Implementasi Algoritma Extreme Gradient Boosting (XGBoost) untuk Prediksi Kunjungan Pasien Rawat Jalan Berbasis Website (Studi Kasus: RSD dr. Soebandi Jember)

Abstract

Pelayanan rawat jalan merupakan salah satu layanan utama rumah sakit yang memerlukan perencanaan operasional yang baik agar pelayanan tetap optimal. Jumlah kunjungan pasien yang berfluktuasi dapat memengaruhi pengalokasian tenaga kesehatan, penyediaan sarana, serta pengelolaan kapasitas layanan. Di RSD dr. Soebandi Jember, data kunjungan pasien telah tersimpan dalam sistem rekam medis elektronik, namun belum dimanfaatkan secara optimal sebagai dasar prediksi untuk mendukung pengambilan keputusan. Oleh karena itu, diperlukan model prediksi yang mampu memanfaatkan data historis internal rumah sakit secara efektif. Penelitian ini bertujuan menerapkan algoritma eXtreme Gradient Boosting (XGBoost) berbasis fitur temporal dengan optimasi hiperparameter menggunakan Random Search untuk memprediksi jumlah kunjungan pasien rawat jalan. Selain itu, penelitian ini mengevaluasi performa model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE), serta mengembangkan dashboard berbasis website sebagai media visualisasi hasil prediksi. Penelitian menggunakan data kunjungan pasien rawat jalan harian periode Januari 2022 hingga September 2025. Tahapan penelitian meliputi praproses data, pembentukan fitur temporal, optimasi hiperparameter menggunakan Random Search dengan TimeSeriesSplit, evaluasi model, forecasting periode Oktober hingga Desember 2025 menggunakan recursive forecasting. Hasil penelitian menunjukkan bahwa model XGBoost dengan optimasi Random Search menghasilkan nilai MAE sebesar 34,70, RMSE sebesar 62,71, dan MAPE sebesar 5%, yang menunjukkan tingkat kesalahan prediksi relatif rendah. Hasil forecasting menunjukkan kecenderungan peningkatan jumlah kunjungan pasien selama periode Oktober–Desember 2025. Selain itu, hasil prediksi berhasil diimplementasikan ke dalam dashboard berbasis website yang menyajikan informasi prediksi dan data historis secara interaktif. Berdasarkan hasil penelitian, algoritma XGBoost berbasis fitur temporal dengan optimasi hiperparameter menggunakan Random Search mampu menghasilkan prediksi jumlah kunjungan pasien rawat jalan dengan tingkat kesalahan yang rendah.