Publisher

PLBPLB

Journal TEMATIKTEMATIK Abstract

Seiring berjalannya waktu, digitalisasi di sektor kesehatan telah menghasilkan jumlah besar Electronic Medical Records (EMR) yang berpotensi dimanfaatkan untuk analisis tren penyakit. Penelitian ini berfokus pada penerapan metode moving average untuk menganalisis dan memvisualisasikan pola diagnosis harian, dengan menekankan perbandingan antara Simple Moving Average (SMA) dan Exponential Moving Average (EMA). Kedua metode ini penting karena mampu menghaluskan fluktuasi data harian, menonjolkan pola utama, serta membantu mendeteksi perubahan tren yang relevan bagi pemantauan penyakit secara real-time. Dataset yang digunakan terdiri atas 995 catatan transaksi diagnosis pasien dari periode observasi tertentu dari rumah sakit TMC Tasikmalaya. Tahapan penelitian mencakup pembersihan data, agregasi frekuensi diagnosis harian, transformasi ke bentuk deret waktu, penyaringan penyakit dengan jumlah kasus memadai, serta penerapan model SMA dan EMA untuk proses perataan data. Hasil analisis menunjukkan bahwa diagnosis “demam tidak spesifik menempati peringkat tertinggi secara konsisten di semua metode, dengan nilai rata-rata berkisar antara 0,2041–0,2050. Secara kuantitatif, EMA dengan rentang 7 hari terbukti paling optimal karena mampu menyeimbangkan tingkat kesalahan prediksi dan kestabilan tren, dengan nilai Root Mean Square Error (RMSE) sebesar 0,1645 dan Mean Absolute Error (MAE) sebesar 0,0714, menunjukkan adaptivitas yang lebih tinggi dibanding SMA dalam menangkap perubahan harian. Temuan ini menegaskan potensi integrasi EMA-7 ke dalam sistem pemantauan penyakit real-time di rumah sakit, guna mendukung identifikasi dini peningkatan kasus dan pengambilan keputusan berbasis data. Dengan demikian, penelitian ini memperlihatkan peran penting metode moving average dalam analisis tren diagnosis medis serta membuka peluang pengembangan lebih lanjut dalam sistem pendukung keputusan di sektor kesehatan.

Conclusion

Penelitian ini membuktikan bahwa metode Exponential Moving Average (EMA) dengan rentang 7 hari memberikan keseimbangan terbaik antara responsivitas terhadap perubahan harian dan kestabilan tren diagnosis, dibandingkan dengan Simple Moving Average (SMA).Hasil pengujian menunjukkan bahwa EMA-7 dapat diandalkan sebagai pendekatan adaptif dalam sistem deteksi dini berbasis Electronic Medical Records (EMR).Secara ilmiah, penelitian ini memperkuat bukti empiris bahwa metode time series smoothing seperti EMA dapat digunakan secara efektif dalam analisis tren diagnosis medis berbasis data harian.

Future Research

Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, perlu dilakukan penelitian lebih lanjut dengan cakupan dataset yang lebih luas, melibatkan data dari berbagai rumah sakit atau wilayah geografis, untuk menguji generalisasi model EMA-7 dan mengidentifikasi potensi variasi tren penyakit di berbagai populasi. Kedua, penelitian selanjutnya dapat mengeksplorasi kombinasi metode moving average dengan model pembelajaran mesin yang lebih canggih, seperti Recurrent Neural Networks (RNN) atau Long Short-Term Memory (LSTM), untuk meningkatkan akurasi prediksi dan menangkap pola non-linear dalam data diagnosis. Ketiga, pengembangan sistem pemantauan penyakit real-time berbasis EMA-7 perlu diimplementasikan dan dievaluasi secara komprehensif di lingkungan klinis, dengan mempertimbangkan aspek integrasi data, antarmuka pengguna, dan dampak terhadap proses pengambilan keputusan klinis. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efisiensi dan efektivitas sistem kesehatan dalam menghadapi tantangan penyakit menular dan kronis.

References

1. Penerapan Metode Moving Average Untuk Analisis Dan Visualisasi Tren Diagnosis Penyakit Harian Data Rekam... doi.org/10.38204/tematik.v12i2.2638Penerapan Metode Moving Average Untuk Analisis Dan Visualisasi Tren Diagnosis Penyakit Harian Data Rekam doi 10 38204 tematik v12i2 2638
2. Prediksi Jumlah Kasus Penyakit di Jawa Timur Memanfaatkan Metode Simple Moving Average | Jurnal Teknologi... openjournal.unpam.ac.id/index.php/JTSI/article/view/38653Prediksi Jumlah Kasus Penyakit di Jawa Timur Memanfaatkan Metode Simple Moving Average Jurnal Teknologi openjournal unpam ac index php JTSI article view 38653

Metadata

File size	299.04 KB
Pages	7
DMCA	Report