Klasifikasi Penyakit Kronis untuk Sistem Rekomendasi Urutan Pembangunan Fasilitas Kesehatan Menggunakan Dataset BPJS

Andersen, Kelvin (2023) Klasifikasi Penyakit Kronis untuk Sistem Rekomendasi Urutan Pembangunan Fasilitas Kesehatan Menggunakan Dataset BPJS. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000080-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Penyakit kronis bertanggung jawab atas sebagian besar beban penyakit global, dan merupakan penyebab utama kematian dan kecacatan di seluruh dunia. Pembangunan fasilitas kesehatan di Indonesia yang masih belum tepat sasaran menjadi masalah besar untuk kesehatan masyarakat. Oleh karena itu, rekomendasi pembangunan fasilitas kesehatan dapat digunakan oleh pemerintah untuk mengalokasikan sumber daya dengan efektif untuk membangun fasilitas kesehatan di daerah yang paling membutuhkan. Pada tugas akhir ini diusulkan pengembangan model prediksi penyakit kronis untuk rekomendasi pembangunan fasilitas kesehatan. Pada tugas akhir ini akan dibuat model prediksi penyakit kronis menggunakan machine learning pada dataset BPJS (Badan Penyelenggaran Jaminan Sosial) yang terdiri dari FKRTL (Fasilitas Kesehatan Rujukan Tingkat Lanjutan), FKTP (Fasilitas Kesehatan Tingkat Pertama) Non Kapitasi, dan Kepesertaan dan model tersebut akan digunakan untuk membuat rekomendasi pembangunan fasilitas kesehatan. Tahapan-tahapan pada tugas akhir ini adalah preprocessing, ekstraksi fitur, pembuatan dan evaluasi model prediksi penyakit kronis, dan pembuatan rekomendasi pembangunan fasilitas kesehatan. Pengujian yang dilakukan pada tugas akhir ini adalah membandingkan model prediksi penyakit kronis menggunakan test data dan melihat confusion matrix serta nilai recall dan f1-score untuk memilih model yang terbaik untuk membuat rekomendasi pembangunan fasilitas kesehatan, yaitu model decision tree dengan seleksi fitur menggunakan fitur dengan nilai korelasi lebih tinggi dari 0,03 dengan nilai recall 98,127% dan F1 score 86,776%.
=================================================================================================================================
Chronic diseases are responsible for a large part of the global disease burden, and are the leading cause of death and disability worldwide. The lack of proper targeting in the development of health facilities in Indonesia has become a major problem for the health of the population. Therefore, a health facility development recommendation can be used by the government to effectively allocate resources to build facilities in areas that are most in need. In this thesis, the development of a chronic disease prediction model for a health facility development recommendation is proposed. In this thesis, a chronic disease prediction model will be created using machine learning on the BPJS (Social Security Administration Body) dataset, consisting of FKRTL (Advanced Level Referral Health Facilities), FKTP (Primary Level Health Facilities) Non-Capitation, and Kepesertaan (Membership), and it will be used to create a healthcare facility development recommendation. The stages in this thesis include preprocessing, feature extraction, making and evaluating a chronic disease prediction model, and creating a health facility development recommendation. The testing that will be done in this thesis is to compare the chronic disease prediction models using test data and to see the confusion matrix and the recall and f1-score values to select the best model to make recommendations for building healthcare facilities, which is the model that uses decision tree using features with a correlation value higher than 0.03 with a recall of 98.127% and f1-score of 86.776%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	bpjs, machine learning, disease prediction, chronic disease, health facility recommendation, prediksi penyakit, rekomendasi faskes.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Kelvin Andersen
Date Deposited:	03 Oct 2023 02:33
Last Modified:	03 Oct 2023 02:33
URI:	http://repository.its.ac.id/id/eprint/103051

Actions (login required)

View Item