Identifikasi Penanganan Pasien Diabetes untuk Rekomendasi Keputusan Rujukan di Puskesmas dengan Pendekatan K-Nearest Neighbor / Nisrina Salsabilla / 14210017 / Pembimbing: Leny Tritanto Ningrum / Program Studi: Sistem Informasi

Diabetes merupakan salah satu penyakit kronis dengan tingkat kasus yang tinggi dan membutuhkan penanganan tepat, termasuk dalam menentukan keputusan rujukan pasien di Puskesmas. Namun, pengambilan keputusan tersebut sering kali masih bergantung pada penilaian subjektif tenaga medis, sehingga proses identifikasi penanganan pasien diabetes belum akurat dan belum efektif. Maksud dan tujuan dilakukannya penelitian dan pengembangan ini adalah untuk identifikasi penanganan pasien diabetes untuk rekomendasi keputusan rujukan di Puskesmas dengan pendekatan K-Nearest Neighbor (KNN) untuk mendapatkan proses dan hasil yang lebih akurat dan efektif, serta mengembangkan prototype aplikasi penerapan KNN pada identifikasi penanganan pasien diabetes untuk rekomendasi keputusan rujukan di Puskesmas dengan bahasa pemrograman PHP dan Python, database MySQL, serta web server Apache. Data yang digunakan pada penelitian ini adalah data pasien diabetes di Puskesmas yang bersifat imbalanced class, dengan menggunakan variabel usia, tekanan darah sistol dan diastol,
pemeriksaan gula, serta rujuk RS sebagai kelasnya.Hasil penelitian pada pemodelan KNN berdasarkan data tersebut, didapatkan jumlah pasien dirujuk sebanyak 15 pasien dan tidak dirujuk sebanyak 254 pasien dengan perolehan accuracy sebesar 95,54%, precision 20%, recall 100%, f1 score 33,24%, dan balanced accuracy 97,74%. Nilai tersebut dapat dikategorikan cukup baik karena mampu meningkatkan prediksi kelas yang benar pada data imbalanced class. Evaluasi pada penelitian dan pengembangan ini dilakukan melalui uji produk terhadap prototype aplikasi melalui uji coba ahli menggunakan Black Box Testing dengan perolehan presentasi kelayakan 100% dan dikategorikan "Sangat Layak", serta uji
coba pengguna dengan Post-Study System Usability Questionnaire (PSSUQ) yang menghasilkan rata-rata presentasi kelayakan 87,75% dan dikategorikan "Sangat Layak". Dengan demikian, penelitian dan pengembangan ini dinyatakan layak sebagai pendukung rekomendasi keputusan rujukan dalam identifikasi penanganan pasien diabetes di Puskesmas.