Prediksi Peningkatan Kunjungan Pasien Dimasa Mendatang Mengunakan Jaringan Saraf Tiruan Backpropagation
DOI:
https://doi.org/10.37859/jf.v14i1.6068
Abstract
Sebagai lembaga kesehatan pertama pada suatu wilayah dalam memberikan pelayanan kesehatan jumlah kunjungan pasien tidak bisa kita prediksi kedatangannya dan pada waktu-waktu tertentu jumlah pasien membludak sehingga menjadi tidak sesuai dengan tenaga kesehatan (nakes) yang sedang bertugas. Karena banyak pasien yang datang dan tidak sesuai dengan nakes yang sedang bekerja menyebabkan banyaknya pasien yang mengantri bahkan sampai tidak bisa dilayani dan dianjurkan untuk pemeriksaan besok harinya. Inilah yang menyebabkan pelayanan kesehatan menjadi kurang optimal serta beberapa aspek dari puskesmas tidak berjalan dengan sempurna. Berdasarkan masalah tersebut diatas, perlu dilakukannya sebuah penelitian yang komprehensif guna memperkirarkan jumlah kedatagan pasien dimasa yang akan datang. metode jaringan saraf tiruan (JST) bakcpropagation akan dipakai dalam membantu penelitian ini. Penggunaan metode ini dengan mempertimbangkan bahwa Jaringan Syaraf Tiruan mempunyai kemampuan belajar dari pola-pola yang di masukan di ajarkan dan melakukan komputasi dengan paralel. Data yang dipakai meneliti adalah data kunjungan-kunjungan pasien pada tahun lampau yang akan dijadikan data training. Tujuan dari penelitian ini mengharapkan JST menggunakan Backpropagation dapat memperkirakan keberhasailan latihan kerja secara akurat. Hasil dari penelitian ini adalah Setelah dilakukan tahapan propagasi balik. Hasil prediksi yang optimal diperoleh sebesar 0.98946, mendekati nilai target (1). Terdapat kemungkinan kesalahan sebesar 0.00011 atau 0.01% yang terjadi.
Downloads
References
M. Thoriq, “Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation,” J. Inf. dan Teknol., vol. 4, no. 1, pp. 27–32, 2022, doi: 10.37034/jidt.v4i1.178.
Hendra, Y., Sakinah, P., & Thoriq, M. (2023). Evaluasi Kinerja Algoritma Apriori Dalam Pengelompokan Data Transaksi Penjualan Untuk Analisis Pola Pembelian. Journal of Student Development Information System (JoSDIS), 3(2), 220-228.
P. Wulansari, A. Syahid, and I. R. Meilya, “Faktor Pendukung Dan Penghambat Pelatihan Listrik Dalam Meningkatkan Kompetensi Tenaga Kerja Di Balai Latihan Kerja Karawang,” Comm-Edu (Community Educ. Journal), vol. 6, no. 1, pp. 6–10, 2023, doi: 10.22460/comm-edu.v6i1.11782.
M. Ikhsan, Armansyah, and A. A. F. Tamba, “Implementasi Jaringan Syaraf Tiruan Backpropagation Pada Klasifikasi Grade Teh Hitam,” J. Sist. Komput. dan Inform., vol. 4, no. 2, pp. 387–395, 2022, doi: 10.30865/json.v4i2.5312.
T. . Johan and I. Rifna, “IDENTIFIKASI KEMATANGAN BUAH TOMAT BERDASARKAN WARNA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION,” J. Tika, vol. 7, no. 3, pp. 309–315, 2022, doi: 10.51179/tika.v7i3.1647.
R. Maiyuriska, “Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi,” J. Inform. Ekon. Bisnis, vol. 4, no. 1, pp. 28–33, 2022, doi: 10.37034/infeb.v4i1.115.
Elisawati, A. Linarta, A. M. I. Putra, and H. Elvaningsih, “Analysis of Backpropagation Method in Predicting Drug Stock,” Sink. J. dan Penelit. Tek. Inform., vol. 7, no. 2, pp. 297–307, 2022, doi: 10.33395/sinkron.v7i2.11269.
Honainah, F. F. Romadhoni, and Ato’illah, “Klasifikasi Kesegaran Ikan Tongkol Berdasarkan Warna Mata Menggunakan Metode Backpropagation,” J. Penelit. Inov., vol. 2, no. 2, pp. 405–414, 2022, doi: 10.54082/jupin.90.
A. Herdiansah, R. I. Borman, D. Nurnaningsih, A. A. J. Sinlae, and R. R. Al Hakim, “Klasifikasi Citra Daun Herbal Dengan Menggunakan Backpropagation Neural Networks Berdasarkan Ekstraksi Ciri Bentuk,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 2, p. 388, 2022, doi: 10.30865/jurikom.v9i2.4066.
Fera Damayanti and R. Rismayanti, “Optimasi Fungsi Pembelajaran Backpropagation dalam Mengklasifikasikan Pasien Kanker Paru Pasca Operasi,” J. Unitek, vol. 15, no. 1, pp. 49–58, 2022, doi: 10.52072/unitek.v15i1.335.
