PERAMALAN PADA LAYANAN PEMBEDAHAN RUMAH SAKIT MENGGUNAKAN ALGORITMA KLASIFIKASI

Safitri Juanita, Anisah Hasratniwati Daeli

Abstract


Ruang bedah merupakan salah satu fasilitas terpenting di Rumah Sakit yang memerlukan sarana dan prasarana yang lengkap, serta waktu proses ketersediaan ruangan yang cepat. Namun kapasitas ruang bedah pada rumah sakit memiliki keterbatasan, sehingga diperlukan prediksi jumlah layanan bedah agar rumah sakit dapat merencanakan kapasitas ataupun layanan pada ruang bedah. Rumah Sakit Umum Haji Surabaya, Jawa Timur memiliki data pengguna layanan pembedahan selama 6 tahun dari tahun 2018 hingga 2023, namun dataset ini belum diolah menjadi informasi yang berguna bagi pihak rumah sakit dalam merencanakan jumlah layanan bedah pada semua spesialisasi di masa mendatang. Sehingga penelitian ini melakukan studi komparasi kinerja dari dua algoritma klasifikasi untuk meramalkan jumlah layanan pembedahan pada Rumah Sakit Umum (RSU) Haji Surabaya di masa depan. Tujuan penelitian ini adalah menemukan model terbaik dari kedua algoritma klasifikasi untuk memprediksi jumlah layanan kamar bedah khususnya pada RSU Haji Surabaya. Pada tahap modeling, pengujian menggunakan metode Split dengan perbandingan 80:20 pada kedua algoritma klasifikasi SVM dan KNN. Kesimpulan penelitian ini adalah algoritma KNN memiliki kinerja lebih unggul dari algoritma SVM dalam memprediksi jumlah layanan pembedahan di RSU Haji Surabaya di masa mendatang

Full Text:

PDF

References


Amin, H. H., Sommeng, F., Polanunu, N. F. A., Latief, S., Wiriansya, E. P., Harahap, W., … Putra, F. M. (2022). Tingkat Kepuasan Pasien Terhadap Pelayanan Kamar Bedah Rumah Sakit Ibnu Sina Makassar Tahun 2020. Fakumi Medical Journal, 2(8), 552–564.

Asriadi, A. A., Firmansyah, F., & Husain, N. (2022). Analisis Faktor-Faktor Yang Mempengaruhi Pendapatan Usaha Ternak Ayam Petelur Di Kecamatan Kajang Kabupaten Bulukumba. Jurnal Agri Sains, 6(1), 72–82.

Drajana, I. C. R., & Botutihe, M. H. (2023). Perbandingan Metode Forecasting K-NN, NN dan SVM untuk Peramalan Jumlah Produksi Coconut Oil. Tecnoscienza, 7(2), 298–311. Retrieved from https://journal.fkpt.org/index.php/BIT/article/view/986/509

Gousario, Y., Manafe, H. A., Perseveranda, M. E., & Paridy, A. (2023). Penerapan Keselamatan Pasien Preoperasi dan Post Operasi di Rumah Sakit. Jurnal Ilmiah Universitas Batanghari Jambi, 23(2), 2018–2025. https://doi.org/10.33087/jiubj.v23i2.3579

Indriyanti, I., Ichsan, N., Fatah, H., Wahyuni, T., & Ermawati, E. (2022). Implementasi Orange Data Mining untuk Prediksi Harga Bitcoin. Jurnal Responsif : Riset Sains Dan Informatika, 4(2), 118–125. https://doi.org/10.51977/jti.v4i2.762

Karim, A. A., Prasetyo, M. A., & Saputro, M. R. (2023). Perbandingan Metode Random Forest, K-Nearest Neighbor, dan SVM Dalam Prediksi Akurasi Pertandingan Liga Italia. Stains (Seminar Nasional Teknologi & Sains), 377–382. Kediri: Universitas Nusantara PGRI Kediri. Retrieved from https://proceeding.unpkediri.ac.id/index.php/stains/article/view/2877/2033

Muharrom, M. (2023). Analisis Komparasi Algoritma Data Mining Naive Bayes, K-Nearest Neighbors dan Regresi Linier Dalam Prediksi Harga Emas. Bulletin of Information Technology (BIT), 4(4), 430–438. Retrieved from https://journal.fkpt.org/index.php/BIT/article/view/986

Pratama, N. P. P., Sukmono, T., Putra, B. I., & Sulistiyowati, W. (2022). Forecasting the Amount of Blood Storage Using the Support Vector Machine (SVM) Method. Procedia of Engineering and Life Science, 3. Sidoarjo: Universitas Muhammadiyah Sidoarjo. https://doi.org/10.21070/pels.v3i0.1359

Rahmadini, R., Lubis, E. E. L., Priansyah, A., R.W.N, Y., & Meutia, T. (2023). Penerapan Data Mining untuk Memprediksi Harga Bahan Pangan di Indonesia Menggunakan Algoritma K-Nearest Neighbor. Jurnal Mahasiswa Akuntansi Samudra, 4(4), 223–235. https://doi.org/10.33059/jmas.v4i4.7074

Rozi, F., & Junianto, M. B. S. (2023). Penerapan Machine Learning untuk Prediksi Harga Saham PT.Telekomunikasi Indonesia Tbk Menggunakan Algoritma K-Nearest Neighbors. Jurnal Informatika MULTI, 1(1), 18–24. Retrieved from https://jurnal.publikasitecno.id/index.php/multi/article/view/4

Septhiani, A., & Hendry, H. (2023). Analisis Perbandingan Algoritma Supervised Learning untuk Prediksi Kasus Covid-19 di Jakarta. Jurnal Sains Komputer Dan Informatika (J-SAKTI), 7(2), 583–594. Retrieved from https://tunasbangsa.ac.id/ejurnal/index.php/jsakti/article/view/668/643

Syahrul, M. Z., & Sukma, M. (2023). Faktor Yang Menyebabkan Keterlambatan Mulai Operasi Pertama Pasien Elektif: Literatur Review. Human Care Journal, 8(1), 98–104. https://doi.org/10.32883/hcj.v8i1.2334

Vujović, Ž. D. (2021). Classification Model Evaluation Metrics. International Journal of Advanced Computer Science and Applications, 12(6), 1–8. https://doi.org/10.14569/IJACSA.2021.0120670




DOI: http://dx.doi.org/10.36723/juri.v16i1.625

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

 

 

 

 

 

View My Stats