Prediksi Penggunaan Obat Peserta Jaminan Kesehatan Nasional Menggunakan Algoritma Naïve Bayes Classifier
I will put the dimension here
Abstract
Currently, most of the patients seeking treatment at the hospital use the National Health Insurance (JKN) organized by the Healthcare and Social Security Agency (BPJS Kesehatan). In some hospitals, the figure is above 80%. Considering the very high number of BPJS Kesehatan participant seeking treatment at the hospital, a good data management method is needed, especially regarding the management of drug. Drug supply needs to be analyzed from time to time so that it can help predict future needs. An adequate supply of drugs and as needed is one of the things that affect service to patients. The availability of sufficient stock is expected to accelerate service to patients so that they do not have to wait long. Patients who are served quickly are expected to be satisfied. The impact of this patient satisfaction will increase the number of patient visits to the hospital. To support this, it is necessary to create a system that can estimate drug needs. The system can predict drug demand by using drug sales data to JKN participant patients for five years. Drug data used as research samples and then processed using an algorithm is the Naive Bayes Classifier. The Naive Bayes Classifier method is a method used to predict future opportunities using the basis of previous experience. A distinctive feature of this method is that it uses a very strong assumption of the independence of each event. While software testing uses the User Acceptance Test (UAT) model. Based on testing using this method, the system can be well received by users with a score of 78.64% (good).
Downloads
References
BPJS, Peraturan Badan Penyelenggara Jaminan Sosial nomor 4 tahun 2019. 2019.
Perpres, Peraturan Presiden Republik Indonesia Nomor 82 Tahun 2018 tentang Jaminan Kesehatan. 2018.
BPS, “Statistik Telekomunikasi Indonesia 2019,” 2019, [Online]. Available: https://www.bps.go.id/publication/2020/12/02/be999725b7aeee62d84c6660/statistik-telekomunikasi-indonesia-2019.html.
J. Suntoro, Data Mining Algoritma dan Implementasi dengan Pemrograman PHP. Jakarta: PT. Elex Media Komputindo, 2019.
M. Haldi Widianto, “Algoritma Naive Bayes,” 2019. [Online]. Available: https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/.
H. Derajad Wijaya, “Implementasi Data Mining dengan Algoritma Naive Bayes pada Penjualan Obat,” J. Inform., 2020, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/viewFile/6203/pdf.
F. Tjiptono and G. Chandra, Pemasaran Strategik, Edisi 2. Yogyakarta: Andi Offset, 2012.
A. Amriana, Y. Y. Joefrie, and F. N. Meidji, “Penerapan Data Mining Untuk Pengelompokan Hasil Diagnosa Penyakit Pasien Pengguna BPJS Kesehatan (Studi Kasus Pada Rsud Undata Palu),” Sci. Comput. Sci. Informatics J., vol. 1, no. 1, p. 51, 2019, doi: 10.22487/j26204118.2018.v1.i1.11901.
Sudaryono, Metodologi Riset di Bidang TI. Yogyakarta: Andi Offset, 2014.
M. Yusuf, Metode Penelitian Kuantitatif, Kualitatif & Penelitain Gabungan, Edisi Pert. Jakarta: Frenadamedia Group, 2014.
O’Brien James, Sistem Informasi Manajemen, Edisi 9. Jakarta: Salemba Empat, 2014.
Suyanto, Data Mining Untuk Klasifikasi Dan Klasterisasi Data, Edisi Revi. Bandung: Informatika, 2019.
Afrizal, Metode Penelitian Kualitatif Supaya mendukung penggunaan penelitian kualitatif dalam berbagai disiplin ilmu. Raja Frafindo Persada, 2014.
A. Basri, V. Kuswanto, and A. Leo, “Rancang Bangun Bridging Sistem Pendaftaran dan Aplikasi Mobile Jaminan Kesehatan Nasional ( JKN ),” vol. 5, pp. 11–20, 2022.
Copyright (c) 2022 Tugiman, Lily Damayanti, Alexius Hendra Gunawan, Samuel Ryon Elkana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pernyataan Hak Cipta dan Lisensi
Dengan mengirimkan manuskrip ke Journal of Applied Computer Science and Technology (JACOST), penulis setuju dengan kebijakan ini. Tidak diperlukan persetujuan dokumen khusus.
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mempertahankan semua hak mereka atas karya yang diterbitkan, tak terbatas pada hak-hak yang diatur dalam laman ini.
- Penulis mengakui bahwa Journal of Applied Computer Science and Technology (JACOST) sebagai yang pertama kali mempublikasikan dengan lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Journal of Applied Computer Science and Technology (JACOST);
- Penulis menjamin bahwa artikel asli, ditulis oleh penulis yang disebutkan, belum pernah dipublikasikan sebelumnya, tidak mengandung pernyataan yang melanggar hukum, tidak melanggar hak orang lain, tunduk pada hak cipta yang secara eksklusif dipegang oleh penulis.
- Jika artikel dipersiapkan bersama oleh lebih dari satu penulis, setiap penulis yang mengirimkan naskah menjamin bahwa dia telah diberi wewenang oleh semua penulis bersama untuk menyetujui hak cipta dan pemberitahuan lisensi (perjanjian) atas nama mereka, dan setuju untuk memberi tahu rekan penulis persyaratan kebijakan ini. Journal of Applied Computer Science and Technology (JACOST) tidak akan dimintai pertanggungjawaban atas apa pun yang mungkin timbul karena perselisihan internal penulis.
Lisensi :
Journal of Applied Computer Science and Technology (JACOST) diterbitkan berdasarkan ketentuan Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA). Lisensi ini mengizinkan setiap orang untuk :.
- Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
- Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun.
Lisensi :
-
Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
-
BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
