EXPLAINABLE MACHINE LEARNING UNTUK PREDIKSI HASIL PENGOBATAN ALTERNATIF

• ZULFATI DINUL FATIHA
• 14207100

---

ABSTRAK

 

ABSTRAK Nama : Zulfati Dinul Fatiha NIM : 14207100 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul : “Explainable Machine Learning untuk Prediksi Hasil Pengobatan Alternatif” Penelitian yang dilakukan berupa predictive modeling untuk mengukur efektifitas pengobatan alternatif seperti akupunktur, bekam, dan herbal terhadap pengobatan penyakit dengan menggunakan metode machine learning. Dataset yang digunakan berupa data internal yaitu data rekam medis pasien yang melakukan pengobatan alternatif pada salah satu griya sehat di daerah Tangerang. Dataset akan diolah dengan beberapa model klasifikasi dari machine learning. Dari pengolahan data tersebut, metode terbaik ditemukan pada model ensamble yaitu XGBoost Classifier dengan nilai accuracy 94.7% dan kappa score 0.89. Model terbaik akan dijelaskan menggunakan SHAP value untuk mengidentifikasi feature yang paling berpengaruh pada prediksi model. Kontribusi atribut yang paling berpengaruh pada prognosis pasien adalah atribut jumlah terapi, duration off illness, jenis penyakit dan atribut durasi terapi atau durasi pengobatan alternatif yang dilakukan.
Kata Kunci: Machine Learning, Akupunktur, Bekam, Herbal, Pengobatan Alternatif, Shap Value, Explainable Machine Learning.
 

