Publisher

UNBINUNBIN

Journal Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Abstract

Kesehatan merupakan faktor esensial dalam meningkatkan kualitas hidup manusia. Kesalahan medikasi yang sering terjadi dalam pelayanan kesehatan dapat menyebabkan kerugian serius bagi pasien. Oleh karena itu, diperlukan pendekatan komputasi untuk mempermudah tenaga kesehatan dalam memberikan rekomendasi resep obat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi resep obat berbasis metode Content-Based Filtering untuk mengurangi risiko kesalahan medikasi dengan mencocokkan data diagnosa pasien dengan atribut obat yang relevan. Content-Based Filtering merupakan metode rekomendasi yang berfokus pada kesamaan atribut antar item, dalam hal ini diagnosis dan resep obat. Sistem memanfaatkan deskripsi atau fitur yang tersedia dari diagnosis pasien untuk mencocokkannya dengan referensi resep obat. Sistem ini memanfaatkan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) merupakan metode untuk mengubah teks menjadi representasi numerik. Ini penting untuk menghitung relevansi diagnosis dan resep obat, setelah TF-IDF dihitung, setiap diagnosis dan resep obat direpresentasikan sebagai vektor. Cosine Similarity digunakan untuk mengukur sudut antara dua vektor tersebut, sehingga menentukan tingkat kesamaan antara diagnosis pasien dan referensi. Penelitian ini menghasilkan prototipe sistem berbasis web framework Laravel sebagai frontend menggunakan Python Flask sebagai backend yang mampu memberikan rekomendasi obat secara akurat berdasarkan diagnosa pasien. Uji coba sistem menunjukkan peningkatan akurasi rekomendasi obat sebesar 85%, sehingga mendukung efektivitas layanan kesehatan terutama di Puskesmas dan rumah sakit. Sistem rekomendasi resep obat ini menunjukkan efektif dengan kebutuhan pasien, Hal ini dapat dilihat berdasarkan berdasarkan evaluasi Precision, Recall, dan F1 Score. Dengan semua metrik tersebut threshold yang telah ditentukan (80% untuk Precision dan Recall, 75% untuk F1 Score).

Conclusion

Penelitian ini menunjukkan bahwa metode Content-Based Filtering mampu menentukan resep obat berdasarkan diagnosa pasien dengan tingkat kelayakan rata-rata 73,75%.Prototipe sistem yang dikembangkan berhasil menerapkan metode Content-Based Filtering dengan TF-IDF dan Cosine Similarity untuk merekomendasikan resep obat berdasarkan kesamaan diagnosa, memberikan bantuan bagi dokter dalam memberikan perawatan yang lebih tepat dan personalisasi bagi pasien dengan tingkat kelayakan rata-rata 85%.Sistem rekomendasi resep obat ini efektif memenuhi kebutuhan pasien, dibuktikan dengan evaluasi Precision, Recall, dan F1 Score yang memenuhi threshold yang telah ditentukan.

Future Research

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan untuk mengintegrasikan sistem rekomendasi ini dengan rekam medis elektronik (RME) untuk mendapatkan data pasien yang lebih komprehensif dan akurat, sehingga rekomendasi obat dapat disesuaikan dengan riwayat kesehatan pasien secara individual. Kedua, pengembangan sistem dapat diperluas dengan menambahkan fitur yang memungkinkan dokter untuk memberikan umpan balik (feedback) terhadap rekomendasi yang diberikan oleh sistem, sehingga sistem dapat belajar dan meningkatkan akurasinya seiring waktu melalui mekanisme pembelajaran mesin (machine learning). Ketiga, penelitian selanjutnya dapat mengeksplorasi penggunaan metode rekomendasi lain, seperti collaborative filtering atau hybrid recommendation systems, untuk membandingkan kinerja dan efektivitasnya dengan metode content-based filtering yang telah diimplementasikan dalam penelitian ini, dengan tujuan untuk menghasilkan sistem rekomendasi obat yang lebih optimal dan komprehensif.

Metadata

File size	710.47 KB
Pages	11
DMCA	Report