Pengenalan Analisis dan Teknik Pemodelan PERTEMUAN-1 Mieke Nurmalasari PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN

VISI UNIVERSITAS ESA UNGGUL Menjadi perguruan tinggi kelas dunia berbasis intelektualitas, kreatifitas dan kewirausahaan, yang unggul dalam mutu pengelolaan dan hasil pelaksanaan Tridarma Perguruan Tinggi

VISI PS MIK UNIVERSITAS ESA UNGGUL Menjadi penyelenggara Program Studi Manajemen Informasi Kesehatan berbasis intelektualitas, kreatifitas dan kewirausahaan, yang unggul dalam mutu pengelolaan dan hasil pelaksanaan Tridarma Perguruan Tinggi.

MISI PS MIK UNIVERSITAS ESA UNGGUL Menghasilkan Sarjana Manajemen Informasi Kesehatan dengan keunggulan prodi yang professional, bermoral tinggi, mandiri, inovatif dan mampu berkontribusi dalam pengembangan teknologi informasi dan komunikasi bidang kesehatan. Menyelenggarakan proses belajar mengajar yang bermutu, efektif, efisien, akuntabel dan berkelanjutan berbasis teknologi informasi dan komunikasi. Menyelenggarakan Tri Dharma perguruan tinggi yang berkualitas.

KEUNGGULAN PS MIK Sarjana Manajemen Informasi Kesehatan Universitas Esa Unggul handal dalam analisis data dan tata kelola informasi kesehatan untuk peningkatan mutu dan efisiensi pelayanan serta keselamatan pasien sesuai kebutuhan lokal, nasional dan global.

PROFIL LULUSAN PS MIK Analis Data dan Manajer Informasi Kesehatan Spesialis Koding Klinis Manajer Unit Kerja MIK (RMIK) Spesialis Clinical Documentation Improvement (CDI) Inisiator Perancang dan Pengembang Electronic Health Records (EHR) atau Electronic Medical Records (EMR).

KETERKAITAN MK DG PROFIL LULUSAN PS MIK MATA KULIAH PROFIL LULUSAN Analis Data dan Manajer Informasi Kesehatan Spesialis Koding Klinis Manajer Unit Kerja MIK (RMIK) Spesialis Clinical Documentation Improvement (CDI) Inisiator Perancang dan Pengembang Electronic Health Records (EHR) atau Electronic Medical Records (EMR). HIM 623 : Analisis dan Teknik Pemodelan 1 (2 sks)

Materi Sebelum UTS Pengenalan, tujuan pemodelan 01 . Pengenalan, tujuan pemodelan Analisis Regresi Berganda 02. 03. Analisis Regresi Polinomial 04. Model Building 05. Diagnostik Model Uji Asumsi Analisis Regresi 06. 07. Student Project Discussion

Materi Setelah UTS Analisis Data Kategorik Generalized Linier Model 08. Analisis Data Kategorik 09. Generalized Linier Model Regresi Logistik Multinomial 10. 11. Analisis Deret Waktu 12. Teknik Peramalan dengan ARIMA 13. Ukuran Akurasi Model 14. Final Student Project Discussion

KEMAMPUAN AKHIR YANG DIHARAPKAN Mahasiswa memahami tujuan dari analisis dan teknik pemodelan Mahasiswa mampu membuat dan memilih model terbaik

Tipe Data

Variabel

Contoh

Pengertian dan Tujuan Pemodelan Seringkali muncul pertanyaan “Data apa yang harus saya ambil dan model statistika apa yang sesuai?” Data modeling adalah suatu proses pembuatan model data untuk sistem informasi dengan menerapkan teknik tertentu. Tujuan: membuat ramalan atau perkiraan dengan menggunakan data yang ada saat ini atau data yang lalu.

Can we learn from the past to become better in the future? Example: Identify patients who will be admitted to a hospital within the next year using historical claims data. Identify patients at high-risk and ensure they get the treatment they need. Improving the health of patients while decreasing the costs of care Effectively making predictions from such complex hospitalization data will require advanced analytical model.

Interpolasi dan Extrapolasi

Interpolasi: teknik untuk menduga nilai dari fungsi f(x) pada nilai x tertentu yang ada dalam selang [a,b]. Ekstrapolasi : jika kita ingin menduga nilai f(x) untuk x yang ada di luar selang [a,b] ekstrapolasi di luar selang [a,b]. Prediksi atau pemodelan prediktif merupakan teknik statistika yang pada dasarnya menghitung dugaan respon melalui semacam ekstrapolasi di luar selang [a,b]. Hasil prediksi ini mengandung sampling error, sehingga memiliki selang prediksi sebagai ketidakpastian hasilnya. Ekstrapolasi bersifat eksak, sedang prediksi hasilnya bersifat tidak pasti karena punya selang prediksi.

Bagaimana kita membuat modelnya?

Macam-macam bentuk respon

Model Linier dan Model Nonlinier Model Linier adalah model yang hubungan antara variabel tidak bebas dan variabel bebasnya linier dalam parameter. Model Nonlinier merupakan bentuk hubungan antara variabel bebas dengan variabel tidak bebas yang tidak linier dalam parameter. Model Nonlinier ada dua yaitu Model linier intrinsik dan Model nonlinier intrinsik.

Which statistical model do we choose? Every modelling to answer specific questions. The choice of statistical model can also be guided by the shape of the relationship between independent and dependet variable. The choice of a model can also be intimely tied to the specific question that you are investigating.

Variabel Tidak Bebas (Y) Jenis Model Statistik Variabel Tidak Bebas (Y) Variabe Bebas (X) Distribusi Model 1 kuantitatif variabel Kuantitatif, kualitatif atau keduanya Normal Regresi linier, regresi non linier 1 kualitatif variabel Binomial Regresi logistik, multinomial regresi logistik