DATA MINING UNTUK MEMPREDIKSI LAMA PERAWATAN PASIEN COVID-19 DI DIY

Supoyo, Agung (2022) DATA MINING UNTUK MEMPREDIKSI LAMA PERAWATAN PASIEN COVID-19 DI DIY. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img] Text (ABSTRAK)
Abstrak.pdf

Download (16kB)
[img] Text (BAB SATU)
Bab I.pdf

Download (132kB)
[img] Text (BAB DUA)
Bab II.pdf
Restricted to Repository staff only

Download (284kB) | Request a copy
[img] Text (BAB TIGA)
Bab III.pdf
Restricted to Repository staff only

Download (26kB) | Request a copy
[img] Text (BAB EMPAT)
Bab IV.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text (BAB LIMA)
Bab V.pdf

Download (8kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf

Download (143kB)
[img] Text (LAMPIRAN)
Lampiran.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (SKRIPSI FULL TEXT)
SKRIPSI FULL TEXT.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Masih tingginya kasus Covid-19 di DIY pada awal tahun 2021 ditambah dengan sulitnya mencari ruang perawatan rumah sakit, sehingga diperlukan analisis prediksi waktu perawatan. Hasil analisis sebagai pendukung keputusan Pemerintah dalam mengambil kebijakan ketersediaan kamar rumah sakit dan penerapan PPKM. Selain itu juga diperlukan analisis terhadap atribut-atribut yang paling mempengaruhi lama perawatan pasien. Penelitian menggunakan dataset yang diperoleh dari Dinas Kominfo DIY untuk kasus periode Maret sampai dengan September 2020. Diperlukan preprocessing (data reduction, data cleaning dan data integration) sebelum dilakukan analisis data mining. Preprocessing menghasilkan dataset sejumlah 271 record data dengan 31 kolom. Analisis data mining menggunakan algoritma Random Forest, k-NN dan Deep Learning menghasilkan performance model dengan RMSE masing-masing sebesar 4,949; 6,349 dan 5,436. Setelah dilakukan seleksi atribut untuk optimalisasi dihasilkan nilai RMSE sebesar 4.817 pada algoritma Random Forest dengan menggunakan 23 atribut. Hasil analisis belum cukup baik jika dibandingkan dengan rata-rata lama perawatan sebesar 15.339 hari karena menghasilkan NRMSE sebesar 31,40%. Nilai performance model dipengaruhi oleh pemilihan atribut yang digunakan. Lima atribut yang paling berpengaruh terhadap lama perawatan pasien adalah usia, jenis kelamin, kecamatan, batuk. Untuk meningkatkan performance model diperlukan penelitian lanjutan menggunakan record data yang lebih banyak dengan tambahan atribut lain seperti rumah sakit perawatan dan tindakan medis.

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Perpustakaan Kampus 3 UMBY
Uncontrolled Keywords: prediksi, lama perawatan covid-19, data mining, random forest, k-NN, deep learning
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi > Program Studi Sistem Informasi
Depositing User: Sistem Informasi UMBY
Date Deposited: 25 Mar 2022 06:41
Last Modified: 25 Mar 2022 06:41
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/15106

Actions (login required)

View Item View Item