Loupatty, Sondang Stevani (2015) Penerapan Jaringan Saraf Tiruan Untuk Prediksi Biaya Pelayanan Rumah Sakit Pada Pasien Peserta BPJS Di Rumah Sakit Jiwa Menur Surabaya. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
5211100138-Undergraduate Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Dalam beberapa tahun belakangan, tren penderita penyakit
kesehatan jiwa terus merangkak naik. Jenis gangguan
kesehatan jiwa tersebut beragam mulai dari yang ringan
seperti gangguan emosional hingga gangguan jiwa berat. Sejak
tahun 2014, Badan Penyelenggara Jaminan Sosial (BPJS)
ditugaskan khusus oleh pemerintah untuk menyelenggarakan
jaminan pemeliharaan kesehatan mengingat masih banyaknya
masyarakat Indonesia yang tidak mampu membiayai
pengobatan di rumah sakit. Meningkatnya kebutuhan penderita
gangguan kesehatan jiwa di rumah sakit jiwa sebagai penyedia
fasilitas kesehatan dalam sistem BPJS membuat pihak rumah
sakit harus menghabiskan biaya yang besar untuk
penganggaran pelayanan pasien. Untuk itu peran prediksi
biaya sangat diperlukan sebagai landasan krusial untuk
mengontrol biaya dan menyesuaikannya dengan anggaran
yang dialokasikan untuk pelayanan pasien di rumah sakit jiwa
Dalam tugas akhir ini, metode Artificial Neural Network atau
Jaringan Saraf Tiruan (JST) dengan algoritma
backpropagation dipilih untuk melakukan prediksi biaya
pelayanan rumah sakit khususnya pada pasien peserta BPJS
(Badan Penyelenggara Jaminan Sosial) di Rumah Sakit Jiwa
Menur Surabaya. Metode Jaringan Saraf Tiruan ini dapat
menghasilkan prediksi yang akurat karena metode ini memiliki
toleransi yang tinggi terhadap data yang mengandung noise
dan mampu menangkap hubungan yang sangat kompleks
vi
antara variabel-variabel prediktor dan outputnya. Pengujian
menunjukkan bahwa model prediksi Jaringan Saraf Tiruan
mampu memberikan tingkat akurasi peramalan yang sangat
baik ditunjukkan oleh nilai kesalahan MAPE dibawah batas
10%.
==========================================================================================================
In recent years, the trend of people with mental health disorders
continues to climb. The types of mental health disorders
ranging from mild, such as emotional disorders to severe
mental disorder. Since 2014, the Social Security Agency (BPJS)
specifically commissioned by the government to administer
health care assurance considering many Indonesian people
who can not afford treatment in the hospital. The increasing
needs of people with mental health disorders in mental hospitals
as providers of health facilities in the system BPJS make the
hospitals have to spend a huge cost for budgeting patient
service. Therefore, prediction of costs is indispensable as a
crucial base to control costs and adapt them to the budget that
allocated for patient service in a mental hospital.
In this thesis, the method of Artificial Neural Network or
Artificial Neural Network (ANN) with backpropagation
algorithm chosen to predict the cost of hospital services,
especially on patients BPJS (Social Security Agency)
participants in Menur Mental Hospital Surabaya. Artificial
Neural Network method can produce accurate prediction
because this method has a high tolerance to the data that
contains noise and its able to capture very complex relationship
between predictor variables and output.
viii
Tests showed that the Neural Networks model predictions is
able to provide the level of accuracy of forecasting is very well
demonstrated by MAPE error values below the limit of 10%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.32 Lou p |
| Uncontrolled Keywords: | biaya pelayanan, Jaringan Saraf Tiruan (JST), prediksi |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 20 May 2019 03:10 |
| Last Modified: | 20 May 2019 03:10 |
| URI: | http://repository.its.ac.id/id/eprint/63047 |
Actions (login required)
 |
View Item |