PENERAPAN METODE DECISION TREE PADA SISTEM DIAGNOSIS PREDIKSI PENYAKIT UMUM BERDASARKAN KELUHAN (STUDI KASUS RUMAH SAKIT ISLAM JEMURSARI SURABAYA)

Irfan Hidayat
Rokhmatul Insani
Berlian Rahmy Lidiawaty


DOI: https://doi.org/10.29100/jipi.v10i3.6266

Abstract


Sebagian masyarakat masih menganggap remeh dan enggan untuk memeriksakan kondisi kesehatan ke dokter karena berbagai macam kondisi. Kurangnya penyebaran dokter di beberapa wilayah di Indonesia juga berpengaruh terhadap pelayanan kesehatan terhadap masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem diagnosis penyakit umum berdasarkan gejala berbasis web menggunakan metode klasifikasi Decision Tree. Penelitian ini mengambil obyek penelitian di Rumah Sakit Islam Jemursari Surabaya dengan menggunakan dataset berupa data rekam medik pasien sebanyak 9934 data. Atribut dataset yang digunakan dalam sistem ini termasuk keluhan, rps, dan diagnosa. Hasil yang didapatkan dari sistem diagnosis penyakit umum berdasarkan keluhan berbasis web dengan menggunakan algoritma CART ini mampu menghasilkan akurasi sebesar 96.61 %. Kemudian kinerja model CART dievaluasi menggunakan cross-validation, yang menunjukkan bahwa model tidak overfitting. Kesalahan per fold stabil, dengan rata-rata nilai error 5.69 %, menunjukkan bahwa model tdak terlalu sensitif terhadap perubahan data dan dapat bekerja dengan baik pada data yang baru. Nilai error training 2.42 % lebih rendah dari nilai error testing 0.0339, tetapi selisih yang tidak signifikan yaitu sebesar 0.97 %, menunjukkan kemampuan model untuk menggeneralisasi dengan baik ke data baru.

Keywords


Data Mining; Decision Tree; Sistem Diagnosis Penyakit; Cross Validation; Confusion Matrix

Full Text:

PDF

Article Metrics :

References


Y. Yanuardi, “Rancang Bangun Aplikasi Diagnosa Penyakit Umum Berbasis Android Pada Klinik Citra Raya Medika,” JIKA (Jurnal Inform., vol. 3, no. 1, pp. 9–17, 2019, doi: 10.31000/jika.v3i1.2035.

S. Sitorus et al., Ilmu Kesehatan Masyarakat. 2020.

R. F. F. Erika, “MENINGKATKAN KESADARAN MASYARAKAT DALAM PEMERIKSAAN KESEHATAN MELALUI METODE PENYULUHAN CERAMAH DI DESA RAMBUNG SIALANG TENGAH,” Jukeshum (Junal Pengabdi. Masyarakat), vol. 2, no. 2, pp. 170–178, 2022.

Puji Wulansari, POLA PEMANFAATAN JAMKESMAS PADA MASYARAKAT KELURAHAN BUGANGAN KECAMATAN SEMARANG TIMUR. 2013.

Kemenkes RI, Profil Kesehatan Indonesia 2021. 2022.

R. S. Wahono, Data Mining Data mining, vol. 2, no. January 2013. 2005.

F. S. N. Khamidah, D. P. Hapsari, and H. Nugroho, “Implementasi Fuzzy Decision Tree Untuk Prediksi Gagal Ginjal Kronis,” INTEGER J. Inf. Technol., vol. 3, no. 1, pp. 19–28, 2018, doi: 10.31284/j.integer.2018.v3i1.155.

P. W. Ramadhan, “Sistem Pakar Diagnosa Penyakit Umum Menggunakan,” pp. 1–14, 2019.

M. Ula, F. T. T. Anjani, A. F. Ulva, I. Sahputra, and A. Pratama, “Application of Machine Learning With the Binary Decision Tree Model in Determining the Classification of Dental Disease,” J. Informatics Telecommun. Eng., vol. 6, no. 1, pp. 170–179, 2022, doi: 10.31289/jite.v6i1.7341.

Suryani, D. Rahmadani, A. A. Muzafar, A. Hamid, R. Annisa, and Mustakim, “Analisis Perbandingan Algoritma C4.5 dan CART untuk Klasifikasi Penyakit Stroke,” SENTIMAS Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 197–206, 2022, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas

N. W. Wardani et al., “Penerapan Data Mining Untuk Klasifikasi Penjualan Barang Terlaris Menggunakan Metode Decision Tree C4.5,” J. Teknol. Inf. dan Komput., no. 2, pp. 268–279, 2022.

L. Firdaus and T. Setiadi, “Perbandingan Algoritma Naive Bayes, Decision Tree, dan KNN untuk Klasifikasi Produk Populer Adidas US dengan Confusion Matrix,” J. Sist. Komput. dan Inform., vol. 5, no. 2, pp. 185–195, 2023

W. I. Rahayu, C. Prianto, and E. A. Novia, “Perbandingan Algoritma K-Means dan Naive Bayes untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan pada PT. Pertamina (Persero),” J. Tek. Inform., vol. 13, no. 2, pp. 1–8, 2021.

W. A. Firmansyach, U. Hayati, and Y. Arie Wijaya, “Analisa Terjadinya Overfitting Dan Underfitting Pada Algoritma Naive Bayes Dan Decision Tree Dengan Teknik Cross Validation,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 262–269, 2023.

S. E. Herni Yulianti, Oni Soesanto, and Yuana Sukmawaty, “Penerapan Metode Extreme Gradient Boosting (XGBOOST) pada Klasifikasi Nasabah Kartu Kredit,” J. Math. Theory Appl., vol. 4, no. 1, pp. 21–26, 2022, doi: 10.31605/jomta.v4i1.1792.

R. O. Felani, “Analisis Prilaku Pengguna e-learning menggunakan Algoritma K-Means Clustering,” Jusikom J. Sist. Komput. Musirawas, vol. 7, no. 1, pp. 61–73, 2022.

smail Setiawan, “Komparasi Kinerja Integrated Development Environment (IDE) Dalam Mengeksekusi Perintah Python,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 52–59, 2022.

A. C. Nurcahyo and C. Gudiato, “Implementasi Data Mining Metode K-Means Menggunakan Framework Python Dalam Mengelompokkan Pegawai Berdasarkan Data Presensi,” vol. 8, pp. 1334–1343, 2024.

A. Syukron and A. Subekti, “Penerapan Metode Random Over-Under Sampling dan Random Forest Untuk Klasifikasi Penilaian Kredit,” J. Inform., vol. 5, no. 2, pp. 175–185, 2018, doi: 10.31311/ji.v5i2.4158.

N. I. Prabawati, Widodo, and M. F. Duskarnaen, “Kinerja Algoritma Classification a nd Regression Tree ( Cart ) da lam Mengklasifikasikan Lama Masa Studi Mahasiswa y ang Mengikuti Organisasi d i Universitas Negeri Jakarta Avalaiable at : Avalaiable at :,” J. Pinter, vol. 3, no. 2, pp. 139–145, 2019.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.


Tips Main yang Aman dan Seru

judi bolavipbet88vipbet88bolago88clubjudi