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.