Smart Health : Sistem Rekomendasi Obat Berdasarkan Gejala dengan Pendekatan Word2Vec
DOI:
https://doi.org/10.29407/7xvmtb60Keywords:
Kesehatan, Rekomendasi, Word2VecAbstract
Dalam bidang kesehatan kebutuhan akan layanan yang cepat sangat dibutuhkan untuk meningkatkan fasilitas kesehatan. Sistem rekomendasi obat berdasarkan gejala merupakan solusi penting dalam memberikan saran pengobatan yang tepat bagi pengguna. Sistem ini dikembangkan dengan memanfaatkan teknologi Artificial Intelligence. Proses dimulai dengan pengumpulan,pengolahan data dilanjutkan tahap preprocessing dan proses pembuatan model menggunakan algoritma Word2Vec untuk menganalisis hubungan semantik antara gejala dan obat. Implementasi sistem rekomendasi ditampilkan melalui antarmuka desain website yang interaktif. Hasil penelitian menunjukan bahwa sistem berhasil memberikan rekomendasi obat yang relevan sehingga meningkatkan efisiensi dalam proses pengobatan. Dalam proses pengembangan masih terdapat keterbatasan dalam hal keberagaman data yang digunakan. Penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem layanan kesehatan dan membuka peluang untuk penelitian lebih lanjut di bidang sistem rekomendasi obat.
Downloads
References
Siti Masrichah. Ancaman Dan Peluang Artificial Intelligence (AI). Khatulistiwa J Pendidik dan Sos Hum. 2023;3(3):83–101.
Raharjo PN, Handojo A, Juwiantho H. Sistem Rekomendasi Content Based Filtering Pekerjaan dan Tenaga Kerja Potensial menggunakan Cosine Similarity. J Invra. 2022;10(2):1–6.
Ananta Wijaya K, Made Kemara Sujiana N, Bagus Wikrantha Punarbawa I, Kesehatan Kartini Bali Jalan Piranha No P, Sesetan P. Perancangan Sistem Rekomendasi Apotek di Wilayah Kota Singaraja Designing Recommending Systems of Pharmacy in City Area of Singaraja. Indones J Heal Inf Manag. 2022;2(1):1.
Lestari MA, Adikara PP, Adinugroho S. Rekomendasi Lagu berdasarkan Lirik dan Genre Lagu menggunakan Metode Word Embedding (Word2Vec). J Pengemb Teknol Inf dan Ilmu Komput [Internet]. 2019;3(8):2548–964. Available from: http://j-ptiik.ub.ac.id
Nurdin A, Anggo Seno Aji B, Bustamin A, Abidin Z. Perbandingan Kinerja Word Embedding Word2Vec, Glove, Dan Fasttext Pada Klasifikasi Teks. J Tekno Kompak. 2020;14(2):74.
Ramadhan V, Pambudi A, Informatika T, Sukabumi UM. IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENGIDENTIFIKASI BERITA HOAKS BERBAHASA INDONESIA. 2024;8(5):10945–52.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Rika Wahyu Syaputri, Ria Permata Sari, Kandhia Winggar Mahawuni
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
