I.
Latar
Belakang
Ranah
kesehatan selalu marak untuk diperbincangkan
dimana saja karena hal tersebut dipandang
krusial bagi kehidupan manusia. Baik Negara
maju maupun Negara berkembang memiliki program
untuk memajukan kesejahteraan penduduknya,
dengan memberikan pelayanan kesehatan
baik secara individu maupun kelompok. Disiplin
ilmu yang koheren, konsisten dan kompoten
dengan dunia kesehatan adalah kedokteran. Pada hakekatnya banyak pendekatan yang bisa dilakukan oleh para medis untuk melakukan
penyembuhan atau mengantisipasi
sebelum terjadi penyakit, pendekatan
yang sekarang ini marak diperbincangkan
adalah Kedokteran Keluarga.
Sifat pelayanan
kedokteran keluarga meliputi peningkatan derajat kesehatan, pencegahan, kuratif dan rehabilitas. Pelayanan dokter
keluarga merupakan upaya penyelenggaraan kesehatan perorangan di tingkat primer untuk memenuhi ketersediaan, ketercapaian, keterjangkauan, kesinambungan dan mutu pelayanan kesehatan bagi masyarakat (Asmah et.al. 2008; Miller
et.al. 2010). Dasar praktek
kedokteran keluarga di Indonesia tertuang
pada pembukaan UUD 1945 alinea ke-IV tentang
tujuan Negera memajukan kesejahteraan umum
dan secara rinci disebutkan pada pasal 28 H
ayat 1 bahwa setiap orang berhak memperoleh pelayanan kesehatan. Namun, prakteknya terjadi kepincangan
misalnya rasio jumlah dokter dan jumlah
penduduk Papua sekitar 0.28% berbanding 5,9%
dengan Jakarta. Salah satu penyebabnya adalah
pendistribusian tenaga kerja yang tidak merata.
Pendistribusian tenaga medis khususnya dokter keluarga secara kontinu akan
mengalami kenaikan sejalan dengan
Misi Kementerian Kesehatan RI yaitu
akan menjamin ketersediaan dan pemerataan
sumber daya kesehatan. Upaya pemerintah
dalam pemerataan pelayanan kesehatan dilakukan
melalui PT Askes (Persero).
Perkembangan
teknologi saat ini semakin pesat, menghantarkan
semua aktifitas yang sulit untuk dilakukan
oleh manusia dapat dikerjakan dengan mudah,
efektif dan efisien. Peranan teknologi informasi
dalam bidang komputasi sangat memberikan
peluang untuk menyelesaikan permasalahan
kompleks yang bersifat signifikan.
Adapun
metode problem solving yang digunakan dalam penelitian ini adalah jaringan syaraf tiruan (JST). JST merupakan metode yang dapat menemukan hubungan non-linear antara
beban dan faktor-faktor ekonomi yang
bervariasi serta faktorfaktor lainnya yang dapat melakukan penyesuaian terhadap perubahan-perubahan yang terjadi (Kuncoro dan Dalimi, 2005). Salah satu bidang dimana JST dapat diaplikasikan dengan baik adalah bidang peramalan (Setiawan, 2008).
Teknik peramalan banyak digunakan
untuk proses perencanaan dan
pengambilan keputusan, suatu ramalan
mencoba memperkirakan apa yang akan terjadi
dan apa yang akan menjadi kebutuhan. Dalam
JST terdapat teknik peramalan yang sering
digunakan yaitu backpropagation. Teknik ini biasanya digunakan pada jaringan multi-layer dengan
tujuan meminimalkan error pada keluaran yang dihasilkan oleh jaringan. Dengan adanya sistem
prediksi dokter keluarga menggunakan
metode backpropagation diharapkan dapat
membantu pengambil keputusan untuk melakukan pemerataan pelayanan
kesehatan.
II.
