Data Mining Technique into Health Insurance Information System

Data Mining Technique into Health Insurance Information System

Title      : Applying Data Mining Techniques to a Health Insurance Information System

Author  : Marisa S. Viveros, John P. Nearhos, Michael J. Rothman

Source  : http://gbook.yolasite.com/resources/P286.PDF

                Jurnal ini membahas kefektifan dua teknik data mining dalam menganalisis dan mengambil pola perilaku yang tidak diketahui dari data besar yang dikumpulkan dalam industry asuransi kesehatan. Secara khsusus, database yang akan digunakan adalah database episode untuk layanan patologi dan database praktisi umum. Aturan asosiasi yang diterapkan untuk database episode, segmentasi saraf diaplikasikan pada overlay dari kedua database. Hasil yang diperoleh dari studinya menunjukkan Potensi nilai data mining di bidang kesehatan asuaransi , dengan mendeteksi pola dalam layanan patologi dan dengan mengelompokkan para dokter umum ke kelompok yang menceriminkan sifat dan gaya mereka praktek. Pendekatan yang digunakan menyebabkan hasil yang tidak bisa diperoleh dengan menggunakan teknik konvensional.  

               

Gambaran pada aturan asosiasi yaitu diberikannya database transaksi, dimana setiap transaksi merepresentasikan satu asset dari item, menghasilkan semua asosiasi sehingga kehadiran dari beberapa item spesifik x di dalam sebuah transaksi menunjukkan kehadiran item lain y. Aturan asosiasi x => y akan menunjukkan sebuah support dan confidence lebih besar dari support minimum dan confidence minimum , dimana

            Support adalah angka atau fraksi dari transaksi yang mengandung set item yang diberikan.

            Confidence adalah frekuensi yang mengukur sebuah item dari 1 set item ditemukan bersama.

Databasenya dapat berupa berkas file, tabel relasi atau hasil dari ekspresi relasi. Kehebatan dari teknik ini adalah kemampuanya dalam menghandel database besar secara efisien, sementara itu waktu eksekusi berbanding lurus dengan ukuran data.

               

                Untuk gambaran pada segmentasi saraf diberikannya sebuah fitur peta self-organizing yang mengandung array 2 dimensi dari unit-unit. Setiap unitnya terhubung ke node input sebanyak , dan mengandung sebuah vector dimensi Wij dimana (I,j) mengidenfikasi lokasi unit (I,j) dari setiap array. Setiap neuron menghitung jarak Euclidian antara vector input x dan vector Wij. Neuron dengan jarak minimum dideklarasi sebagai “Winner” dan input vector ditugaskan untuk neuron ini.

                Pada akhirnya didapatkan bahwa 2 teknik di atas sangat efektif diterapkan untuk database asuransi kesehatan. Melaluki studi para pengarang, mereka menunjukkan bahwa algoritma data mining berhasil digunakan pada database besar dengan waktu ekskusi masuk akal. Berdasarkan pengalaman mereka, didapatkan bawha database besar terbukti sangat berguna bagi asset perusahaan.