Analisis Dan Implementasi Metode Genetic Fuzzy Systems Dalam Prediksi Tingkat Kunjungan Pasien Di Klinik Pratama Prima Melati

Abstract Views: 0   PDF Downloads: 0

Authors

  • Anita Riski Yusro Siregar Universitas Muhammadiyah Sumatera Utara
  • Al-Khowarizmi Universitas Muhammadiyah Sumatera Utara

Keywords:

prediksi jumlah pasien; Genetic Fuzzy System; sistem fuzzy; algoritma genetika

Abstract

Prediksi jumlah kunjungan pasien merupakan salah satu elemen penting dalam mendukung efisiensi pelayanan dan perencanaan operasional di fasilitas kesehatan. Penelitian ini mengusulkan penerapan metode Genetic Fuzzy System (GFS) dalam membangun sistem prediksi tingkat kunjungan pasien bulanan di Klinik Pratama Prima Melati. GFS merupakan pendekatan hibrida yang menggabungkan kemampuan logika fuzzy dalam menangani ketidakpastian data dengan algoritma genetika untuk mengoptimalkan aturan fuzzy secara adaptif. Sistem dirancang dalam bentuk aplikasi web yang memudahkan pihak klinik dalam menginput data historis, melihat hasil prediksi, memantau kategori fuzzy, dan mengevaluasi performa prediksi setiap bulan. Model ini diuji terhadap data kunjungan pasien selama satu tahun dan menghasilkan prediksi yang cukup konsisten serta mendekati nilai aktual pada sebagian besar bulan. Meskipun hasil prediksi bersifat dinamis akibat proses evolusi genetika, sistem tetap menunjukkan kecenderungan yang stabil dalam memetakan pola historis kunjungan pasien. Dengan demikian, penerapan metode ini dinilai relevan dan potensial dalam membantu proses pengambilan keputusan berbasis data di lingkungan klinik.

Downloads

Download data is not yet available.

References

Abini, M.A., & Bushara, A.R. (2025). Secure and Compliant Machine Learning in the Cloud for Healthcare. International Journal of Science and Engineering Applications, 14(02), 38-44.

Anggraini, Y., Pasha, D., Damayanti, D., & Setiawan, A. (2020). Sistem Informasi Penjualan Sepeda Berbasis Web Menggunakan Framework Codeigniter. Jurnal Teknologi Dan Sistem Informasi, 1(2), 64–70. https://doi.org/10.33365/jtsi.v1i2.236

Aveno, R. (2024). Forecasting Outpatient Visits: Leveraging Genetic Fuzzy Systems for Enhanced Healthcare Management at Efarina Etaham Berastagi Hospital. International Journal of Healthcare Management, 12(3), 45-60.

Calastri, G., Buckell, J., & dit Sourd, M. (2025). Avoidable visits to UK emergency departments from the patient perspective: A recursive bivariate probit approach. Journal of Public Health Studies, 18(2), 99-121.

Cao, J., Zhou, T., Zhi, S., Lam, S., Ren, G., Zhang, Y., ... & Cai, J. (2024). Fuzzy inference system with interpretable fuzzy rules: Advancing explainable artificial intelligence for disease diagnosis-A comprehensive review. Information Sciences, 662, 120212.

Chen, L., Wang, Y., & Zhang, H. (2025). Impact of COVID-19 on Healthcare Utilization and Outpatient Visits. Journal of Public Health Research, 17(2), 98-115.

Dwijosusilo, K., & Sarni, S. (2018). Peranan Rekam Medis Elektronik Terhadap Sistim Informasi Manajemen Rumah Sakit di Rumah Sakit Umum Haji Surabaya.

Fahri, A. N. (2019). Rancang bangun sistem informasi penjadwalan dan reservasi dokter (studi kasus: rumah sakit juanda) (Bachelor's thesis, Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta).

Gündüz, B.Ö., Kutlutürk, K., & Ünay, B. (2025). Rotavirus infections in the pediatric population: a comparative study of pre-COVID and COVID-19 pandemic periods. Frontiers in Public Health.

