Penerapan Metode K-Means Clustering untuk Menentukan Severity level Penyakit Dengue Hemorrrhagic Fever (DHF) di RSUD Bung Karno Surakarta Tahun 2025

Dengue Hemorrhagic Fever (DHF) masih menjadi masalah kesehatan masyarakat di Indonesia, ditandai peningkatan kasus di RSUD Bung Karno Surakarta dari 48 kasus (2023) menjadi 610 kasus (2025). Kondisi ini menuntut pengelompokan severity level pasien secara objektif untuk mendukung penatalaksanaan klinis. Penelitian ini bertujuan mengetahui hasil severity level pasien DHF melalui metode K-Means Clustering.Jenis penelitian deskriptif kuantitatif dengan pendekatan retrospektif, menggunakan data sekunder rekam medis pasien rawat inap diagnosis DHF tahun 2025 di RSUD Bung Karno Surakarta. Pengolahan data mengikuti kerangka kerja CRISP-DM (Cross-Industry Standard Process for Data Mining), meliputi tahap business understanding hingga deployment. Variabel yang digunakan meliputi usia, trombosit, hematokrit, hemoglobin, dan leukosit, diolah menggunakan K-Means Clustering pada RapidMiner Studio dengan K=3, serta dievaluasi menggunakan Davies-Bouldin Index (DBI).Dari 610 data, diperoleh 592 data valid (97,05persen). Hasil clustering menghasilkan tiga kelompok: Cluster 0 sebanyak 251 pasien (42,40persen), Cluster 1 sebanyak 72 pasien (12,16persen), dan Cluster 2 sebanyak 269 pasien (45,44persen). Nilai DBI sebesar 0,745 (lebih kecil 1,0) menunjukkan kualitas clustering yang baik.Berdasarkan karakteristik centroid, ketiga cluster dipetakan sesuai klasifikasi severity level DHF menurut Kemenkes RI Nomor HK.01.07/MENKES/4636/2021, yaitu Cluster 0 (Dengue Without Warning Signs), Cluster 1 (Dengue With Warning Signs), dan Cluster 2 (Severe Dengue). Tingginya proporsi pasien dengan kategori Severe Dengue perlu menjadi perhatian serius bagi manajemen rumah sakit dalam upaya deteksi dini dan penanganan klinis. Hasil penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam penetapan threshold notifikasi otomatis pada sistem SIMRS, sehingga dapat mendukung pengambilan keputusan klinis yang lebih cepat dan tepat.