BPJS Kesehatan Healthkathon adalah kegiatan kompetisi yang rutin dilaksanakan BPJS Kesehatan yang mengajak seluruh element masyarakat dalam menciptakan kreatifitas pada digital innovation dengan tujuan menggali solusi dalam permasalahan di bidang kesehatan. Pada tahun ini BPJS Kesehatan Healthkaton 2022 mengusung Terna "Collaboration for Stronger, Faster and Better Innovation".
Kompetisi Healthkathon 2022 diikuti oleh 1.670 tim, terdiri dari 229 tim kategori Pentest Student, 464 tim kategori Pentest Pro, 417 tim kategori Innovation System dan 560 tim kategori Machine Learning yang tersebar di tiga wilayah, yakni wilayah barat, tengah dan timur Indonesia.
Ini adalah proyek yang dibuat dalam rangka mengikuti Healthkathon 2022, sebuah lomba yang diadakan oleh BPJS Kesehatan. Proyek ini bertujuan untuk mengatasi permasalahan kesehatan masyarakat dengan menggunakan teknologi informasi dan komunikasi.
- Achmad Dino Saputra - Universitas YARSI
- Millata Tasyakhanifa - Universitas YARSI
- Ramdhani Tarjianto - Universitas YARSI
Dalam upaya untuk memperbaiki efisiensi dan kualitas layanan kesehatan yang diberikan kepada masyarakat, kami menghadapi permasalahan yang kompleks terkait dengan evaluasi efektivitas transaksi yang dilakukan oleh pengguna. Transaksi tersebut mungkin mencakup berbagai aktivitas, seperti pembayaran premi, klaim penggantian biaya pengobatan, atau layanan kesehatan lainnya yang disediakan oleh penyedia jasa medis.
Dalam konteks ini, kami ingin mengembangkan sebuah sistem yang mampu secara otomatis menilai efektivitas dari setiap transaksi yang terjadi. Hal ini akan membantu pihak terkait, termasuk BPJS Kesehatan dan penyedia layanan kesehatan, untuk mengidentifikasi pola-pola yang mengindikasikan transaksi yang efektif atau tidak efektif. Dengan demikian, langkah-langkah perbaikan dan peningkatan layanan kesehatan dapat diambil dengan lebih tepat dan efisien.
Tujuan utama dari proyek ini adalah untuk memberikan insight yang lebih mendalam tentang transaksi yang dilakukan oleh pengguna layanan kesehatan, sehingga kita dapat memahami pola-pola yang terjadi, mengidentifikasi perubahan yang diperlukan, dan akhirnya meningkatkan kualitas serta aksesibilitas layanan kesehatan bagi seluruh masyarakat.
Untuk menanggapi permasalahan yang diidentifikasi, kami menawarkan solusi berupa pembuatan sistem berbasis machine learning. Sistem ini akan dirancang untuk secara otomatis menganalisis data transaksi kesehatan yang masuk, menggunakan algoritma machine learning untuk mengidentifikasi pola-pola yang menunjukkan efektivitas atau ketidak-efektifan transaksi.
Dengan pendekatan ini, kami akan memanfaatkan teknologi machine learning untuk mengembangkan model yang dapat memprediksi apakah suatu transaksi kesehatan dapat dianggap efektif atau tidak. Model ini akan didukung oleh analisis yang mendalam terhadap berbagai fitur yang terkait dengan transaksi, seperti jenis layanan yang diberikan, jumlah biaya yang terlibat, lokasi transaksi, dan faktor-faktor lain yang relevan.
Dengan demikian, sistem yang kami usulkan akan memberikan kemampuan untuk secara proaktif mengidentifikasi transaksi yang memerlukan perhatian lebih lanjut atau peningkatan, memungkinkan pihak terkait untuk bertindak dengan cepat dan efisien dalam meningkatkan efektivitas dan kualitas layanan kesehatan yang disediakan kepada masyarakat.
- scikit-learn
- Tensorflow