Implementasi Decision Tree C4.5 Untuk Klasifikasi Cara Keluar Pasien Ginjal Kronis Berdasarkan Rekam Medis Bpjs Kesehatan Di Rsuam
Abstract
Decision tree merupakan salah satu teknik klasifikasi untuk menemukan
kumula pola atau fungsi yang mendeskripsikan serta memisahkan kelas data yang
satu dengan yang lainnya untuk menyatakan objek tersebut masuk pada kategori
tertentu dengan melihat pada kelakuan dan atribut dari kelompok yang telah
didefinisikan. Pada penelitian ini dilakukan klasifikasi menggunakan metode
decision tree C4.5 untuk mengklasifikasi cara keluar pasien ginjal kronis
berdasarkan rekam medis BPJS Kesehatan di RSUAM dengan Program R. Dari
seluruh data rekam medis tanggal 01 Juni 2020 hingga 31 Oktober 2020 yang
berjumlah 358 data dibagi menjadi 287 sebagai data training dan 71 sebagai data
testing. Dari hasil pengujian menghasilkan 11 aturan yang dapat dijadikan pola
dalam menentukan pasien yang paling berpotensi meninggal dengan akurasi yang
cukup besar yaitu 91% sebelum dilakukan post-prunning dan 88% setelah
dilakukan post-purning. Pada hasil akurasi dengan dan tanpa penerapan metode
re-sampling untuk mengatasi imbalance data, keduanya tidak memiliki perbedaan
yang signifikan dengan masing-masing nilai akurasi sebesar 89% ketika
menggunakan metode re-sampling (oversampling dan undersampling) dan 91%
tanpa menggunakan metode re-sampling, namun jika dilihat berdasarkan nilai
specificity, sensitivity, dan precision, metode ini mampu meningkatkan ketiga
ukuran ketepatan tersebut karena memiliki nilai yang lebih besar dibandingkan
sebelum menggunakan metode re-sampling.
Collections
- Statistics [904]