Prediksi Diagnosa Berdasarkan Data Rekam Medis Pasien Menggunakan Support Vector Regression
Article Sidebar
Main Article Content
Abstract
Rekam medis merupakan suatu berkas dari hasil pemeriksaan kesehatan, pengobatan yang diberikan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Penelitian ini dilandasi oleh beberapa permasalahan, diantaranya (1) kurangnya pengawasan, informasi, dan tidak meratanya pemberian layanan kesehatan, (2) terhambatnya perencanaan puskesmas dalam menangulangi kasus yang sudah ada atau yang sering terjadi karena tingginya jumlah dan keberagaman kasus/diagnosa yang ditemukan di masyarakat. Dari permasalahan tersebut dapat diterapkan sistem prediksi diagnosa dengan menerapkan metode Support Vector Regression (SVR). Model SVR yang diterapkan yaitu kernel Linear, kernel Polynomial, serta kernel Radial Basis Function. Pengujian dilakukan dengan membagi dataset ke dalam data uji dan data latih, kumudian dilakukan proses pengujian hingga 9-fold untuk masing-masing model dengan susunan data yang berbeda. Hasil pengujian menunjukkan fungsi kernel RBF memiliki kinerja terbaik dibanding dengan fungsi lainnya dimana nilai NRMSE tertinggi 0.0797 dan nilai akurasi terendah sebesar 0.4826. Hasil prediksi tersebut dapat memberikan sebuah gambaran dan trend mengenai diagnosa yang akan datang berdasarkan data rekam medis pasien.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
M. Tiyas and A. Rohmani, “Hubungan Kepuasan Pasien Dengan Minat Pasien Dalam Pemanfaatan Ulang Pelayanan Kesehatan Pada Praktek Dokter Keluarga,” Fak. Kedokt. Univ. Muhanmadyah Semarang, vol. 1, no. 1, p. 155, 2012.
D. Rachmat, “Implementasi Metode Sorensen Coefficient Dalam Menentukan Daerah Berpotensi Rawan Penyakit Demam Berdarah (Studi Kasus : Kota Pontianak).”
G. Susanto and Sukadi, “Sistem Informasi Rekam Medis Pada Rumah Sakit Umum Daerah ( Rsud ) Pacitan Berbasis Web Base,” Speed – Sentra Penelit. Eng. dan Edukasi, vol. 9, no. 3, pp. 40–46, 2012.
E. Dharmaputeri, “Aplikasi Sistem Informasi Geografis Pelayanan Kesehatan Kota Depok Berbasis Web Menggunakan Quantum Gis,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2013.
H. Gunawan, “Seleksi Hyperspectral Band Menggunakan Recursive Feature Elimination Untuk Prediksi Produksi Padi Dengan Support Vector Regression,” 2012.
Retno Larasati, “Prediksi Awal Musim Hujan Menggunakan Data Southern Oscillation Index Dengan Metode Support Vector Regression,” 2012.
D. O. Kurniawati et al., “Diagnosis Penyakit Pasien Menggunakan Sistem Neuro Fuzzy,” vol. 2014, no. Sentika, 2014.
Siswanto, “Sistem Informasi Geografis Objek Wisata Menggunakan Google Maps Api Studi Kasus Kabupaten Mojokerto,” pp. 1–5.
F. H. Suryanto, “Perancangan Aplikasi Pemetaan Persebaran UKM yang Memproduksi Makanan dan Minuman di Salatiga Menggunakan Heatmap,” Univ. Kristen Satya Wacana, pp. 2–17, 2014.
H. Yasin, A. Prahutama, and T. Wahyu, “Prediksi Harga Saham Menggunakan Support Vector Regression Dengan Algoritma Grid Search,” Media Stat., vol. 7, pp. 29–35, 2014.