S. S. S, A. T. Purba, and S. Sirait, “Prediksi Prestasi Mahasiswa Dengan Menggunakan Algoritma Backpropagation,” J. Tek. Inf. dan Komput., vol. 5, no. 1, p. 67, 2022, doi: 10.37600/tekinkom.v5i1.512.
A. T. W. Almais, C. Crysdian, K. fahmi H. Holle, and A. Raihan, “Smart Assessment Menggunakan Backpropagation Neural Network Smart Assessment using Backpropagation Neural Network,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 503–512, 2022, doi: 10.30812/matrik.v21i3.1382.
B. Mulyono and Nursalim, “Prediksi Rentet Waktu Penjualan Barang Menggunakan Algritma Backpropagation,” J. Kolaboratif Sains, vol. 6, no. 2, pp. 131–139, 2023, doi: 10.56338/jks.v6i2.3300.
H. A. Fikri, “Prediksi Harga Emas Dengan Algoritma Backpropagation,” J. Sains Komput. Inform., vol. 7, no. 1, pp. 182–189, 2023, doi: 10.30645/j-sakti.v7i1.582.
I. Guntoro, D. M. Midyanti, and R. Hidayati, “Penerapan Dropout Pada Jaringan Saraf Tiruan Backpropagation Dalam Mengklasifikasi Tingkat Fine Fuel Moisture Code (Ffmc) Untuk Kebakaran Hutan Dan Lahan,” J. Komput. dan Apl., vol. 10, no. 1, pp. 114–123, 2022, doi: 10.26418/coding.v10i01.52734.
Sugiyono and Awaludin, “Pemodelan Pengolahan Citra Klasifikasi Jenis Buah Mangga Menggunakan Metode Backpropagation,” Al-Irsyad, vol. 105, no. 2, p. 79, 2017, doi: 10.31004/jpdk.v4i5.6721.
E. S. Putri, A. Hamid, and D. C. andr. R. Novitasari, “Prediction of the Tuban Regency Open Unemployment Rate in 2022 with the Backpropagation Method,” Numer. J. Mat. dan Pendidik. Mat., vol. 6, no. 1, pp. 25–36, 2022, doi: 10.25217/numerical.v6i1.2150.
Radikto and Rasiban, “Pengenalan Pola Huruf Hangeul Korea Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation dan Deteksi Tepi Canny,” J. Pendidik. dan Konseling, vol. 4, no. 5, pp. 959–968, 2022, doi: 10.31004/jpdk.v4i5.6722.
Fitriyanti, “Aplikasi Jaringan Syaraf Tiruan Backpropagation dalam Prediksi Curah Hujan Bulanan di Kabupaten Wajo Sulawesi Selatan,” J. Pendidik. Fis., vol. 11, no. 1, pp. 44–55, 2022, doi: 10.24252/jpf.v11i1.33142.
Thoriq, M., Syaputra, A. E., & Eirlangga, Y. S. (2022). Model Simulasi untuk Memperkirakan Tingkat Penjualan Garam Menggunakan Metode Monte Carlo. Jurnal Informasi Dan Teknologi, 4(4), 242-246. https://doi.org/10.37034/jidt.v4i4.244.
Rahayu, E., Thoriq, M., & Sapriadi, S. (2022). Pemodelan Simulasi dalam Pengoptimalan Penjualan Plastik HD Menggunakan Metode Monte Carlo . Jurnal Informasi Dan Teknologi, 4(4), 247-252. https://doi.org/10.37034/jidt.v4i4.245.
R. Firdaus, H. Mukhtar, and Awaluddin, “Prediksi Indeks Harga Produsen Pertanian Karet Di Indonesia Menggunakan Metode LSTM,” J. Fasilkom, vol. 13, no. 1, pp. 1–6, 2023, doi: 10.37859/jf.v13i01.4851.
S. Sapriadi, N. Hayati, A. Eko Syaputra, Y. Septi Eirlangga, K. H. Manurung, and N. Hayati, “Sistem Pakar Diagnosa Gaya Belajar Mahasiswa Menggunakan Metode Forward Chaining,” J. Inf. dan Teknol., vol. 5, no. 3, pp. 71–78, 2023, doi: 10.60083/jidt.v5i3.381.
Sunanto, R. M. Taufiq, and R. Febri, “Implementasi Logika Fuzzy Inferensi Tsukamoto Pada Preventive dan Predictive Maintenance Sluge Separator Berbasis Smart Meter,” J. Fasilkom, vol. 13, no. 01, pp. 81–87, 2023, doi: 10.37859/jf.v13i01.5359.
Juledi, A. P., Harahap, A. Z., Zalmi, W. F., Kurnia, R. P., Syaputra, A. E., Maulana, F. M., Eirlanga, Y. S., Sapriadi, S., Thoriq, M., Manurung, K. H. (2023). Panduan Belajar HTML, CSS, dan JavaScript untuk Pemula. Literasi Nusantara Abadi.
Downloads
Published
Issue
Section
License
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
