Klasifikasi Tren Penyakit Pasien Bedasarkan Dianogsa Icd-10 Di Rumah Sakit Umum Cut Meutia Menggunakan Metode C4.5
DOI:
https://doi.org/10.51179/tika.v7i3.1441Kata Kunci:
Algoritma C4.5, Data Mining, ICD-10, Tren Penyakit PasienAbstrak
Pesatnya perkembangan teknologi informasi berimbas banyak orang memperoleh data dengan mudah yang semakin hari bertambah banyak bahkan berlebihan. sehingga penggunaan data tersebut tidak optimal. Begitu pun data rekam medis pasien pada Rumah Sakit Umum Cut Meutia Aceh Utara dengan melayani pasien setiap harinya. Banyaknya pasien yang ditangani secara otomatis membuat rumah sakit ini menampung banyak data rekam medis pasien dengan berbagai jenis penyakit sehingga sangat di butuhkan suatu metode untuk mempolakan data penyakit pasien tersebut. Untuk itu penelitian ini bertujuan untuk mencari tren penyakit pasien di Rumah Sakit Umum Cut Meutia Aceh Utara bedasarkan dianogsa ICD-10 menggunakan teknik data mining dengan menganalisa metode C4.5 dimana metode C4.5 membuat model klasifikasi dari kumpulan data yang besar sehingga menghasilkan pola-pola data yang baru membentuk pohon keputusan (Decision Tree) berguna untuk mengekspolari data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Data yang digunakan pada penelitian ini diperoleh dari Rumah Sakit Umum Cut Meutia Aceh Utara tahun 2020-2021 berdasarkan 4 variabel data yaitu usia, jenis kelamin, alamat dan diagnosa ICD-10. ICD-10 adalah klasifikasi diagnostik penyakit dengan standar internasional yang disusun berdasarkan sistem kategori dan dikelompokkan dalam satuan penyakit menurut kriteria yang telah disepakati pakar internasional.Implementasi hasil penelitian ini berupa sistem berbasis web yang akan memberikan informasi tren penyakit pasien di Rumah Sakit Umum Cut Meutia Aceh Utara berdasarkan dianogsis ICD-10 (International Statistical Classification of Diseases and Related Health Problems revisi ke 10)
Unduhan
Referensi
Bukovský, L. (2017). Generic extensions of models of ZFC. Commentationes Mathematicae Universitatis Carolinae, 58(3), 347–358. https://doi.org/10.14712/1213-7243.2015.209
Natasuwarna, A. P. (2019). Seminar Nasional Hasil Pengabdian Kepada Masyarakat 2019 SINDIMAS 2019 STMIK Pontianak (Vol. 29).
Navia, L., Dosen, R., Informasi, S., Yptk, U. ", Padang, ", Raya, J., Begalung, L., & Barat, P.-S. (2016). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. 1(2).
Peterson, B., & Baker, P. S. J. D. (n.d.). Data Mining for Education.
Pujianto, U., Setiawan, A. L., Rosyid, H. A., & Salah, A. M. M. (2019). Comparison of Naïve Bayes Algorithm and Decision Tree C4.5 for Hospital Readmission Diabetes Patients using HbA1c Measurement. 2(2), 58–71. https://doi.org/10.17977/um017v2i22019p58-71
Rafiska, R., Defit, S., & Nurcahyo, G. W. (2018). Analisis Rekam Medis untuk Menentukan Pola Kelompok Penyakit Menggunaka n Algoritma C4.5. 2(1), 391–396. http://jurnal.iaii.or.id
Rosandy, T. (2016). PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DENGAN METODE DECISION TREE (C4.5) UNTUK MENGANALISA KELANCARAN PEMBIAYAAN (Study Kasus : KSPPS / BMT AL-FADHILA). 02.
Sinaga, T. H., Wanto, A., Gunawan, I., Sumarno, S., & Nasution, Z. M. (2021). Implementation of Data Mining Using C4.5 Algorithm on Customer Satisfaction in Tirta Lihou PDAM. Journal of Computer Networks, Architecture, and High-Performance Computing, 3(1), 9–20. https://doi.org/10.47709/cnahpc.v3i1.923
Sularno, S., & Anggraini, P. (2017). PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI TINGKAT KEGANASAN HAMA PADA TANAMAN PADI (Studi Kasus : Dinas Pertanian Kabupaten Kerinci). Jurnal Sains Dan Informatika, 3(2), 161. https://doi.org/10.22216/jsi.v3i2.2779
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Zakial Vikki, Yuswandi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.