KATA KUNCI

EXPLAINABLE MACHINE LEARNING

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] D. A. Andira and J. K. Pudjibudojo, “Pengobatan Alternatif Sebagai Upaya Penyembuhan Penyakit,” Insight J. Pemikir. dan Penelit. Psikol. , vol. 16, no. 2, pp. 393–401, 2020, doi: 10.32528/ins.v16i2.2053. [2] Angelia Putriana, “Peran Komunikasi Pemasaran Pengobatan Alternatif dalam Meningkatkan Kepercayaan Masyarakat,” MUKASI J. Ilmu Komun. , vol. 1, no. 1, pp. 31 –38, 2022, doi: 10.54259/mukasi.v1i1.427. [3] M. A. O. Setiawati, A. A. P. A. Mediastari, and I. B. Putra Suta, “Terapi Akupunktur Untuk Mengatasi Vertigo,” Widya Kesehat., vol. 3, no. 1, pp. 8–15, 2021, doi: 10.32795/widyakesehatan.v3i1.1650. [4] R. L. P. Rukmono et al., “Akupunktur sebagai Terapi pada Nyeri Pascaoperasi?: Artikel Review Acupuncture as Pain Management in Postoperative Therapy?: An Article Review Abstract,” Majority, vol. 8, no. 1, pp. 256–261, 2019. [5] S. Wahdini, “Peran Akupunktur dalam Penatalaksanaan Pasien Geriatri,”
eJournal Kedokt. Indones., vol. 2, no. 2, pp. 5–10, 2014, doi: 10.23886/ejki.2.4019. [6] C. Notonegoro and C. Simadibrata, “JOURNAL OF AGROMEDICINE AND MEDICAL SCIENCES ( AMS ) ISSN?: 2460-9048 ( Print ), ISSN?: 2714-5654 ( Electronic ) Available online at http://jurnal.unej.ac.id/index.php/JAMS Laporan kasus?: Efek Akupunktur Manual terhadap Perbaikan Gejala Vertigo dan Tinit,” vol. 7, no. 2, pp. 94– 97, 2021. [7] D. Oktaria and S. Fazriesa, “Efektivitas Akupunktur untuk Rehabilitasi Stroke,” Med. J. Lampung Univ., vol. 6, no. 2, pp. 66–70, 2017, [Online]. Available: http://juke.kedokteran.unila.ac.id/index.php/majority/article/view/1015. [8] K. Latifin, “a Literature Review?: the Effectiveness of Cupping To Reduce the Disorders Of Comfort Pain,” 2021. [9] R. Saputra, “Efektifitas Bekam Terhadap Penurunan Tekanan Darah Pada Penderita Hipertensi,” J. Pengabdi. Masy. Multidisiplin, vol. 1, no. 1, pp. 1–6, 2018, doi: 10.36341/jpm.v1i1.389. [10] S. Syokumawena and M. Pastari, “Pengobatan Alternatif Bekam Kering terhadap Kadar Kolesterol Darah,” J. Keperawatan Silampari, vol. 5, no. 1, pp. 11–19, 2021, doi: 10.31539/jks.v5i1.2109. [11] I. D. M. Ruspawan, I. K. Sudiantara, I. G. K. M. Ngurah, and I. W. Suardana, “Efektifitas Bekam Dan Akupuntur Dalam Menurunkan Intensitas Nyeri Pada Lansia Dengan Kecurigaan Osteoarthritis,” J. Gema
Keperawatan, vol. 9, pp. 105–116, 2016, [Online]. Available: 100
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri http://www.poltekkes-denpasar.ac.id/wpcontent/uploads/2018/12/AE4.15_compressed.pdf. [12] Y. You, L. Bai, T. Xue, C. Zhong, Z. Liu, and J. Tian, “Differential spatial activity patterns of acupuncture by a machine learning based analysis,”
Med. Imaging 2011 Biomed. Appl. Mol. Struct. Funct. Imaging, vol. 7965, p. 79651Q, 2011, doi: 10.1117/12.877981. [13] Y. Tu et al., “Multivariate resting-state functional connectivity predicts responses to real and sham acupuncture treatment in chronic low back pain,” NeuroImage Clin., vol. 23, no. April, p. 101885, 2019, doi: 10.1016/j.nicl.2019.101885. [14] X. J. Yang et al., “Baseline Brain Gray Matter Volume as a Predictor of Acupuncture Outcome in Treating Migraine,” Front. Neurol., vol. 11, no. March, pp. 1–9, 2020, doi: 10.3389/fneur.2020.00111. [15] T. Yin et al., “The Spontaneous Activity Pattern of the Middle Occipital Gyrus Predicts the Clinical Efficacy of Acupuncture Treatment for Migraine Without Aura,” Front. Neurol., vol. 11, no. November, pp. 1–12, 2020, doi: 10.3389/fneur.2020.588207. [16] Z. Liang, G. Zhang, Z. Li, J. Yin, and W. Fu, “Deep learning for acupuncture point selection patterns based on veteran doctor experience of Chinese medicine,” Proc. - 2012 IEEE Int. Conf. Bioinforma. Biomed.
