Drug Recommendation System Untuk Anti Infeksi (Sistemik) Menggunakan Pendekatan Content-Based Filtering (Studi Kasus : Data Anti Infeksi (Sistemik) Pada Website Mims Indonesia)

Abstract

Pada saat ini dengan berkembangnya merek obat yang beredar yang memiliki indikasi dan bahan kandungan serta efek samping yang sama, maka menjadikan dokter dan apoteker memiliki peran utama dalam memberikan pengobatan yang sesuai dengan kondisi penyakit yang dialami oleh pasien. Dengan berkembangnya merek obat yang semakin banyak, terkadang beberapa jenis obat memiliki kesamaan pada bahan kandungan, indikasi, sediaan obat, serta efek samping yang sama. Terkadang di apotek tidak dapat memberikan obat sepenuhnya yang diresepkan oleh dokter karena terhalang beberapa kendala, maka apoteker perlu melakukan penggantian obat. Penggantian obat bisa dilakukan ketika telah diizinkan oleh dokter maupun pasien. Tujuan dari penelitian ini untuk membuat sebuah sistem rekomendasi Pada penelitian ini dilakukan untuk membuat sistem yang daopat merekomendasikan obat pengganti ketika obat tersebut kosong atau tidak tersedia. Penelitian ini menggunakan metode Content-Based Filtering dengan menggunakan TF-IDF yaitu pembobotan kata, dan menggunakan perhitungan kemiripan nilai Cosine Similarity. Sistem ini diharapkan dapat membantu apoteker yang dalam mencari suatu obat yang memiliki kandungan, indikasi, serta efek samping yang sama. Berdasarkan hasil rekomendasi obat Biocef yang dijadikan sebagai contoh pengujian, maka didapatkan 5 rekomendasi yang memiliki kemiripan yang tertinggi diantaranya obat Rvcef, Clasef, Kalfoxim, Simexim, dan Taxegram dan nilai cosine similarity yang didapatkan berturut-turut yaitu sebesar 0,77,0.76, 0,72, 0,72, 0,71.