MEMBANGUN MODEL PREDIKSI RUJUKAN RUMAH SAKIT UNTUK PASIEN DI PUSKESMAS PULOGADUNG DENGAN MENGGUNAKAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE

Rangga, Daniswara (2024) MEMBANGUN MODEL PREDIKSI RUJUKAN RUMAH SAKIT UNTUK PASIEN DI PUSKESMAS PULOGADUNG DENGAN MENGGUNAKAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (513kB)
	Text BAB 2.pdf Download (706kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (492kB)
	Text DAFTAR PUSTAKA.pdf Download (493kB)
	Text LAMPIRAN.pdf Download (618kB)
	Text HASIL TURNITIN.pdf Download (626kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (629kB)

Abstract

Peningkatan jumlah pasien di Puskesmas Pulogadung memerlukan sistem yang efektif untuk memprediksi rujukan rumah sakit guna meningkatkan efisiensi layanan kesehatan. Penelitian ini mengembangkan dan membandingkan model prediksi rujukan rumah sakit dengan memakai dua jenis algoritma, yaitu Random Forest dan Support Vector Machine. Data yang digunakan mencakup informasi medis pasien, yang kemudian diolah dan digunakan untuk melatih kedua model. Implementasi dilakukan pada perangkat PC-Laptop dengan spesifikasi tertentu dan menggunakan perangkat lunak yang mendukung proses pelatihan model serta antarmuka pengguna. Evaluasi performa model dilakukan dengan menggunakan dataset seimbang sebanyak 412 data pasien. Pengujian dilakukan melalui percobaan input-output dan prediksi pada data acak. Hasil menunjukakan bahwa model Random Forest dengan fitur yang dipilih menggunakan Recursive Feature Elimination (RFE) mencapai akurasi sebesar 85.87%, sementara model Support Vector Machine (SVM) dengan RFE memiliki akurasi sebesar 72.05%. Temuan ini menunjukan bahwa Random Forest lebih efektif dalam menangani fitur kompleks dan memberikan hasil klasifikasi yang lebih akurat dibandingkan SVM. Proses deployment model mencakup persiapan lingkungan, implementasi Application Programming Interface (API) dengan Flask, serta pengujian endpoint unutk memastikan sistem dapat diakses dan digunakan oleh tenaga medis dan pasien. Sistem ini diharapkan dapat membantu Puskesmas Pulogadung dalam memberikan rekomendasi rujukan rumah sakit yang lebih akurat dan efisien, serta meningkatkan kualitas layanan kesehatan.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Herianto, S.Pd. M.T.
Uncontrolled Keywords:	Prediksi Rujukan Rumah Sakit, SVM, RF, Support Vector Machine, Recursive Feature Elimination, Pembelajaran Mesin, Puskesmas Pulogadung
Subjects:	000 Generalities/Karya Umum > 005.3 Programs/ Program
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	25 Aug 2025 08:10
Last Modified:	25 Aug 2025 08:10
URI:	http://repository.unsada.ac.id/id/eprint/8893

Actions (login required)

View Item