Gambaran
Umum JST
JST
merupakan bagian dari sistem kecerdasan buatan
yang digunakan untuk memproses informasi
yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan masalah dengan melakukan proses belajara melalui perubahan bobot sinapsisnya.
syaraf
biologis dimana sel syaraf (neuron) akan memiliki satu inti sel yang bertugas untuk melakukan pemrosesan informasi. Informasi yang datang akan diterima oleh dendrit. Selain menerima informasi, dendrit juga
menyertai axon sebagai keluaran
dari suatu pemrosesan informasi. Informasi
hasil olahan ini akan menjadi masukkan bagi neuron lain dimana antar dendrit kedua
sel tersebut dipertemukan dengan
sinapsisnya. Informasi yang dikirimkan
antar neuron ini berupa rangsangan yang dilewatkan melalui dendrit. Informasi yang datang dan diterima oleh dendrit akan
dijumlahkan dan dikirim melalui axon
lain. Informasi ini akan diterima
oleh neuron lain jika memenuhi batasan tertentu dikenal dengan nilai ambang (threshold) yang dikatakan teraktivasi.
Karakteristik
jaringan syaraf ditentukan oleh beberapa
hal yaitu:
1. Pola
hubungan antar neuron yang disebut dengan arsitektur jaringan
2. Metode
penentuan bobot-bobot sambungan yang disebut dengan pelatihan atau proses
belajar jaringan
3. Fungsi
aktivasi.
III.
Perancangan
Sistem
Arsitektur
lapisan yang akan digunakan adalah tiga
lapisan jaringan terdiri dari satu lapisan masukkan, satu lapisan tersembunyi
dan satu lapisan keluaran. Dimana
lapisan tersebut memiliki dua belas neuron
yaitu:
X1 =
Puskesmas perawatas
X2 =
Puskesmas non perawatan
X3 = Klinik dan balai pengobatan
X4 =
RS pemerintah
X5 =
RS swasta
X6 =
RS TNI/POLRI
X7 =
RS khusus/jiwa
X8 =
Apotik
X9
= Optik
X10 =
Lab
X11 =
PMI
X12 =
PPK hemodialisa
Memiliki
satu keluaran berupa hasil akhir dalam menentukan prediksi jumlah dokter
keluarga. Untuk proses data training terdiri dari 78 data sedangkan data
testing terdiri dari 13 data.
IV.
Arsitektur
Aplikasi
Arsitektur
aplikasi sistem prediksi dokter keluarga
dapat dilihat pada Gambar
bahwa
pengguna dapat berinteraksi dengan sistem
melalui antarmuka GUI (Graphical User Interface). Layanan yang disediakan berupa hasil
komputasi sistem yaitu memprediksi
jumlah dokter keluarga dengan studi
kasus kota palu menggunakan metode backpropagation.
V.
Fungsionalitas
Aplikasi
Fungsionalitas
aplikasi sistem prediksi terbagi atas
beberapa hal, yaitu:
a. Fungsi
Pengelolaan Data Training
Merupakan
fungsi yang digunakan untuk mengolah
data primer menjadi data training.
b. Fungsi
Pengelolaan Data Testing Merupakan
fungsi untuk menguji data yang telah di
training dengan data primer testing.
Sedangkan
ERD (Entity Relationship Diagram)
aplikasi
sistem prediksi tampak pada Gambar dibawah ini:
VI.
Rancangan
Antarmuka
Rancangan
antarmuka bagian menu dari aplikasi
sistem prediksi
dapat dilihat pada Gambar dibawah ini
VII.
Rancangan Antarmuka Proses Data
Training dan Testing Ketika pengguna menekan label data training maka
akan tampil antarmuka proses training yang dapat dilihat pada Gambar
dibawah ini.
Dari gambar
tersebut terdapat Nama Kota yang diurutkan berdasarkan No, pada label input
terdapat dua belas masukkan dengan
satu output. Saat pengguna
menekan label proses training maka akan tampil form testing seperti pada Gambar di bawah ini
Rancangan Antarmuka Hasil Prediksi Setelah
pengguna selesai melakukan proses testing.
Selanjutnya pada Gambar di bawah ini akan menghasilkan
prediksi jumlah dokter keluarga.
VIII.
KESIMPULAN
Aplikasi
sistem prediksi jumlah dokter keluarga ini
diharapkan dapat memberikan sumbangsi kepada pengguna dalam hal ini adalah pihak PT Askes (Persero) untuk memberikan dukungan kepada pemerintah dalam
mensejahterakan masyarakat melalui pelayanan
kesehatan yang merata.
