DELIA PUTRI FARDANI (2015) RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN UNTUK MERAMALKAN JUMLAH KUNJUNGAN PASIEN MENGGUNAKAN EXTREME LEARNING MACHINE (STUDI KASUS : POLI GIGI RSU DR. WAHIDIN SUDIRO HUSODO KOTA MOJOKERTO). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf Download (177kB)
	Text (ABSTRAK) ABSTRAK.pdf Download (123kB)
	Text (DAFTAR ISI) DAFTAR ISI.pdf Download (144kB)
	Text (BAB 1) BAB 1.pdf Download (126kB)
	Text (BAB 2) BAB 2.pdf Restricted to Registered users only until 3 June 2023. Download (243kB) | Request a copy
	Text (BAB 3) BAB 3.pdf Restricted to Registered users only until 3 June 2023. Download (175kB) | Request a copy
	Text (BAB 4) BAB 4.pdf Restricted to Registered users only until 3 June 2023. Download (680kB) | Request a copy
	Text (BAB 5) BAB 5.pdf Restricted to Registered users only until 3 June 2023. Download (116kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (115kB)
	Text (LAMPIRAN) LAMPIRAN.pdf Restricted to Registered users only until 3 June 2023. Download (1MB) | Request a copy

Abstract

Pada penelitian ini, suatu sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dirancang dan dibangun dengan menggunakan metode Extreme Learning Machine (ELM) yang bertujuan membantu direktur untuk mengambil keputusan dalam meramalkan jumlah kunjungan pasien dan dapat membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Rancang bangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien dengan metode ELM melalui beberapa tahap. Tahap yang pertama adalah pengumpulan data untuk mengindentifikasi inputan yang dibutuhkan dalam perhitungan metode ELM. Tahap selanjutnya adalah pengolahan data, data dibagi menjadi data Training dan data Testing dengan komposisi data Training sebanyak 80% dari total data dan serta data Testing sebanyak 20% dari total data yang kemudian di normalisasi. Tahap ketiga adalah penyelesaian masalah menggunakan metode ELM. Tahap terakhir adalah perancangan sistem menggunakan sysflow serta pembangunan sistem berbasis desktop dan evaluasi sistem. Hasil penelitian berupa sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien didapat melalui uji coba menggunakan 116 data Testing berdasarkan fungsi aktivasi dan jumlah hidden layer. Hasil akurasi optimal yang didapat adalah uji coba fungsi aktivasi Sigmoid Biner dengan jumlah Hidden Layer sebanyak 7 unit dan Epoch 500 maka MSE yang dicapai sebesar 0,027.

Actions (login required)

View Item