Penerapan Algoritma Decision Tree dan Smote untuk Klasifikasi Imbalanced Dataset pada Pasien Hipertensi untuk Prediksi Plan Perawatan Pasien
Abstract
Kualitas pelayanan dalam industri kesehatan merupakan faktor yang sangat krusial dan
penting untuk dipertimbangkan. Rumah sakit As-Syifa adalah salah satu rumah sakit
swasta bertipe D yang berlokasi di Kota Manna, Kabupaten Bengkulu Selatan, Provinsi
Bengkulu. Rumah sakit ini merupakan salah satu rumah sakit yang sering menjadi
rujukan untuk daerah atau kabupaten di sekitar kabupaten Manna. Dalam proses
pelayanan penerimaan pasien rawat inap, system kerja rumah sakit memberikan waktu
tunggu yang lama bagi pasien. Hal ini tentunya memengaruhi performa pelayanan
sekaligus output pasien rawat inap itu sendiri. Penelitian ini dilakukan untuk melakukan
klasifikasi menggunakan metode decision tree C4.5 yang digunakan untuk klasifikasi dan
prediksi plan perawatan pasien hypertensive heart disease. Dari hasil pengujian
menggunakan seluruh data rekam medis mulai tanggal 1 Januari hingga 31 Desember
2022, diperoleh sebanyak 20 aturan dengan akurasi sebesar 99% untuk model tanpa
metode oversampling. Sedangkan 33 aturan untuk model integrasi dengan metode
oversampling dengan akurasi 92.08%. Penggunaan metode SMOTE untuk menangani
imbalance data dalam kasus ini membuat performa model lebih baik secara menyeluruh
yang dibuktikan dengan meningkatnya nilai recall true positive dan precision rawat inap.
Collections
- Industrial Engineering [2243]