Prediksi Diagnosa Berdasarkan Data Rekam Medis Pasien Menggunakan Support Vector Regression

Abstrak Rekam medis merupakan suatu berkas dari hasil pemeriksaan kesehatan, pengobatan yang diberikan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Penelitian ini dilandasi oleh beberapa permasalahan, diantaranya (1) kurangnya pengawasan, informasi, dan tidak meratanya pemberian layanan kesehatan, (2) terhambatnya perencanaan puskesmas dalam menangulangi kasus yang sudah ada atau yang sering terjadi karena tingginya jumlah dan keberagaman kasus/diagnosa yang ditemukan di masyarakat. Dari permasalahan tersebut dapat diterapkan sistem prediksi diagnosa dengan menerapkan metode Support Vector Regression (SVR). Model SVR yang diterapkan yaitu kernel Linear, kernel Polynomial, serta kernel Radial Basis Function. Pengujian dilakukan dengan membagi dataset ke dalam data uji dan data latih, kumudian dilakukan proses pengujian hingga 9-fold untuk masing-masing model dengan susunan data yang berbeda. Hasil pengujian menunjukkan fungsi kernel RBF memiliki kinerja terbaik dibanding dengan fungsi lainnya dimana nilai NRMSE tertinggi 0.0797 dan nilai akurasi terendah sebesar 0.4826. Hasil prediksi tersebut dapat memberikan sebuah gambaran dan trend mengenai diagnosa yang akan datang berdasarkan data rekam medis pasien. Abstract Medical record is a file of health examination result, medication given, along with treatment and other service given to the patient. This research is based on a few problems, which are: (1) lack of supervising, information, and uneven distribution of health service, (2) delay of health center planning on treating already existing or often occurring case because the number and the variety of case/final diagnose found in society is quite high. From these problems, can be applied a diagnose prediction system is using Support Vector Regression (SVR) method. SVR models used are kernel Linear, kernel Polynomial, and kernel Radial Basis Function. The test is done by dividing dataset into test data and training data, therefore will be conducted process of testing can be done up to 9-fold for each models  with different data alignment. Test result showed kernel RBF function has the best performance among other functions which mean value of NRMSE is 0.0797 and mean value of accuracy is 0.4826. That prediction result can give an illustration and a trend about upcoming diagnose based on patient medical record data.