PENERAPAN JARINGAN SARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI BEBAN KUNJUNGAN POLIKLINIK (STUDI KASUS DI RUMAH SAKIT OTAK DR. DRS. M. HATTA BUKITTINGGI)

Putra, Eka Ramadhani (2024) PENERAPAN JARINGAN SARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI BEBAN KUNJUNGAN POLIKLINIK (STUDI KASUS DI RUMAH SAKIT OTAK DR. DRS. M. HATTA BUKITTINGGI). Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Skripsi_221321005_EKA RAMADHANI PUTRA_Abstrak.pdf Download (30kB)
	Text Skripsi_221321005_EKA RAMADHANI PUTRA_BAB I.pdf Download (750kB)
	Text Skripsi_221321005_EKA RAMADHANI PUTRA_Daftar Pustaka.pdf Download (152kB)
	Text Skripsi_221321005_EKA RAMADHANI PUTRA_Full Text.pdf Restricted to Repository staff only Download (4MB)

Abstract

Jaringan Syaraf Tiruan (JST) adalah model komputasi yang terinspirasi oleh struktur dan fungsi jaringan syaraf biologis. JST dapat memodelkan dan mempelajari pola-pola kompleks dalam data. Algoritma Backpropagation adalah algoritma pelatihan yang digunakan untuk mengoptimalkan bobot dan bias dalam JST. Rumah sakit adalah suatu institusi pelayanan kesehatan yang kompleks. Kompleksitas ini agar rumah sakit mampu melaksanakan fungsi yang professional baik dibidang teknis medis maupun administrasi kesehatan. Penggunaan Aplikasi Python menyediakan alat dan fungsi yang kuat untuk membangun, melatih, dan menerapkan JST. Penelitian ini bertujuan agar JST Algoritma Backpropagation melatih data dengan menggunakan data kunjungan poliklinik yang telah dikumpulkan sebelumnya, sehingga JST dapat belajar memprediksi beban kunjungan poliklinik di masa depan. Metode dalam penelitian ini menggunakan Algoritma Backpropagation. Metode ini memiliki enam tahapan yaitu input data, Normalisasi, Pelatihan, Pengujian, Perhitungan Akurasi Pengujian dan Prediksi. Dataset yang diolah dalam penelitian ini bersumber dari laporan tahunan Rumah Sakit Otak Dr. Drs. M. Hatta Bukittinggi dari tahun 2020 sampai 2022. Dataset terdiri dari 36 bulan yang berkunjung ke poliklinik. Hasil penelitian ini menggunakan pola 3-10-1 serta dapat mengidentifikasi dan menghitung prediksi pada 5 bulan berikutnya yaitu 2547 orang, 2506 orang, 2463 orang, 2482 orang dan 2495 orang. Persentase prediksi kunjungan pasien poliklinik dengan tingkat akurasi waktu komputasi memerlukan 0.001 detik, rata-rata error 8.794% dan rata-rata akurasi 91.706%. Oleh karena itu penelitian ini dapat menjadi acuan dalam memprediksi kunjungan pasien poliklinik untuk masa yang akan datang agar menjadi pertimbangan bagi pihak manajemen rumah sakit. Kata Kunci : Jaringan Syaraf Tiruan, Algoritma Backpropagation, Pasien, Prediksi, Python.

Actions (login required)

View Item