VERİ MADENCİLİĞİNDE KÜMELEME ANALİZİ VE SAĞLIK SEKTÖRÜNDE BİR UYGULAMASI

Abstract

Çalışmanın amacı, hastaların verilerinin bulunduğu çok boyutlu bir veri tabanının kümeleme analizi yöntemleriyle incelenmesidir. Veri madenciliği yöntemleri çok boyutlu ve büyük hacimlerdeki veri tabanlarında başarılı sonuçlar üretmektedirBu çalışmada, Cumhuriyet Üniversitesi Hastanesi'ne 2011 yılında başvurmuş olan hastaların 2006-2011 arasındaki kayıtlar, hasta başvuru davranışlarının belirlenmesi amacıyla incelenmiştir. Oluşturulan veri seti yasalar tarafından yetişkin sayılan 18 yaş ile emeklilik sınırı olan 65 yaş arasında bulunan hastalara indirgenmiştir. Böylece veri seti 78.239 hastanın hastane veri tabanından alınan verileri ile oluşturulmuştur. Kümeleme tekniklerinin veri tipine göre yeterlilikleri göz önüne alınarak çalışmada K-Means ve Yoğunluk Tabanlı Kümeleme tekniği uygulanmıştır. Sayısal verilerin yanı sıra hastaların demografik verileri de veri setine dahil edilerek, hastalar hakkında daha somut yargılara varılmak istenmiştir. Uygulanan kümeleme analizi teknikerinden Yoğunluğa Dayalı olan kümeleme yöntemi klasik bir kümeleme yöntemi olan K-Means Kümeleme yöntemine göre daha uygun sonuçlara ulaşılmasını sağlamıştır

The aim of the study is examining of a multidimensional database via clustering analysis methods. Data mining methods produce successful results in multidimensional and large databases. In this study, records of patients who applied to Cumhuriyet University Hospital in 2011 between the years of 2006-2011 were examined for the purpose of determination of patient Application behaviours. Data set were reduced to the interval of 18 which is respected as adult age by law and 65 which is the legal limit of retirement. In this way, data set was produced with 78,239 patients’ data derived from hospital database. Regarding clustering techniques according to data types, K-Means and Density Based Clustering methods were used in the study. Integrating demographic data with numerial data to the database, it was intended to acquire more tangible jurisdictions about patients. Consequently, Density Based Clustering Method provide more favourable results than K-Means Clustering Method which is a classical clustering method.