Prediksi Biaya Manfaat Kesehatan Pengobatan Rawat Jalan Karyawan  Dengan Metode Data Mining Menggunakan Algoritma Regresi Linier

Perencanaan pengelolaan anggaran menjadi hal sangat penting demi keberlangsungkan bisnis dan

operasional sebuah organisasi atau perusahaan. Efektifitas dan efisiensi dalam penggunaan biaya operasional

maupun non operasional sudah menjadi perhatian khusus bagi manajemen untuk menjaga kestabilan alur kas

keuangan. Biaya kesehatan bagi karyawan perusahaan merupakan salah satu anggaran yang perlu dialokasi dan

dikelola demi kesejahteraan karyawan dalam rangka menjaga peningkatan kinerja karyawan. Salah satu biaya

kesehatan adalah manfaat pengobatan rawat jalan bagi karyawan yang perlu dianggarkan tiap tahunnya. Dukungan

data, informasi dan pengetahuan menjadi faktor penting dalam perencanaan yang dilakukan dalam penganggaran

biaya kesehatan. Salah satu faktor yang menentukan dalam membuat rencana biaya kesehatan adalah berapa besar

biaya pengobatan yang dibutuhkan untuk biaya pengobatan kesehatan rawat jalan. Untuk mendukung data,

informasi dan pengetahuan berkaitan dengan perkiraan anggaran biaya kesehatan karyawan tersebut maka ingin

didapatkan prediksi biaya manfaat pengobatan rawat jalan dalam satu tahun kedepan. Pada penelitian ini dibuat

proses Data Mining dengan menggunakan Metode Regresi Linier untuk mendapatkan berapa total biaya dari

manfaat pengobatan rawat jalan untuk biaya obat, dokter umum, dokter spesialis, lab diagnostik dan fisioterapi.

Jumlah peserta menjadi variabel predictor sedangkan total biaya manfaat pengobatan rawat jalan menjadi variabel

response. Dari hasil perhitungan didapat rumus persamaan yaitu Y= -125623110 + 383795X, untuk mendapatkan

prediksi biaya obat, Y= -8561735 + 29796 X, untuk mendapatkan prediksi biaya dokter umum, Y= - 218247706

+ 164818X, untuk mendapatkan prediksi dokter spesialis, Y= -2858569 + 200340X, untuk mendapatkan prediksi

biaya lab diagnostik, serta Y= -10912062 + 30500X, untuk mendapatkan prediksi biaya fisioterapi.

Kata Kunci: Data Mining, Regresi Linier, Variable Predictor, Variabel Response