Pengembangan Sistem Peringatan Dini Berbasis Agentic AI untuk Deteksi Anomali Tanda Vital Pasien Menggunakan Standar Interoperabilitas FHIR

Valerie, Kellen (2026) Pengembangan Sistem Peringatan Dini Berbasis Agentic AI untuk Deteksi Anomali Tanda Vital Pasien Menggunakan Standar Interoperabilitas FHIR. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (172kB)
	PDF BAB_II.pdf Download (489kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (524kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (167kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (177kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (53kB)

Abstract

Pemantauan tanda vital secara berkala merupakan indikator utama kesehatan, namun praktik klinis saat ini masih menghadapi tantangan ketidakseragaman format data dan risiko alarm fatigue yang menurunkan efisiensi tenaga medis. Meskipun standar interoperabilitas telah tersedia, masih terdapat kesenjangan dalam sistem otonom yang mampu melakukan penalaran kontekstual terhadap kondisi spesifik pasien untuk mengurangi peringatan palsu. Penelitian ini mengusulkan pengembangan sistem peringatan dini berbasis Agentic AI yang mengintegrasikan standar interoperabilitas FHIR dan metode Retrieval-Augmented Generation (RAG) untuk deteksi anomali tanda vital yang personal. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa model statis berhasil mencapai nilai rata-rata akurasi sebesar 96%, meskipun masih terbatas dalam klasifikasi risiko rendah. Sementara itu, model dinamis menunjukkan keunggulan signifikan dibandingkan sistem rule-based konvensional melalui kemampuannya mengintegrasikan riwayat kesehatan pasien dan data historis tanda vital pasien sebagai baseline personal dalam mekanisme lookback window ke dalam proses penalaran klinis secara otonom. Penelitian ini mengonfirmasi bahwa penerapan Agentic AI berbasis FHIR dan RAG dapat meningkatkan akurasi konteks analisis medis serta mengurangi risiko false alarm, memberikan kerangka kerja yang lebih adaptif bagi sistem pemantauan klinis masa depan.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Valerie, Kellen (00000093194)
Contributors:	Kurniawan, Vincentius (0308079501)
Keywords:	Agentic AI, Fast Healthcare Interoperability Resources (FHIR), Retrieval-Augmented Generation (RAG), Sistem Peringatan Dini, Tanda Vital.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Jul 2026 12:00
URI:	https://kc.umn.ac.id/id/eprint/47323

Actions (login required)

View Item