Implementasi Jaringan Syaraf Tiruan untuk Estimasi Kunjungan Pasien Rehabilitasi Medis
Keywords:
Python, Prediksi, Pasien, Algoritma Backpropagation, Jaringan Syaraf TiruanAbstract
Jaringan Syaraf Tiruan (JST) merupakan salah satu model kecerdasan buatan yang dirancang menyerupai sistem kerja jaringan syaraf biologis, khususnya dalam mengenali dan mempelajari pola data yang kompleks. Dalam penerapannya, algoritma Backpropagation berfungsi sebagai metode pelatihan utama untuk menyesuaikan bobot dan bias guna meningkatkan akurasi model. Penelitian ini memanfaatkan JST dengan algoritma Backpropagation untuk memprediksi jumlah kunjungan pasien rehabilitasi medis di masa depan. Data yang digunakan bersumber dari laporan tahunan Rumah Sakit Otak Dr. Drs. M. Hatta Bukittinggi selama periode 2015 hingga 2024. Proses penelitian terdiri dari enam tahap, yaitu input data, normalisasi, pelatihan, pengujian, perhitungan akurasi, dan prediksi. Pemrograman Python digunakan sebagai alat bantu pengolahan data dan pelatihan model karena memiliki pustaka yang mendukung pengembangan JST. Hasil penelitian menunjukkan bahwa model dengan struktur jaringan 3-10-1 mampu melakukan prediksi jumlah kunjungan pasien rehabilitasi medis selama lima bulan ke depan secara berturut-turut, yaitu 2547, 2506, 2463, 2482, dan 2495 pasien. Model ini menunjukkan waktu komputasi yang sangat cepat, yakni 0,001 detik, dengan rata-rata tingkat kesalahan sebesar 8,794% dan akurasi sebesar 91,706%. Dengan demikian, model JST Backpropagation ini dapat menjadi alternatif yang andal untuk membantu manajemen rumah sakit dalam merencanakan pelayanan rehabilitasi medis secara lebih efisien dan terukur.
References
Mardianto, I., & Pratiwi, D. (2018). Sistem deteksi penyakit pengeroposan tulang dengan metode jaringan syaraf tiruan backpropagation dan representasi ciri dalam ruang eigen. CommIT (Communication and Information Technology) Journal, 2(1), 69–80.
Setiawan, D., Putri, R. N., & Suryanita, R. (2019). Perbandingan algoritma genetika dan backpropagation pada aplikasi prediksi penyakit autoimun. [Artikel tidak dipublikasikan atau tidak ada nama jurnal].
Widodo, W., Rachman, A., & Amelia, R. (2014). Jaringan syaraf tiruan prediksi penyakit demam berdarah dengan menggunakan metode backpropagation. [Artikel tidak dipublikasikan atau tidak ada nama jurnal].
Kafil, M. (2019, November). Penerapan metode K-Nearest Neighbors untuk prediksi penjualan berbasis web pada Boutiq Dealove Bondowoso. [Artikel tidak dipublikasikan atau tidak ada nama jurnal].
Lestari, D. A., & Ginting, B. S. (2020). Jaringan saraf tiruan untuk memprediksi jumlah pasien rawat jalan bagi pengguna narkoba menggunakan metode backpropagation (Studi kasus: Kantor BNN Kota Binjai). [Artikel tidak dipublikasikan atau tidak ada nama jurnal].
Nisak, U. K., & Cholifah. (2020). Statistik di fasilitas pelayanankesehatan (Vol. I). UMSIDA Press.
Salimu, S. A., & Yunus, Y. (2020, December). Prediksi tingkat kedatangan wisatawan asing menggunakan metode backpropagation (Studi kasus: Kepulauan Mentawai). Jurnal Informatika Ekonomi dan Bisnis, 2(4), 98–103. https://doi.org/10.37034/infeb.v2i4.50
Nguyen, T. A., Ly, H. B., & Pham, B. T. (2020). Backpropagation neural network-based machine learning model for prediction of soil friction angle. Mathematical Problems in Engineering, 2020, Article ID 8845768. https://doi.org/10.1155/2020/8845768
Ma, Z., & Wang, Y. (2022). Analysis and prediction of body test results based on improved backpropagation neural network algorithm. Advances in Multimedia, 2022, Article ID 1701687. https://doi.org/10.1155/2022/1701687
Aulya, N. (2022, September). Prediksi kunjungan wisata Kota Payakumbuh menggunakan metode jaringan syaraf tiruan backpropagation. Jurnal Informatika Ekonomi dan Bisnis, 4(4). https://doi.org/10.37034/infeb.v4i4.157
Syahfitri, D., Windarto, A. P., & Fauzan, M. (2020). Peningkatan nilai akurasi prediksi algoritma backpropagation (Kasus: Jumlah pengunjung tamu pada hotel berbintang di Sumatera Utara). [Artikel tidak dipublikasikan atau tidak ada nama jurnal].
Dou, Y. (2021). An improved prediction model of IGBT junction temperature based on backpropagation neural network and Kalman filter. Complexity, 2021, Article ID 5542889. https://doi.org/10.1155/2021/5542889
Zhang, Q., Yan, L., Hu, R., Li, Y., & Hou, L. (2022). Regional economic prediction model using backpropagation integrated with Bayesian vector neural network in big data analytics. Computational Intelligence and Neuroscience, 2022, Article ID 1438648. https://doi.org/10.1155/2022/1438648
Liao, Y., Miao, Z., & Yang, C. (2021). Probabilistic prediction of unsafe event in air traffic control department based on the improved backpropagation neural network. Mathematical Problems in Engineering, 2021, Article ID 9982723. https://doi.org/10.1155/2021/9982723
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
