Prediksi Kebutuhan Tempat Tidur Menggunakan Data Mining di Rumah Sakit Panti Waluyo Yakkum Surakarta

Evaluasi efisiensi tempat tidur sangat penting untuk mengoptimalkan
pelayanan rawat inap di rumah sakit. Rumah Sakit Panti Waluyo Yakkum Surakarta
mengalami fluktuasi jumlah kunjungan pasien pada periode 2023–2025, namun
pihak manajemen belum pernah melakukan perhitungan prediksi alokasi kebutuhan
fasilitas tempat tidur tersebut. Oleh karena itu, penelitian ini bertujuan untuk
memprediksi kebutuhan tempat tidur menggunakan teknik data mining guna
mendukung perencanaan dan peningkatan kualitas pelayanan rawat inap secara
lebih optimal.
Penelitian deskriptif kuantitatif pendekatan retrospektif. Dataset penelitian
terdiri dari 36 data bulanan rekapitulasi indikator rawat inap periode Januari 2023
hingga Desember 2025. Variabel Bed Occupancy Rate (BOR), Length of Stay
(LOS), Turn Over Interval (TOI), dan Bed Turn Over (BTO) digunakan sebagai
prediktor (feature) untuk mengestimasi jumlah tempat tidur tersedia (target),
dengan proporsi pembagian data sebesar 80% data training dan 20persen data testing
menerapkan algoritma Regresi Linear dengan bantuan aplikasi Orange Data
Mining.
Hasil pengujian model menunjukkan tingkat akurasi yang sangat tinggi dengan
nilai koefisien determinasi (2) sebesar 1,00 serta nilai error RMSE dan MAE
sebesar 0,003. Tren proyeksi menunjukkan adanya penurunan kebutuhan tempat
tidur secara linier dari bulan ke bulan. Nilai prediksi tertinggi terjadi pada periode
68 104 unit, sedangkan nilai prediksi terendah tercatat pada periode 50 sebesar 97
unit.
Kesimpulannya, penerapan algoritma Regresi Linear sangat efektif dalam
memproyeksikan alokasi kebutuhan tempat tidur rumah sakit berbasis data
indikator pelayanan rawat inap. Penurunan proyeksi kebutuhan dari 104 unit
menjadi 97 unit ini mencerminkan bentuk efisiensi alokasi internal tempat tidur
yang baik di rumah sakit. Hasil penelitian ini direkomendasikan sebagai acuan bagi
manajemen rumah sakit dalam pengambilan keputusan dan perencanaan pelayanan
berbasis data.