Prediksi Durasi Rawat Inap Berdasarkan Profil Medis dan Sosial Pasien Menggunakan KNN

Abstract

Durasi rawat inap pasien merupakan elemen penting dalam manajemen rumah sakit yang efisien, berdampak pada perencanaan kapasitas tempat tidur, alokasi sumber daya medis, dan penggunaan fasilitas rumah sakit. Prediksi durasi rawat inap yang akurat penting untuk memastikan ketersediaan tempat tidur tepat waktu, mengurangi pemborosan sumber daya, serta meningkatkan kualitas perawatan pasien. Memprediksi durasi rawat inap bukanlah tugas mudah karena melibatkan berbagai faktor medis dan sosial. Faktor medis seperti usia, jenis kelamin, riwayat penyakit, dan tingkat keparahan penyakit, serta faktor sosial seperti status sosial-ekonomi, pekerjaan, dan pendidikan mempengaruhi durasi rawat inap pasien. Penelitian ini bertujuan mengembangkan model prediksi durasi rawat inap menggunakan algoritma K-Nearest Neighbors (KNN), dengan mempertimbangkan faktor medis dan sosial pasien. Penelitian ini menggunakan 300 data pasien yang dirawat di RSU Elpi Al Azis pada 2020. Data tersebut mencakup informasi usia, jenis kelamin, riwayat penyakit, tingkat keparahan penyakit, status sosial-ekonomi, pekerjaan, dan durasi rawat inap pasien. Model KNN yang diterapkan menunjukkan hasil baik dengan nilai Mean Absolute Error (MAE) sebesar 2.56 hari, Root Mean Squared Error (RMSE) sebesar 3.21 hari, dan nilai R-squared (R²) sebesar 0.72, yang menjelaskan 72% variabilitas durasi rawat inap pasien. Hasil penelitian ini menunjukkan bahwa faktor medis dan sosial-ekonomi pasien memiliki pengaruh signifikan terhadap durasi rawat inap. Model prediksi yang dikembangkan dapat membantu rumah sakit merencanakan kapasitas tempat tidur, mengalokasikan sumber daya medis lebih efisien, dan meningkatkan kualitas perawatan pasien.