ANALISIS REKOMENDASI OBAT UNTUK PENYAKIT FLU BERDASARKAN GEJALA MENGGUNAKAN ALGORITMA SAINT

Influenza atau flu merupakan penyakit menular yang umum dijumpai dan ditandai
dengan variasi gejala yang berbeda pada setiap pasien, sehingga proses pemilihan
obat yang sesuai menjadi tidak sederhana. Kondisi tersebut mendorong perlunya
sistem rekomendasi berbasis data yang mampu menganalisis pola gejala secara
objektif dan konsisten. Penelitian ini bertujuan untuk menerapkan model
Transformer bergaya SAINT (Self-Attention based Tabular Transformer) dalam
sistem rekomendasi obat flu berdasarkan klasifikasi gejala. Dataset yang digunakan
merupakan data tabular gejala flu yang diperoleh dari dua sumber, yaitu dataset
publik dan data klinik lokal, dengan lima fitur utama meliputi suhu tubuh
(Temperature), tingkat keparahan demam (Fever_Severity), sakit kepala
(Headache), nyeri badan (Body_Ache), dan kelelahan (Fatigue). Target keluaran
berupa rekomendasi obat flu dalam bentuk klasifikasi multi-kelas, dengan hanya
menggunakan kelas obat yang memiliki minimal 10 sampel untuk mengurangi
ketimpangan data. Ketidakseimbangan kelas ditangani menggunakan class weight
pada fungsi loss Cross-Entropy. Model yang dikembangkan mengadopsi prinsip
SAINT pada level fitur, yaitu dengan merepresentasikan setiap kolom sebagai
token, menambahkan column embedding, serta memanfaatkan mekanisme selfattention melalui Transformer Encoder. Sistem menghasilkan Top-3 rekomendasi
obat berdasarkan probabilitas keluaran model. Evaluasi model dilakukan
menggunakan metrik akurasi dan macro-F1 score, serta confusion matrix untuk
menganalisis pola kesalahan prediksi. Selain itu, model yang telah dilatih disimpan
dan dapat digunakan kembali pada tahap inferensi tanpa memerlukan proses
pelatihan ulang. Hasil penelitian menunjukkan bahwa model Transformer bergaya
SAINT mampu memberikan rekomendasi obat flu berdasarkan gejala dengan
performa yang stabil pada klasifikasi multi-kelas. Sistem yang dikembangkan
diharapkan dapat berfungsi sebagai sistem pendukung keputusan dalam
memberikan alternatif rekomendasi obat flu berbasis data, tanpa menggantikan
peran tenaga medis.