Drug Recommendation System Untuk Anti Infeksi (Sistemik) Menggunakan Pendekatan Content-Based Filtering (Studi Kasus : Data Anti Infeksi (Sistemik) Pada Website Mims Indonesia)
Abstract
Pada saat ini dengan berkembangnya merek obat yang beredar yang memiliki
indikasi dan bahan kandungan serta efek samping yang sama, maka menjadikan
dokter dan apoteker memiliki peran utama dalam memberikan pengobatan yang
sesuai dengan kondisi penyakit yang dialami oleh pasien. Dengan berkembangnya
merek obat yang semakin banyak, terkadang beberapa jenis obat memiliki
kesamaan pada bahan kandungan, indikasi, sediaan obat, serta efek samping yang
sama. Terkadang di apotek tidak dapat memberikan obat sepenuhnya yang
diresepkan oleh dokter karena terhalang beberapa kendala, maka apoteker perlu
melakukan penggantian obat. Penggantian obat bisa dilakukan ketika telah
diizinkan oleh dokter maupun pasien. Tujuan dari penelitian ini untuk membuat
sebuah sistem rekomendasi Pada penelitian ini dilakukan untuk membuat sistem
yang daopat merekomendasikan obat pengganti ketika obat tersebut kosong atau
tidak tersedia. Penelitian ini menggunakan metode Content-Based Filtering dengan
menggunakan TF-IDF yaitu pembobotan kata, dan menggunakan perhitungan
kemiripan nilai Cosine Similarity. Sistem ini diharapkan dapat membantu apoteker
yang dalam mencari suatu obat yang memiliki kandungan, indikasi, serta efek
samping yang sama. Berdasarkan hasil rekomendasi obat Biocef yang dijadikan
sebagai contoh pengujian, maka didapatkan 5 rekomendasi yang memiliki
kemiripan yang tertinggi diantaranya obat Rvcef, Clasef, Kalfoxim, Simexim, dan
Taxegram dan nilai cosine similarity yang didapatkan berturut-turut yaitu sebesar
0,77,0.76, 0,72, 0,72, 0,71.
Collections
- Statistics [899]