<![CDATA[Kesehatan merupakan faktor esensial dalam meningkatkan kualitas hidup manusia. Kesalahan medikasi yang sering terjadi dalam pelayanan kesehatan dapat menyebabkan kerugian serius bagi pasien. Oleh karena itu, diperlukan pendekatan komputasi untuk mempermudah tenaga kesehatan dalam memberikan rekomendasi resep obat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi resep obat berbasis metode Content-Based Filtering untuk mengurangi risiko kesalahan medikasi dengan mencocokkan data diagnosa pasien dengan atribut obat yang relevan. Content-Based Filtering merupakan metode rekomendasi yang berfokus pada kesamaan atribut antar item, dalam hal ini diagnosis dan resep obat. Sistem memanfaatkan deskripsi atau fitur yang tersedia dari diagnosis pasien untuk mencocokkannya dengan referensi resep obat. Sistem ini memanfaatkan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) merupakan metode untuk mengubah teks menjadi representasi numerik. Ini penting untuk menghitung relevansi diagnosis dan resep obat, setelah TF-IDF dihitung, setiap diagnosis dan resep obat direpresentasikan sebagai vektor. Cosine Similarity digunakan untuk mengukur sudut antara dua vektor tersebut, sehingga menentukan tingkat kesamaan antara diagnosis pasien dan referensi. Penelitian ini menghasilkan prototipe sistem berbasis web framework Laravel sebagai frontend menggunakan Python Flask sebagai backend yang mampu memberikan rekomendasi obat secara akurat berdasarkan diagnosa pasien. Uji coba sistem menunjukkan peningkatan akurasi rekomendasi obat sebesar 85%, sehingga mendukung efektivitas layanan kesehatan terutama di Puskesmas dan rumah sakit. Sistem rekomendasi resep obat ini menunjukkan efektif dengan kebutuhan pasien, Hal ini dapat dilihat berdasarkan berdasarkan evaluasi Precision, Recall, dan F1 Score. Dengan semua metrik tersebut threshold yang telah ditentukan (80% untuk Precision dan Recall, 75% untuk F1 Score).]]>
Copyrights © 2025
