PREDIKSI JUMLAH KUNJUNGAN PASIEN DENGAN JARINGAN SYARAF TIRUAN BACKPROGATION (STUDI KASUS DI BIDAN PRAKTIK MANDIRI RITA KOTA BUKITTINGGI)

Rifky, Muhammad (2025) PREDIKSI JUMLAH KUNJUNGAN PASIEN DENGAN JARINGAN SYARAF TIRUAN BACKPROGATION (STUDI KASUS DI BIDAN PRAKTIK MANDIRI RITA KOTA BUKITTINGGI). Masters thesis, Universitas Putra Indonesia YPTK.

Preview	Text TESIS_231321021_MUHAMMAD RIFKY_ABSTRAK.pdf Download (13kB) | Preview
Preview	Text TESIS_231321021_MUHAMMAD RIFKY_BAB 1.pdf Download (101kB) | Preview
Preview	Text TESIS_231321021_MUHAMMAD RIFKY_DAFTAR PUSTAKA.pdf Download (85kB) | Preview
	Text TESIS_231321021_MUHAMMAD RIFKY_FULL TEXT.pdf Restricted to Repository staff only Download (2MB)

Abstract

Bidan Praktek Mandiri (BPM) memiliki peran penting dalam menyediakan layanan kesehatan bagi ibu dan anak. Salah satu tantangan utama dalam pengelolaan BPM adalah fluktuasi jumlah kunjungan pasien yang tidak menentu, sehingga menyulitkan perencanaan sumber daya, seperti tenaga medis, persediaan obat, dan fasilitas pendukung lainnya. Jika jumlah kunjungan pasien tidak dapat diprediksi dengan baik, maka risiko kekurangan atau kelebihan sumber daya menjadi lebih tinggi, yang dapat berdampak pada efisiensi operasional serta kualitas layanan kesehatan. Ketidakpastian dalam jumlah pasien juga dapat memengaruhi perencanaan keuangan serta kesiapan dalam menghadapi lonjakan kunjungan. Oleh karena itu, diperlukan metode yang mampu melakukan prediksi jumlah kunjungan pasien secara akurat guna mendukung pengambilan keputusan yang lebih efektif.Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah kunjungan pasien di, menggunakan Jaringan Saraf Tiruan (JST) dengan metode Backpropagation. JST merupakan salah satu teknik kecerdasan buatan yang mampu mengenali pola data historis dan melakukan prediksi secara akurat. Data yang digunakan dalam penelitian ini merupakan jumlah kunjungan pasien Antenatal Care (ANC) selama tiga tahun terakhir, yang diproses melalui tahap normalisasi, pembagian data latih dan uji, serta implementasi JST dengan arsitektur 3-7-1 menggunakan perangkat lunak MATLAB. Evaluasi model dilakukan berdasarkan nilai Mean Squared Error (MSE) dan tingkat akurasi prediksi.Hasil penelitian menunjukkan bahwa metode Backpropagation mampu menghasilkan prediksi jumlah kunjungan pasien dengan akurasi lebih dari 94% dan Dari hasil pengolahan data, diperoleh nilai MSE sebesar 0,0023, sedangkan nilai MAPE mencapai 5,62%, yang menunjukkan bahwa kesalahan prediksi model berada dalam batas yang dapat diterima., Tingkat akurasi prediksi yang dihasilkan mencapai 94,38%, yang menunjukkan bahwa model backpropagation mampu memberikan estimasi jumlah kunjungan pasien dengan tingkat keandalan yang tinggi. Model prediksi ini diharapkan dapat membantu BPM dalam perencanaan sumber daya yang lebih optimal, peningkatan efisiensi layanan, serta pengambilan keputusan strategis dalam pengelolaan fasilitas kesehatan. Model ini dapat menjadi dasar bagi pengembangan sistem prediksi serupa di bidang layanan kesehatan lainnya, guna meningkatkan efektivitas dan efisiensi dalam manajemen klinik atau fasilitas medis berbasis data.

Actions (login required)

View Item