Data Mining Rekam Medis Untuk Menentukan Penyakit Terbanyak Menggunakan Decision Tree C4.5

Jurnal Sains dan Informatika

View Publication Info
 
 
Field Value
 
Title Data Mining Rekam Medis Untuk Menentukan Penyakit Terbanyak Menggunakan Decision Tree C4.5
 
Creator Mardi, Yuli; Apikes Iris Padang
 
Subject C4.5; Data Mining; Decision Tree; Knime; Rekam Medis
 
Description Data rekam medis yang terdapat di rumah sakit jarang sekali digunakan untuk penelitian dan menambah pengetahuan. Data rekam medis tersebut sangat banyak dan hanya memenuhi media penyimpanan yang ada di rumah sakit, baik itu penyimpanan secara elektronik ataupun penyimpanan secara fisik berupa kertas. Penggunaan data mining dalam mengolah data rekam medis bisa diterapkan untuk menggali pengetahuan dan pengambilan keputusan. Salah satu metode yang digunakan dalam data mining adalah klasifikasi. Dengan klasifikasi, keputusan dapat dibuat dalam bentuk desicion tree. Dengan menerapkan metode decision tree algoritma c4.5, kita dapat mengklasifikasi sebaran penyakit disuatu wilayah tertentu dengan mengacu pada variabel-variabel jenis kelamin, usia dan kecamatan. Dari data mining yang diperoleh di Rumah Sakit Umum Citra BMC Padang yang berobat pada bulan Januari 2013, dilakukan analisis dan tahapan-tahapan dalam proses klasifikasi baik secara manual maupun menggunakan software Knime sehingga didapatkan sebaran penyakit terbanyak terdapat pada BAB XVIII (R00-R99) yaitu sebanyak 8 orang dari 21 pasien rawat inap yang berobat di rumah sakit umum Citra BMC Padang.Medical record data in hospitals is rarely used for research and increase knowledge. Medical record data stored electronically or stored in the form of archives, periodically will be removed by the hospital according to existing rules, because the data is considered waste that will burden the storage media only. The main purpose of this research is how to utilize the medical record data that is considered to be a waste in order to give positive contribution for all parties both for hospital in making policy, for health facility, and for government in handling health. From data mining obtained at Citra BMC Padang General Hospital in January 2013, data analysis, data classification and decision tree making using algortima c4.5 were used, so that from total of 21 patients who got treatment got total entrophy 2,5061441 with amount most cases were found in CHAPTER XVIII (R00-R99) as many as 8 patients from 21, with sex details (female 5 patients and 3 men), age (elderly 5 patients, young and adults 1 patient, infant and child 2 patient), address (Padang Timur 4 patients, North Padang 1 patient, Lubuk Begalung 2 patient and Padang Barat 1 patient).
 
Publisher Lembaga Layanan Pendidikan Tinggi (LLDIKTI) Wilayah X
 
Contributor
 
Date 2018-04-30
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion

 
Format application/pdf
 
Identifier http://ejournal.kopertis10.or.id/index.php/sains/article/view/3077
10.22216/jsi.v4i1.3077
 
Source Jurnal Sains dan Informatika : Research of Science and Informatic; Vol 4, No 1 (2018): Sains dan Informatika; 40-53
Jurnal Sains dan Informatika; Vol 4, No 1 (2018): Sains dan Informatika; 40-53
2502-096X
2459-9549
 
Language eng
 
Relation http://ejournal.kopertis10.or.id/index.php/sains/article/view/3077/1019
 
Rights Copyright (c) 2018 Jurnal Sains dan Informatika
http://creativecommons.org/licenses/by-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library