Work. BIBMW 2012, pp. 396–401, 2012, doi: 10.1109/BIBMW.2012.6470346. [17] X. Yang, L. Xu, F. Zhong, and Y. Zhu, “Data mining-based detection of acupuncture treatment on juvenile myopia,” J. Tradit. Chinese Med., vol. 32, no. 3, pp. 372–376, 2012, doi: 10.1016/s0254-6272(13)60040-0. [18] S. Yu et al., “Resting-State Functional Connectivity Patterns Predict Acupuncture Treatment Response in Primary Dysmenorrhea,” Front.
Neurosci., vol. 14, no. September, pp. 1–11, 2020, doi: 10.3389/fnins.2020.559191. [19] X. Fan, X. Huang, Y. Zhao, L. Wang, H. Yu, and G. Zhao, “Predicting Prognostic Effects of Acupuncture for Depression Using the Electroencephalogram,” Evidence-based Complement. Altern. Med., vol. 2022, 2022, doi: 10.1155/2022/1381683. [20] G. Noor Alivian and K. N. Pratama, “Efektifitas Terapi Akupuntur Terhadap Keberhasilan Rehabiltasi Pasien Pasca Stroke: Literature Review,” J. Bionursing, vol. 4, no. 1, pp. 29–35, 2022, doi: 10.20884/1.bion.2022.4.1.129. [21] Syukur and Asnawati, “Faktor-faktor yang mempengaruhi masyarakat dalam pemanfaatan herbal di desa pilohayanga baratkecamatan telaga kabupaten gorontalo 1) 2),” 2021. [22] Y. Wang, M. Jafari, Y. Tang, and J. Tang, “Predicting Meridian in Chinese traditional medicine using machine learning approaches,” PLoS Comput. 101
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
Biol., vol. 15, no. 11, pp. 1–21, 2019, doi: 10.1371/journal.pcbi.1007249. [23] S. Masturoh and A. B. Pohan, “Analisis Sentimen Terhadap E-Wallet Dana Pada Ulasan Google Play Menggunakan Algoritma K-Nearest Neighbor,”
J. Pilar Nusa Mandiri, vol. 17, no. 1, pp. 53–58, 2021, doi: 10.33480/pilar.v17i1.2182. [24] S. Fauziah, D. N. Sulistyowati, and T. Asra, “Optimasi Algoritma Vector Space Model Dengan Algoritma K-Nearest Neighbour Pada Pencarian Judul Artikel Jurnal,” J. Pilar Nusa Mandiri, vol. 15, no. 1, pp. 21–26, 2019, doi: 10.33480/pilar.v15i1.27. [25] C. A. Rachma et al., “Implementasi algoritma k-nearest neighbor dalam penentuan klasifikasi tingkat kedalaman kemiskinan provinsi jawa timur,” Universitas Islam Negeri Maulana Malik Ibrahim, 2022. [26] Hikmatulloh, IDENTIFIKASI CITRA DIGITAL PLANKTON
MENGUNAKAN REGIONPROPS DAN ALGORITMA BAGGING
DECISION TREE. 2020. [27] B. Charbuty and A. Abdulazeez, “Classification Based on Decision Tree Algorithm for Machine Learning,” J. Appl. Sci. Technol. Trends, vol. 2, no. 01, pp. 20–28, 2021, doi: 10.38094/jastt20165. [28] I. Sari, “DECISSION TREE TECHNIQUE DALAM MENENTUKAN PENJURUSAN SISWA MENENGAH KEJURUAN SKRIPSI Oleh: Ika Purnama Sari 161510060,” 2020. [29] M. Hariyanto, M. Kholiq, A. Yani, and Narti, “KOMPARASI ALGORITMA DECISION TREE, RANDOM FOREST, SVM DAN KNN DALAM KLASIFIKASI KEPUASAN PENUMPANG MASKAPAI PENERBANGAN,” Inti Nusa Mandiri, vol. 14, no. 2, pp. 133–138, 2020. [30] M. Serangan, C. Fraud, R. Firdaus, A. I. Hadiana, and F. Kasyidi, “Model Deteksi Botnet Menggunakan Algoritma Decision Tree Dengan Untuk,” vol. 1089, 2022. [31] L. Fachruddin, J. A. Akbar, Z. I. Fadela, F. Ardiansyah, and Z. M. Bakhri, “Analisis Penyakit Jantung Koroner Menggunakan Decision Tree,” Dep.
Ilmu Komputer, IPB Univ., no. Cvd, pp. 3–7, 2016. [32] W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” None, vol. 13, no. 1, pp. 76–84, 2017. [33] F. R. Mashfia, “Prediksi Ketepatan Waktu Kelulusan Mahasiswa Menggunakan Metode Naive Bayes Classifier,” p. 90, 2022. [34] M. Raharjo, “ANALISIS SENTIMENT TWITTER TERKAIT KONDISI SOCIAL DISTANCING DI INDONESIA DENGAN MODEL VOTING ENSEMBLE,” Universitas Nusa Mandiri, 2020. [35] E. Indrayuni, “Komparasi Algoritma Naive Bayes Dan Support Vector