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.