Analisis Faktor Sosial-Ekonomi Pada Data Rekam Medik Pasien TB Menggunakan Teknologi MLP Classifier-ANN Dalam Kasus Kegagalan Pengobatan
DOI:
https://doi.org/10.55129/jnerscommunity.v13i4.2093Keywords:
data rekam medik, MLP Classifier-ANN, tuberculosisAbstract
Program TB nasional harus mengidentifikasi pemangku kepentingan yang bekerja pada SDGs lainnya, mengembangkan mekanisme untuk berkolaborasi dengan mereka dan memfasilitasi tindakan pada penentu sosial-ekonomi di wilayah geografis dengan beban TB tinggi. Pada penelitian ini akan mengunakan data retro tentang kondisi sosial dan ekonomi pasien pada suatu Rumah Sakit Umum Pusat (RSUP) Persahabatan di wilayah Jakarta yang diharapkan dapat meningkatkan akurasi klasifikasi kegagalan pengobatan yang terjadi. Total sebanyak 2,250 data rekam medik pasien digunakan dalam penelitian ini. Metode klasifikasi yang akan digunakan adalah Artificial Neural Network (ANN) dengan metode klasifikasi menggunakan MLP Classifier. Metode ini digunakan karena data-data sosial ekonomi pada rekam medik pasien yang berjumlah sangat banyak dan bersifat kategorik sehingga tidak dapat dilakukan teknik analisis dan klasifikasi yang sederhana. Pembangunan Model Klasfikasi melalui menggunakan dataset tanpa penambahan metode apapun dan pengkategorian ulang beberapa indikator. Model klasifikasi dapat dibangun menggunakan arsitektur ANN terbaik menggunakan metode MLP-Classifier dengan akurasi 99,5% untuk training dan 81.6% untuk testing. Model klasifikasi yang dihasilkan juga telah diuji untuk mengetahui kemampuan prediktif/inferensi masing-masing model. Hasil penelitian dapat digunakan untuk menerapkan model klasifikasi untuk menjawab kebutuhan bisnis yang ada dalam konteks pengendalian TB di Indonesia.
References
Adler, N. E., & Newman, K. (2002). Socioeconomic disparities in health: pathways and policies. Health Affairs (Project Hope), 21(2), 60–76. https://doi.org/10.1377/hlthaff.21.2.60
Alwosheel, A., van Cranenburgh, S., & Chorus, C. G. (2018). Is your dataset big enough? Sample size requirements when using artificial neural networks for discrete choice analysis. Journal of Choice Modelling, 28, 167–182. https://doi.org/https://doi.org/10.1016/j.jocm.2018.07.002
Carter, D. J., Glaziou, P., Lönnroth, K., Siroka, A., Floyd, K., Weil, D., … Boccia, D. (2018). The impact of social protection and poverty elimination on global tuberculosis incidence: a statistical modelling analysis of Sustainable Development Goal 1. The Lancet. Global Health, 6(5), e514–e522. https://doi.org/10.1016/S2214-109X(18)30195-5
Gupta, R. K., Lucas, S. B., Fielding, K. L., & Lawn, S. D. (2015). Prevalence of tuberculosis in post-mortem studies of HIV-infected adults and children in resource-limited settings: a systematic review and meta-analysis. AIDS (London, England), 29(15), 1987.
International Labour Office. (2012). International Standard Classification of Occupations 2008 (ISCO-08): Structure, group definitions and correspondence tables. International Labour Office.
Janssens, J.-P., & Rieder, H. L. (2008, November). An ecological analysis of incidence of tuberculosis and per capita gross domestic product. The European Respiratory Journal, Vol. 32, pp. 1415–1416. https://doi.org/10.1183/09031936.00078708
Mahara, G., Yang, K., Chen, S., Wang, W., & Guo, X. (2018). Socio-economic predictors and distribution of tuberculosis incidence in Beijing, China: a study using a combination of spatial statistics and GIS technology. Medical Sciences, 6(2), 26.
Maisya, I. B., & Lestari, H. (2019). Jaminan Kesehatan sebagai solusi mengatasi hambatan akses dan biaya dalam pemanfaatan pelayanan kesehatan ibu di Indonesia. Badan Penelitian Dan Pengembangan Kesehatan.
Murray, J. F. (2004). A century of tuberculosis. American Journal of Respiratory and Critical Care Medicine, 169(11), 1181–1186. https://doi.org/10.1164/rccm.200402-140OE
Murray, J. F. (2015). Tuberculosis and World War I. American Journal of Respiratory and Critical Care Medicine, 192(4), 411–414. https://doi.org/10.1164/rccm.201501-0135OE
Presiden Republik Indonesia. (2003). UU SISDIKNAS No.20 Tahun 2003.
Satyanarayana, S., Thekkur, P., Kumar, A. M. V, Lin, Y., Dlodlo, R. A., Khogali, M., … Harries, A. D. (2020). An Opportunity to END TB: Using the Sustainable Development Goals for Action on Socio-Economic Determinants of TB in High Burden Countries in WHO South-East Asia and the Western Pacific Regions. Tropical Medicine and Infectious Disease, 5(2). https://doi.org/10.3390/tropicalmed5020101
Setiarni, S. M., Sutomo, A. H., & Hariyono, W. (2011). Hubungan antara tingkat pengetahuan, status ekonomi dan kebiasaan merokok dengan kejadian tuberkulosis paru pada orang dewasa di wilayah kerja puskesmas tuan-tuan kabupaten ketapang kalimantan barat. Kes Mas: Jurnal Fakultas Kesehatan Masyarakat Universitas Ahmad Daulan, 5(3), 25008.
Soekanto, S. (2015). Sosiologi: Suatu Pengantar-ed. Revisi, cet. 47. Jakarta: Rajawali Press.
World Health Organization. (2003). Adherence to Long-term Therapies : Evidence for Action. Geneva: World Health Organization.
World Health Organization. (2015). The end TB strategy. World Health Organization.
World Health Organization. (2019). Global tuberculosis report 2019. Retrieved from https://apps.who.int/iris/handle/10665/329368
