<![CDATA[Kesehatan merupakan kebutuhan utama masyarakat pada masa kini, sehingga peningkatan sarana pelayanan kesehatan menjadi hal yang krusial untuk mencapai derajat kesehatan yang optimal sesuai dengan tujuan pembangunan kesehatan. Rumah sakit sering menghadapi lonjakan pasien setiap harinya, terutama pada instalasi rawat inap. Prediksi jumlah pasien masuk seringkali menggunakan metode sederhana seperti rata-rata historis yang kurang akurat, sehingga menyebabkan ketidakefisienan dalam pengelolaan sumber daya, pengendalian biaya, dan penyediaan layanan berkualitas. Data yang digunakan dalam penelitian ini adalah data bangsal dari Januari 2021 hingga Desember 2022, yang diperoleh dalam format Excel dengan total 730 data selama dua tahun. Penelitian ini bertujuan untuk mengembangkan model prediksi berbasis Random Forest yang dapat memperkirakan jumlah pasien masuk rumah sakit secara akurat dengan mempertimbangkan berbagai faktor, seperti demografi pasien dan variabel waktu. Proses penelitian melibatkan pengumpulan data, preprocessing untuk membersihkan dan mempersiapkan dataset, pelatihan model, serta evaluasi kinerja menggunakan metrik seperti Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil evaluasi menunjukkan bahwa model prediksi memiliki performa yang baik dengan nilai MSE sebesar 0,64, MAE sebesar 0,60, dan RMSE sebesar 0,80, yang mengindikasikan tingkat kesalahan prediksi yang rendah. Informasi prediksi jumlah pasien ini memberikan dampak signifikan bagi manajemen rumah sakit dalam mengelola kapasitas, seperti alokasi tempat tidur, tenaga medis, dan peralatan medis, sehingga efisiensi operasional dapat ditingkatkan. Dengan demikian, metode prediksi berbasis Random Forest tidak hanya memberikan hasil yang akurat, tetapi juga dapat diterapkan secara langsung untuk mendukung pengambilan keputusan strategis di lingkungan rumah sakit.]]>
Copyrights © 2025
