ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulANALISIS REKOMENDASI OBAT UNTUK PENYAKIT FLU BERDASARKAN GEJALA MENGGUNAKAN ALGORITMA SAINT |
| Nama: INDRI NAFTALY MANGKAWA |
| Tahun: 2026 |
| Abstrak Influenza atau flu merupakan penyakit menular yang umum dijumpai dan ditandai dengan variasi gejala yang berbeda pada setiap pasien, sehingga proses pemilihan obat yang sesuai menjadi tidak sederhana. Kondisi tersebut mendorong perlunya sistem rekomendasi berbasis data yang mampu menganalisis pola gejala secara objektif dan konsisten. Penelitian ini bertujuan untuk menerapkan model Transformer bergaya SAINT (Self-Attention based Tabular Transformer) dalam sistem rekomendasi obat flu berdasarkan klasifikasi gejala. Dataset yang digunakan merupakan data tabular gejala flu yang diperoleh dari dua sumber, yaitu dataset publik dan data klinik lokal, dengan lima fitur utama meliputi suhu tubuh (Temperature), tingkat keparahan demam (Fever_Severity), sakit kepala (Headache), nyeri badan (Body_Ache), dan kelelahan (Fatigue). Target keluaran berupa rekomendasi obat flu dalam bentuk klasifikasi multi-kelas, dengan hanya menggunakan kelas obat yang memiliki minimal 10 sampel untuk mengurangi ketimpangan data. Ketidakseimbangan kelas ditangani menggunakan class weight pada fungsi loss Cross-Entropy. Model yang dikembangkan mengadopsi prinsip SAINT pada level fitur, yaitu dengan merepresentasikan setiap kolom sebagai token, menambahkan column embedding, serta memanfaatkan mekanisme selfattention melalui Transformer Encoder. Sistem menghasilkan Top-3 rekomendasi obat berdasarkan probabilitas keluaran model. Evaluasi model dilakukan menggunakan metrik akurasi dan macro-F1 score, serta confusion matrix untuk menganalisis pola kesalahan prediksi. Selain itu, model yang telah dilatih disimpan dan dapat digunakan kembali pada tahap inferensi tanpa memerlukan proses pelatihan ulang. Hasil penelitian menunjukkan bahwa model Transformer bergaya SAINT mampu memberikan rekomendasi obat flu berdasarkan gejala dengan performa yang stabil pada klasifikasi multi-kelas. Sistem yang dikembangkan diharapkan dapat berfungsi sebagai sistem pendukung keputusan dalam memberikan alternatif rekomendasi obat flu berbasis data, tanpa menggantikan peran tenaga medis. |