PERBANDINGAN METODE MACHINE LEARNING UNTUK PREDIKSI KUNJUNGAN PASIEN PADA RUMAH SAKIT SITTI KHADIDJAH GORONTALO

Djeden, Mohamad Akmal (2025) PERBANDINGAN METODE MACHINE LEARNING UNTUK PREDIKSI KUNJUNGAN PASIEN PADA RUMAH SAKIT SITTI KHADIDJAH GORONTALO. Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI). pp. 1-10. ISSN 2620-8342

[img] Text (Jurnal Mohamad Akmal Djeden)
JURNAL MOHAMAD AKMAL DJEDEN.pdf

Download (638kB)

Abstract

Tingkat kunjungan pasien pada RSIA Sitti Khadidjah Gorontalo mengalami peningkatan pada setiap tahunnya dilihat dari data yang ada tahun 2020 sampai dengan 2024. maka dengan ini peniliti akan melakukan prediksi perkembangan kunjungan pasien sehingga dapat membantu RSIA Sitti Khadidjah dalam menyediakan tenaga medis, fasilitas, dan obat-obatan secara lebih efektif sesuai dengan perkiraan jumlah pasien. Penelitian ini bertujuan untuk menerapkan Metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network dalam memprediksi kunjungan pasien dan untuk mengetahui hasil prediksi kunjungan pasien RSIA Sitti Khadidjah Gorontalo dan hasil perbandingan menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network. Hasil dari penelitian ini adalah jumlah data record 60, maka diperoleh nilai MSE terkecil dari algoritma ARIMA yaitu terdapat pada jenis kunjungan pasien Rawat Jalan UMUM dengan nilai MSE 7,692 dan algoritma Neural Network dengan nilai RMSE yang terkecil terdapat pada Rawat Inap PBI dengan nilai RMSE 0,069. Meskipun nilai evaluasinya berbeda, ARIMA menggunakan MSE sedangkan Neural Network menggunakan RMSE akan tetapi dilihat dari nilai MSE dan RMSE yang terkecil, lebih unggul RMSE karena memiliki nilai yang lebih kecil, sehingga algoritma Neural Network lebih unggul dari algoritma ARIMA.

Item Type: Article
Uncontrolled Keywords: Prediksi, Kunjungan Pasien, Autoregressive Integrated Moving Average, Neural Network.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Sains dan Ilmu Komputer > Program Studi Sistem informasi
Depositing User: Mohamad Akmal Djeden
Date Deposited: 08 Dec 2025 05:37
Last Modified: 08 Dec 2025 05:37
URI: http://repository.umgo.ac.id/id/eprint/4188

Actions (login required)

View Item View Item