Analisis Prediksi Length of Stay Pasien Infeksi Paru Menggunakan Algoritma Klasifikasi
Isi Artikel Utama
Abstrak
Penelitian ini menginvestigasi hubungan antara faktor usia, jenis kelamin, dan faktor lain dalam atribut dengan Length of Stay (LOS) pada pasien dengan penyakit paru. Tujuan utama penelitian adalah untuk membantu memprediksi LOS pasien baru yang datang dengan diagnosa yang sama dan untuk membantu mengurangi biaya perawatan yang berkaitan dengan durasi tinggal di rumah sakit. Teori yang digunakan dalam penelitian ini adalah factor usia, jenis kelamin, diagnose, nilai leukosit dan hasil rontgen dada dapat mempengaruhi durasi tinggal mereka di rumah sakit. Data untuk penelitian ini diperoleh dari rekam medis salah satu rumah sakit di Jawa Barat selama periode penelitian selama kurang lebih 3 bulan. Metode dan teknik yang digunakan adalah Artificial Neural Network-MLP (ANN), naïve bayes, J48 dan Random Tree untuk menganalisis dan memodelkan hubungan antara variabel input (usia, jenis kelamin, diagnosa sekunder dan lain-lain) dan variabel output (LOS). Hasil dari penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik tentang faktor-faktor yang memengaruhi LOS pada pasien dengan penyakit paru, serta memberikan kontribusi dalam pengembangan metode prediksi yang dapat membantu manajemen pasien dan pengambilan keputusan klinis yang lebih baik di rumah sakit.
Unduhan
Data unduhan belum tersedia.
Rincian Artikel
Cara Mengutip
[1]
G. E. Rupilu, S. L. Liliawati, dan M. Ayub, “Analisis Prediksi Length of Stay Pasien Infeksi Paru Menggunakan Algoritma Klasifikasi”, JuTISI, vol. 12, no. 1, hlm. 16–24, Apr 2026.
Terbitan
Bagian
Articles

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
This is an open-access article distributed under the terms of the Creative Commons Attribution-NonCommercial 4.0 International License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial used, distribution and reproduction in any medium.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.