Kumar, Y., Koul, A., Sisodia, P. S., Shafi, J., Verma, K., Gheisari, M., & Davoodi, M. B. (2021). Heart failure detection using quantum‐enhanced machine learning and traditional machine learning techniques for internet of artificially intelligent medical things. Wireless Communications and Mobile Computing, 2021(1), 1616725.

Makki, M., Hassali, M. A., Awaisu, A., & Hashmi, F. (2019). The prevalence of unused medications in homes. Pharmacy, 7(2), 61.

Massito, J., & Hinju, G. (2025). Out of pocket and catastrophic health expenditure in Tanzania: recent evidence on the incidence, intensity and distribution. BMC Health Services Research, 25(1), 1-11.

Mitrakas, C., Xanthopoulos, A., & Koulouriotis, D. (2025). Techniques and Models for Addressing Occupational Risk Using Fuzzy Logic, Neural Networks, Machine Learning, and Genetic Algorithms: A Review and Meta-Analysis. Applied Sciences, 15(4), 1909.

Setiawan, A. R. (2019). TA: Kendali Salinitas Air Menggunakan Fuzzy Logic pada Aquarium Ikan Nemo (Doctoral dissertation, Institut Bisnis dan Informatika Stikom Surabaya).

Siregar, A. R. Y., & Ningsih, T. (2020). Managing Healthcare Resources through Predictive Analytics: A Study on Patient Visit Forecasting Methods. Indonesian Journal of Health Informatics, 7(3), 123-145.

Soto-Diaz, J., & Vásquez-Carbonell, M. (2025). Applications of Fuzzy Logic in Medical Predictions: A Review and Future Perspectives. Journal of Medical AI, 12(1), 55-72.

Surorejo, B., Wijaya, K., & Setiawan, R. (2024). Application of Fuzzy Genetic System to Predict the Number of Outpatient Visits. Journal of Computational Healthcare Systems, 10(2), 87-101.

Sulartopo, S., Kholifah, S., Danang, D., & Santoso, J. T. (2023). Transformasi proyek melalui keajaiban kecerdasan buatan: mengeksplorasi potensi ai dalam project management. Jurnal Publikasi Ilmu Manajemen, 2(2), 363-392.

Takale, V. (2024). Soft Computing Models for Accurate COVID-19 Prediction: A Comparative Study of Neural Networks, Fuzzy Logic, and Genetic Algorithms. Journal of Soft Computing in Medicine, 8(4), 201-220.

Wahyuni, S., & Ferial, L. (2023). Pemeriksaan puskesmas di daerah terpencil terhadap fasilitas kesehatan. JOURNAL OF BAJA HEALTH SCIENCE, 3(01), 91-108.

Zhang, K., Li, W., & Sun, J. (2025). Applied Research in Artificial Intelligence for Healthcare Facilities Optimization. Journal of Applied AI in Healthcare, 23(1), 44-61.

Zheng, Y., Xu, Z., Wu, T., & Yi, Z. (2024). A systematic survey of fuzzy deep learning for uncertain medical data. Artificial Intelligence Review, 57(9), 230.

Downloads

Article History

Submitted: 2025-10-21
Published: 2026-08-24
Pages: 179-186

PlumX Metrics

How to Cite

Anita Riski Yusro Siregar, & Al-Khowarizmi. (2026). Analisis Dan Implementasi Metode Genetic Fuzzy Systems Dalam Prediksi Tingkat Kunjungan Pasien Di Klinik Pratama Prima Melati . Hello World Jurnal Ilmu Komputer, 5(2), 179–186. Retrieved from https://jurnal.ilmubersama.com/index.php/hello_world/article/view/1324

Issue

Vol. 5 No. 2 (2026): Edisi Juli 2026

Section

Articles

License

Copyright (c) 2026 Anita Riski Yusro Siregar, Al-Khowarizmi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Penulis yang mempublikasikan naskahnya pada Hello World Jurnal Ilmu Komputer menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam Hello World Jurnal Ilmu Komputer dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:

"Penulis mengakui bahwa Hello World Jurnal Ilmu Komputer berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"

"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Hello World Jurnal Ilmu Komputer."

"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."