Kecerdasan Buatan Hibrida yang Menggunakan Pohon Keputusan dan Optimisasi Heuristik untuk Sistem Rekomendasi Fasilitas Kesehatan

Gambar Ilustrasi AI

FORMOSA NEWS - Palembang - Sistem Rekomendasi Fasilitas Kesehatan Berbasis Kecerdasan Buatan Kombinasi Siap Permudah Pasien Cari Pengobatan. Penelitian yang dilakukan oleh Abel Muhammad Zahrian, Satria Dimaz Mahendra, dan Dicky Pratama dari Universitas Multi Data Palembang dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Sustainable Research (FJSR) edisi Vol. 5 No. 5 Tahun 2026 menyoroti bahwa untuk mengatasi kelemahan sistem pencarian fasilitas kesehatan konvensional yang selama ini hanya mengandalkan jarak terdekat tanpa mempertimbangkan kondisi riil pasien.

Solusi Cerdas untuk Pencarian Fasilitas Medis yang Sering Membingungkan
Menurut para peneliti, masyarakat sering kali menghadapi kesulitan dalam menentukan tempat berobat yang paling tepat saat jatuh sakit. Sistem pencarian konvensional umumnya hanya menyajikan daftar lokasi rumah sakit atau klinik terdekat. Sayangnya, sistem tersebut kerap mengabaikan faktor penting lain seperti tingkat keparahan gejala, urgensi medis, mobilitas pasien, serta tingkat kepadatan di fasilitas kesehatan itu sendiri. Akibat keterbatasan informasi ini, rekomendasi yang muncul sering kali kurang akurat. Tidak jarang pasien dengan kondisi darurat justru datang ke klinik kecil yang kurang memadai, atau sebaliknya, pasien bergejala ringan langsung memenuhi unit gawat darurat di rumah sakit besar, sehingga memicu penumpukan antrean. Untuk menyelesaikan ketimpangan tersebut, tim peneliti Universitas Multi Data Palembang menggabungkan dua metode kecerdasan buatan yang berbeda, yaitu Decision Tree (Pohon Keputusan) dan Heuristic Optimization (Optimasi Heuristik). Kombinasi inilah yang melahirkan sistem rekomendasi yang jauh lebih adaptif dan personal.

Cara Kerja Sistem: Dari Deteksi Gejala hingga Penentuan Lokasi Terbaik
Sistem cerdas ini bekerja melalui beberapa tahapan yang berjalan otomatis di latar belakang platform web ketika pengguna memasukkan data mereka:

• Penyaringan Kebutuhan Medis (Decision Tree): Pada tahap awal, sistem meminta pengguna memasukkan parameter kesehatan, seperti tingkat kegawatdaruratan, keparahan gejala, kelompok usia, dan kondisi mobilitas. Algoritma Decision Tree kemudian memproses data ini secara bertingkat untuk mengklasifikasikan kebutuhan pasien ke dalam tiga kategori layanan: Klinik, Rumah Sakit, atau Unit Gawat Darurat (UGD).
  
• Pemeringkatan Lokasi (Heuristic Optimization): Setelah kategori layanan ditentukan, giliran algoritma optimasi heuristik yang bekerja. Algoritma ini bertugas menghitung dan mengukur pilihan fasilitas kesehatan yang tersedia berdasarkan kombinasi jarak geografis dan kepadatan fasilitas.
  
• Perhitungan Skor Akurat: Agar hasil penilaian seimbang, sistem memberikan bobot nilai sebesar 0,6 untuk parameter jarak dan 0,4 untuk kepadatan fasilitas. Jarak sengaja diberikan bobot lebih tinggi karena aksesibilitas fisik merupakan faktor paling krusial dalam mobilitas pasien menuju tempat pengobatan.
  

Hasil Pengujian: Fasilitas Terbaik Ditentukan Lewat Skor Terendah
Dalam menguji keandalan sistem ini, Junaidi dan timnya menggunakan model pengembangan Waterfall dan melakukan simulasi terhadap 150 skenario kasus kesehatan yang berbeda sepanjang tahun 2026. Berdasarkan hasil eksperimen, sistem buatan mereka terbukti sukses mengelompokkan kebutuhan pengguna secara presisi dan objektif. Sebagai contoh konkret dalam pengujian, sistem membandingkan tiga fasilitas kesehatan alternatif (Fasilitas A, B, dan C) dengan hasil sebagai berikut:

• Fasilitas A: Jarak 2 km, kepadatan fasilitas 50%, menghasilkan skor akhir 1,40.
  
• Fasilitas B: Jarak 3 km, kepadatan fasilitas 20%, menghasilkan skor akhir 1,88.
  
• Fasilitas C: Jarak 1 km, kepadatan fasilitas 80%, menghasilkan skor akhir 0,92.
  

Dalam sistem penilaian ini, angka skor yang semakin rendah menunjukkan rekomendasi tempat pengobatan yang semakin optimal. Dengan hasil skor 0,92, Fasilitas C otomatis terpilih oleh sistem sebagai rekomendasi terbaik bagi pasien karena menawarkan kombinasi jarak paling dekat serta ketersediaan layanan yang paling memadai.

Implikasi Luas bagi Masyarakat dan Layanan Kesehatan Digital
Keberhasilan integrasi kecerdasan buatan kombinasi ini membawa angin segar bagi perkembangan ekosistem kesehatan digital (digital health). Bagi masyarakat umum, aplikasi berbasis sistem ini dapat memangkas waktu berharga saat mencari pertolongan medis, khususnya dalam situasi kritis di mana setiap menit sangat berharga. Bagi pembuat kebijakan publik dan pengelola rumah sakit, sistem cerdas ini berpotensi besar membantu mengurai penumpukan pasien di pusat-pusat kesehatan tertentu. Distribusi pasien dapat menjadi lebih merata karena sistem mengarahkan masyarakat secara cerdas ke fasilitas yang masih memiliki kapasitas longgar namun tetap terjangkau dari lokasi mereka. Meski menunjukkan performa yang sangat efisien, tim peneliti mencatat bahwa riset ini masih terbatas pada skala simulasi data. Mereka menyarankan agar penelitian selanjutnya dapat menguji sistem ini langsung di dunia nyata dengan mengintegrasikan data pasien secara real-time serta mencakup skala sebaran geografis yang jauh lebih luas.

Profil Peneliti
Muhammad Junaidi – Peneliti utama dan korespondensi dari Universitas Multi Data Palembang. Berfokus pada pengembangan sistem berbasis Kecerdasan Buatan Kombinasi (Hybrid AI) dan teknologi kesehatan digital.
Abel Muhammad Zahrian – Peneliti bidang rekayasa perangkat lunak dan komputasi cerdas, Universitas Multi Data Palembang.
Satria Dimaz Mahendra – Spesialis pemodelan data algoritma klasifikasi dan sistem penunjang keputusan, Universitas Multi Data Palembang.
Dicky Pratama – Peneliti bidang pengembangan aplikasi web dan optimasi sistem informasi, Universitas Multi Data Palembang.

Sumber Peneliti
Muhammad Junaidi, Abel Muhammad Zahrian, Satria Dimaz Mahendra, Dicky Pratama. Hybrid Artificial Intelligence Using Decision Tree and Heuristic Optimization for Healthcare Facility Recommendation Systems. Formosa Journal of Sustainable Research (FJSR). Vol. 5, No. 5 2026: 305-314.
DOI: https://doi.org/10.55927/fjsr.v5i5.32
URL: https://journalfjsr.my.id/index.php/fjsr