IMPLEMENTASI SINGLE LAYER PERCEPTRON DALAM KLASIFIKASI KETERSEDIAAN TENAGA KESEHATAN DI PROVINSI SUMATERA UTARA

Abstract

Abstract: The equitable availability of health workers is an essential factor in improving the quality of healthcare services. The unequal distribution of nurses across regencies and cities in North Sumatra Province has created the need for an approach capable of identifying the level of health workforce availability quickly and objectively. This study aims to implement the Single Layer Perceptron model to classify the level of health workforce availability based on the number of nurses, population, and public health centers. The study utilized secondary data obtained from the North Sumatra Provincial Health Office for the period of 2019–2024. Prior to the training process, the data were normalized using the Min-Max Normalization method and divided into 80% training data and 20% testing data. The training process employed a learning rate of 0.1, a maximum of 3,000 epochs, and an error tolerance of 0.01. The proposed model classified the data into two categories, namely low and high, and was implemented in a web-based application that supports data training, prediction, and classification result evaluation. The results demonstrate that the Single Layer Perceptron model is capable of recognizing patterns in health workforce availability and performing classification effectively, thereby supporting decision-making processes related to the equitable distribution of health workers in North Sumatra Province. Furthermore, the developed system facilitates data management and provides computerized classification results efficiently.

Keywords: Single Layer Perceptron, Classification, Artificial Neural Network, Health Workforce, North Sumatra Province.

Abstrak: Ketersediaan tenaga kesehatan yang merata merupakan faktor penting dalam meningkatkan kualitas pelayanan kesehatan. Ketimpangan distribusi tenaga perawat antar kabupaten/kota di Provinsi Sumatera Utara menyebabkan perlunya suatu pendekatan yang mampu mengidentifikasi tingkat ketersediaan tenaga kesehatan secara cepat dan objektif. Penelitian ini bertujuan mengimplementasikan model Single Layer Perceptron untuk mengklasifikasikan tingkat ketersediaan tenaga kesehatan berdasarkan data jumlah perawat, jumlah penduduk, dan jumlah puskesmas. Data yang digunakan merupakan data sekunder dari Dinas Kesehatan Provinsi Sumatera Utara periode 2019–2024. Sebelum proses pelatihan, data dinormalisasi menggunakan metode Min-Max Normalization, kemudian dibagi menjadi 80% data latih dan 20% data uji. Proses pelatihan menggunakan learning rate sebesar 0,1, maksimum epoch sebanyak 3000, serta error tolerance sebesar 0,01. Model menghasilkan klasifikasi ke dalam dua kategori, yaitu rendah dan tinggi, serta diimplementasikan dalam aplikasi berbasis web yang mendukung proses pelatihan, prediksi, dan evaluasi hasil klasifikasi. Hasil penelitian menunjukkan bahwa Single Layer Perceptron mampu mengenali pola ketersediaan tenaga kesehatan dan memberikan hasil klasifikasi secara efektif sehingga dapat mendukung proses pengambilan keputusan dalam pemerataan tenaga kesehatan di Provinsi Sumatera Utara. Implementasi sistem yang dikembangkan juga mempermudah pengelolaan data dan penyajian informasi klasifikasi secara terkomputerisasi.

Kata Kunci: Single Layer Perceptron, klasifikasi, jaringan saraf tiruan, tenaga kesehatan, Provinsi Sumatera Utara.