayanan Medis Rumah Sakit Umum Madina Kota Bukittinggi,” 2023.

R. Irsyalina and R. P. Santi, “Penerapan business intelligence dan prescriptive analytics pada mutu pelayanan kesehatan rumah sakit di Kota Pekanbaru,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 10, no. 1, pp. 27–35, 2024.

M. A. Mach and M. S. Abdel-Badeeh, “Intelligent techniques for business intelligence in healthcare,” presented at the 2010 10th International Conference on Intelligent Systems Design and Applications, IEEE, 2010, pp. 545–550.

L. T. Moss and S. Atre, Business intelligence roadmap: the complete project lifecycle for decision-support applications. Addison-Wesley Professional, 2003.

Unduhan

Telah diserahkan

28-08-2025

Diterima

01-09-2025

Diterbitkan

06-09-2025

Cara Mengutip

[1]
F. Akbar, R. Rafiqah, dan D. W. S. Nirad, “Implementasi Dashboard Pasien Rawat Jalan Rumah Sakit Umum XYZ dengan Fitur Clustering, Forecasting dan Outlier Detection”, TEKNOSI, vol. 11, no. 2, hlm. 170–177, Sep 2025.

Terbitan

Bagian

Articles

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2 

Artikel Serupa

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.