PREDIKSI JENIS PENYAKIT PASIEN BERDASARKAN TEMPERATUR RATA-RATA DAN CURAH HUJAN DI KLINIK AZ-ZAINIYAH MENGGUNAKAN METODE BACKPROPAGATION

Masruroh, Siti (2019) PREDIKSI JENIS PENYAKIT PASIEN BERDASARKAN TEMPERATUR RATA-RATA DAN CURAH HUJAN DI KLINIK AZ-ZAINIYAH MENGGUNAKAN METODE BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15014070_Siti Masruroh_IF.pdf Restricted to Registered users only Download (8MB)

Abstract

Peramalan data runtun waktu (time series) menggunakan Jaringan Saraf Tiruan (JST) metode Backpropagation merupakan instrumen prediktif untuk mengestimasi nilai di masa depan berdasarkan tren historis. Klinik Az-Zainiyah saat ini menghadapi kendala dalam manajemen logistik obat akibat proses pengadaan stok yang belum didasarkan pada proyeksi fluktuasi jumlah pasien per jenis penyakit. Risiko lonjakan penyakit tertentu (grade escalation) erat kaitannya dengan faktor klimatologis lokal seperti temperatur rata-rata dan curah hujan. Akibat tidak adanya sistem peramalan, klinik sering kali mengalami kelangkaan hingga kekosongan stok obat krusial. Penelitian ini bertujuan untuk memecahkan permasalahan tersebut dengan mengimplementasikan algoritma Backpropagation untuk memprediksi kuantitas pasien pada jenis penyakit faringitis (radang tenggorokan) dan dermatitis (gatal-gatal). Alur komputasi diawali dengan pengumpulan data rekam medis pasien, temperatur udara, dan curah hujan, dilanjutkan dengan tahap normalisasi data, serta pembagian dataset menjadi 80% data latih (training) dan 20% data uji (testing). Pemodelan dieksekusi menggunakan arsitektur jaringan multilayer dengan konfigurasi 5 input node, 13 hidden node, dan 1 output node (5-13-1) melalui 1.000 epoch. Berdasarkan 20 kali pengujian, model menghasilkan persentase presisi prediksi faringitis pada November 2018 dengan rata-rata 68,92% (terbaik 90,25%, terendah 47,59%), dan pada Desember 2018 dengan rata-rata 41,46% (terbaik 65,55%, terendah 4,92%). Sementara itu, prediksi dermatitis pada November 2018 mencapai rata-rata presisi 68,31% (terbaik 98,81%, terendah -21,57%), dan pada Desember 2018 memiliki rata-rata -63,27% (terbaik 48,37%, terendah -183,85%). Keterbatasan volume data historis menjadi faktor utama fluktuasi nilai presisi negatif. Sistem ini diharapkan menjadi acuan strategis dalam optimalisasi rantai pasok ketersediaan obat secara praktis, cepat, tepat, dan akurat.

Kata Kunci: Peramalan Time Series, Pengadaan Obat, Klimatologi, Backpropagation, Nilai Presisi.

Item Type:	Thesis (Other)
Subjects:	B Philosophy. Psychology. Religion > BP Islam. Bahaism. Theosophy, etc R Medicine > RA Public aspects of medicine T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	05 Jul 2026 07:26
Last Modified:	05 Jul 2026 07:26
URI:	https://repository.unuja.ac.id/id/eprint/4006

Actions (login required)

View Item