Peningkatan Akurasi Rekomendasi Dokter pada Kondisi Data Sparsity Menggunakan Algoritma Content-Based Filtering

Authors

  • Alwan Prasetya Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW
  • Ahsanun Naseh Khudori Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW
  • Risqy Siwi Pradini Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW

Keywords:

accuracy, Content-Based Filtering (CBF), data sparsity, doctor recommendation, akurasi, rekomendasi dokter

Abstract

Perkembangan aplikasi layanan kesehatan seperti Halodoc, Alodokter, dan Klikdokter telah menyediakan sistem rekomendasi yang memudahkan pasien untuk menentukan dokter yang relevan. Namun, rekomendasi dokter yang relevan masih menjadi tantangan. Salah satu permasalahannya adalah data sparsity, yaitu kelangkaan atribut data yang menyebabkan akurasi sistem rekomendasi bekerja kurang akurat. Penelitian ini mengembangkan sistem rekomendasi dokter menggunakan pendekatan Content-Based Filtering (CBF) untuk melakukan rekomendasi dokter sesuai dengan preferensi pasien dengan mempertimbangkan lima atribut utama: spesialisasi, rating, biaya konsultasi, lama praktik, dan jenis kelamin. Aturan imputasi data dan pembobotan atribut telah diimplementasikan untuk meningkatkan akurasi sistem rekomendasi. Hasil dari analisis data menunjukan teknik tersebut telah menurunkan Mean Absolute Error (MAE) dari 0,142 menjadi 0,102 dan Root Mean Squared Error (RMSE) dari 0,205 menjadi 0,150, sehingga teknik yang diimplementasikan meningkatkan sistem rekomendasi dokter dengan kondisi data sparsity.

References

A. Pujihastuti, N. M. Hastuti, and N. Yuliani, “Penerapan Sistem Informasi Manajemen Rumah Sakit dalam Mendukung Pengambilan Keputusan Manajemen,” Jurnal Manajemen Informasi Kesehatan Indonesia, vol. 9, no. 2, pp. 191–200, 2021, doi: 10.33560/jmiki.v9i2.377.

Mario, R. Sumarlin, and T. R. Deanda, “Analisis UI dan UX Aplikasi halodoc Terhadap Pengguna Layanan Kesehatan,” Jurnal Demandia Desain Komunikasi Visual Manajemen Desain dan Periklanan, vol. 08, no. 01, pp. 1–20, 2023, doi: 10.25124/demandia.v8i1.4685.

A. Prasetyo and D. H. Prananingrum, “Disrupsi Layanan Kesehatan Berbasis Telemedicine: Hubungan Hukum dan Tanggung Jawab Hukum Pasien dan Dokter,” Refleksi Hukum, vol. 6, no. April, pp. 225–246, 2022, doi: 10.24246/jrh.2022.v6.i2.p225-246.

N. M. Marsalis and Usman, “Sistem Informasi Pemetaan Praktek Dokter Tembilahan Berbasis Web,” Jurnal Perangkat Lunak, vol. 5, pp. 142–151, 2023, doi: 10.32520/jupel.v5i2.2582.

Y. Yang, J. Hu, Y. Liu, and X. Chen, “Doctor Recommendation Based on an Intuitionistic Normal Cloud Model Considering Patient Preferences,” Cognitive Computation, vol. 12, no. 2, pp. 460–478, 2018, doi: 10.1007/s12559-018-9616-3.

C. Nurdianty and A. Sudrajat, “Pengaruh Pengalaman Pasien Dan Citra Puskesmas Terhadap Kepuasan Pasien di Puskesmas Batujaya Karawang,” COSTING:Journal of Economic, Business and Accounting, vol. 4, no. 2, pp. 665–672, 2021.

Q. Y. Shambour, M. M. Al-Zyoud, A. H. Hussein, and Q. M. Kharma, “A Doctor Recommender System Based on Collaborative and Content Filtering,” International Journal of Electrical and Computer Engineering (IJECE), vol. 13, no. 1, pp. 884–893, 2023, doi: 10.11591/ijece.v13i1.pp884-893.

A. I. Putra and R. R. Santika, “Implementasi Machine Learning dalam Penentuan Rekomendasi Musik dengan Metode Content-Based Filtering,” EDUMATIC Jurnal Pendidikan Informatika, vol. 4, no. 1, pp. 121–130, 2020, doi: 10.29408/edumatic.v4i1.2162.

A. A. Huda, R. Fajarudin, and A. Hadinegoro, “Sistem Rekomendasi Content-based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, pp. 1679–1686, 2022, doi: 10.47065/bits.v4i3.2511.

E. Sartika, “Analisis Metode K Nearest Neighbor Imputation (KNNI) untuk Mengatasi Data Hilang Pada Estimasi Data Survey,” Jurnal TEDC, vol. 12, no. 3, pp. 219–227, 2018.

N. Sari, Licantik, and M. Zahra, “Pemanfaatan Sistem Rekomendasi Menggunakan Content- Based Filtering pada Hotel di Palangka Raya,” Technological Journal Ilmiah, vol. 15, no. 4, pp. 754–763, 2024.

M. Waqar, N. Majeed, H. Dawood, A. Daud, and N. R. Aljohani, “An Adaptive Doctor-Recommender System,” Behavioral and Information Technology, vol. 38, no. 9, pp. 959–973, 2019, doi: 10.1080/0144929X.2019.1625441.

F. Nurfalah, Asriyanik, and A. Pambudi, “Sistem Rekomendasi Event Online Menggunakan Metode Content Based Filtering,” Jurnal Ilmiah Elektronika dan Komputer, vol. 15, no. 2, pp. 271–279, 2022.

H. Zakiyudin and K. Marzuki, “Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus Swasta,” Jurnal Bumigora Information Technology (BITe), vol. 3, no. 1, pp. 19–27, 2021, doi: 10.30812/bite.v3i1.1110.

A. Tandon, A. Dhir, A. K. M. N. Islam, and M. Mäntymäki, “Blockchain in healthcare: A systematic literature review, synthesizing framework and future research agenda,” Elsevier, vol. 122, 2020, doi: 10.1016/j.compind.2020.103290.

R. S. Pradini, M. Anshori, M. S. Haris, and P. Korespondensi, “Optimasi Weight Ahp Menggunakan Genetic Algorithm Untuk Rekomendasi Platform Media Sosial Sebagai Sarana Promosi Digital” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 10, no. 7, pp. 1537–1544, 2023, doi: 10.25126/jtiik2023108011.

A. A. Amin, “Mereduksi Error Prediksi Pada Sistem Rekomendasi Menggunakan Pendekatan Colalborative Filtering Berbasis Model Matrix Factorization,” Explore, vol. 11, no. 2, p. 8, 2021, doi: 10.35200/explore.v11i2.434.

S. Lestari, M. E. Afdila, and Y. A. Pratama, “Imputation Missing Value to Overcome Sparsity Problems in The Recommendation System,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 6, pp. 1285–1291, 2023, doi: 10.29207/resti.v7i6.5300.

Downloads

Published

2025-04-01