Abstrak: PENELITIAN INI BERTUJUAN UNTUK MEGEVALUASI PENULISAN ASESMEN DAN REASESMEN PADAHARI LIBUR OLEH DOKTER PENANGGUNG JAWAB PASIEN (DPJP) DAN HUBUNGANNYA DENGAN KONTINUTAS PELAYANAN MENGGUNAKAN CLINICAL PATHWAY DENGAN RENCANA HARI RAWAT ≤5 HARI. DESIGN YANG DIGUNAKAN ADALAH CROSSSECTIONAL DENGAN PENDEKATAN KUANTITATIF.DATA DIKUMPULKAN MELALUI TELAAH DATA SEKUNDER REKAM MEDIS 368 PASIEN SECARA REALTIME DENGAN KERANGKA WAKTU SESUAI DENGAN KETENTUAN PENGISIAN ASESMEN YAITU 1 X 24 JAM SETELAH PASIEN MASUK RAWAT INAP DAN SETIAP HARI UNTUK PENGISIAN REASESMEN. 31,7% ASESMEN DAN 13,5 % ASESMEN DAN REASESMEN DITULIS OLEH DOKTER PENANGGUNG JAWAB PASIEN (DPJP) PADA HARI LIBUR. TIDAK DITEMUKAN ADANYA HUBUNGAN ANTARA PENULISAN ASESMEN/REASESMEN DENGAN PEMERIKSAAN LABORATORIUM, RADIOLOGI DAN PEMBERIAN TERAPI OBAT. PENULISAN ASESMEN/REASESMEN SECARA SIGNIFIKAN BERHUBUNGAN DENGAN LAMA HARI RAWAT PASIEN, P VALUE = 0,049. KATA KUNCI : ASESMEN, KONTINUITAS, CLINICAL PATHWAY THIS RESEARCH AIM TO EVALUATE THE IMPLEMENTATION OF ASSESSMENT AND REASSESSMENT WRITTEN BY PRIMARY RESPONSIBLE PHISYCIAN AT DAYS OFF INCLUDING WEEKEND AND THEIR ASSOCIATION TO CONTINUITY OF CARE USING CLINICAL PATHWAYS WITH ≤ 5 DAYS LENGTH OF STAY. CROSSECTIONAL STUDY WITH KUANTITATIVE APPROACHES WAS USED TO 368 MEDICAL RECORD. 31,7% ASSESSMENT COUNTED AS WRITTEN BY THE PRIMARY RESPONSIBLE PHISYCIAN DUE TO THE TIME FRAME, 1 X 24 HOURS IN PATIENT ADMITTED ON DAYS OFF AND ONLY 13,5% REASSESSMENT WRITTEN AT DAYS OFF INCLUDING WEEKEND. ASSESSMENT/REASSESSMENT IS NOT A SIGNIFICANT FACTORS ASSOCIATED TO THE CONTINITY OF CARE MEASURED BY NUMBERS OF APPROPRIATE DIAGNOSTIC WORK UP (RADIODIAGNOSTIC AND LABORATORY TEST), AND THERAPY BY CLINICAL PATHWAYS. ASSESSMENT/REASSESSMENT ON DAYS OFF WAS SIGNIFICANTLY ASSOCIATED WITH IN PATIENT LENGTH OF STAY, P VALUE = 0, 049. KEYWORD : ASSESSMENT, CONTINUITY OF CARE, CLINICAL PATHWAY

Abstrak:

ABSTRAK Nama : Fitri Annisa Ahlul Jannah Program Studi : Kesehatan Masyarakat Judul : Analisis Efektivitas Asesmen Risiko dan Sistem Rekomendasi Kanker Payudara Berbasis Artificial Intelligence Pembimbing : R. Sutiawan, S.Kom., MSi Angka kejadian kanker payudara meningkat setiap tahun, namun angka cakupan deteksi dini sebagai program penanggulangannya masih sangat rendah. Salah satu penyebab hal tersebut adalah tingginya beban kerja tenaga kesehatan di puskesmas. Tujuan penelitian ini adalah untuk mengembangkan chatbot asesmen risiko dan sistem rekomendasi, serta menilai efektivitasnya untuk membantu puskesmas dalam meningkatkan cakupan deteksi dini secara efektif dan efisien melalui pendekatan selektif. Desain penelitian menggunakan desain kualitatif studi kasus di Puskesmas Jayagiri Lembang untuk mengetahui efektivitas chatbot dalam menilai risiko kanker payudara dengan menerapkan pendekatan model waterfall dalam membangun model aplikasi chatbot. Chatbot—yang dikembangkan menggunakan teknologi natural language understanding dan conditional statements sehingga membuatnya lebih dinamis dalam berinteraksi dan mengurangi error—teruji sangat efektif untuk melakukan asesmen awal risiko kanker payudara. Namun, sistem ini perlu dilakukan upaya revalidasi dan pengembangan lebih lanjut sebelum dapat digunakan oleh masyarakat secara masif. Kata kunci: Kecerdasan buatan, asesmen risiko, kanker payudara, deteksi dini, informatika kesehatan

---

ABSTRACT Name : Fitri Annisa Ahlul Jannah Study Program : Bachelor of Public Health Title : Analysis of the Effectiveness of the Artificial Intelligence-Based Breast Cancer Risk Assessment and Recommendation System Counsellor : R. Sutiawan, S.Kom., MSi The incidence of breast cancer increases every year, but the coverage rate for early detection as a prevention program is still low. One of the reasons is the high workload of health workers at the public health center. The purpose of this study was to develop a risk assessment and recommendation system and assess its effectiveness to assist public health center in increasing the coverage of early detection effectively and efficiently through a selective approach. A qualitative case study design at the Jayagiri Lembang Public Health Center to determine the effectiveness of chatbots in assessing breast cancer risk by applying the waterfall model approach in building a chatbot application model was used for the research design. Natural language understanding and conditional statements were used by the developed chatbot hence made it more dynamic in interacting and preventing errors. It was also proven very effective in doing early risk breast cancer assessment. However, this system needs to be revalidated and further developed before it can be used by the community on a massive scale. Keywords: artificial intelligence, risk assessment, breast cancer, early detection, health informatics