ANALISIS KEPUTUSAN RAWAT INAP DAN RAWAT JALAN BERDASARKAN HASIL PEMERIKSAAN HEMATOLOGI MENGUNAKAN PENDEKETAN MACHINE

SARI, RIA PUSPITA (2020) ANALISIS KEPUTUSAN RAWAT INAP DAN RAWAT JALAN BERDASARKAN HASIL PEMERIKSAAN HEMATOLOGI MENGUNAKAN PENDEKETAN MACHINE. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Jurnal 41515120050 Ria Puspita Sari.pdf Restricted to Registered users only Download (1MB)

Abstract

Indonesia is one area that has a lot of population and rapid population growth rate. Unfortunately, the overall quality of health is still poor. One of the problems that arise is the health care decision of Indonesian citizens is still performed manually and time consuming. In general, patient treatment decisions are determined by the results of laboratory tests and other support examinations. In this study, experiments conducted to assist in supporting patient treatment decisions by utilizing hematology test results from laboratories. In the experiments, it is useed several techniques of machine learning technique i.e random forests, decision trees and logistics regression. Based on the experiments result it is shown that the most feasible algorithm can be applied to the dataset is a random forest with K-fold 15 which produces a precision value of 0.721, given the 0.708, and an F1 score of 0.711. Key words: Outpatient, inpatient, random forest, decision tree, logistic regression. Indonesia merupakan salah satu wilayah yang memiliki jumlah penduduk yang banyak dan laju pertumbuhan penduduk yang cepat. Akan tetapi, jumlah penduduk yang banyak tidak seimbang dengan kualitas kesehatan yang ada saat ini. Salah satu permasalahan yang muncul adalah keputusan perawatan kesehatan penduduk Indonesia yang masih menggunakan sistem manual sehingga dalam memutuskan perawatan seorang pasien harus melalui proses yang panjang. Pada umumnya keputusan jenis perawatan pasien ditentukan dari hasil pemeriksaan laboratorium dan pemeriksaan lainnya sebagai penunjang. Dalam penelitian ini dilakukan eksperimen untuk membantu dalam pendukung keputusan perawatan pasien dengan memanfaatkan hasil pemeriksaan hematologi dari laboratorium. Dalam eksperimen digunakan pendekatan beberapa teknik Machine Learning yaitu algoritma Random Forest, Decision Tree dan Logistic Regression. Dari hasil eksperimen diketahui bahwa algoritma terbaik yang fisibel untuk memproses data ini adalah random forest dengan k-fold 15 yang menghasilkan nilai precision sebesar 0.721, recall sebesar 0.708, dan F1 score sebesar 0.711. Kata kunci – Rawat jalan, rawat inap, random forest, decision tree, logistic regression.

Actions (login required)

View Item