IMPLEMENTASI DATA MINING ALGORITMA C4.5 UNTUK KLASIFIKASI FAKTOR RISIKO KESEHATAN PADA IBU HAMIL

• MONICA DESSY SETYANINGSIH, AYU WAHYUNI

---

ABSTRAK

 

ABSTRAK
Monica Dessy Setyaningsih (11212469), Ayu Wahyuni (11212778),
Implementasi Data Mining Algoritma C4.5 untuk Klasifikasi Faktor Resiko
Kesehatan Pada Ibu Hamil Kasus kematian seorang ibu dapat dinyatakan menjadi peristiwa yang cukup kompleks. Faktor resiko sangat penting untuk diidentifikasi secara dini guna mengembangkan strategi yang komprehensif untuk pencegahan komplikasi terkait kehamilan. Faktor resiko dapat diklasifikasikan berdasarkan data rekam medis dari pasien ibu hamil. Faktor yang menjadi acuan terdiri usia, tekanan darah, gula darah serta detak jantung. Dari hal tersebut dapat diklasifikasikan resiko kesehatan bagi seorang ibu. Ketika diketahui rekam medis pasien serta resiko yang ada maka dapat dilakukan antisipasi secara medis bagi pasien ibu hamil. Untuk proses klasifikasi yang manual kurang efektif dikarenakan akan cukup lama waktu yang dibutuhkan. Untuk mendukung manganalisa faktor resiko kesehatan pada ibu hamil maka digunakan data mining klasifikasi berbasis komputer agar dapat menggali informasi dari daset faktor resiko kesehatan bagi ibu hamil. Maka dari penulis mengkaji dari data sekunder yang didapat dengan menggunakan Algoritma C4.5 dengan langkah yang pertama yaitu mengidentifikasi dan merumuskan masalah, menentukan tujuan penelitian, mempelajari buku dan jurnal terkait, pengumpulan data, pengolahan data, dan yang terakhir pengujian metode Algoritma C4.5 dan didapatlah hasil bahwa penerapan metode algoritma C4.5 pada analisa faktor resiko kesehatan pada ibu hamil dapat diambil kesimpulan yaitu pohon keputusan yang dihasilkan dari 100 data pasien memiliki akar (root) Systolic BP menjadi faktor resiko paling utama dibandingkan atribut lainnya, dalam penerapan Algoritma C4.5 menghasilkan nilai akurasi 70% dengan pembagian data training dan data testing 70:30, dan dalam penggunaan metode Algoritma C4.5 menjadi salah satu metode yang tepat untuk klasifikasi faktor resiko kesehatan pada ibu hamil.
Kata Kunci: Kesehatan kehamilan, Algoritma C4.5, Data Mining, Rapid Miner
 

KATA KUNCI

Implementasi,Data Mining,Algoritma C-4.5

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] A. Muzakir and R. A. Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” Sci. J.
Informatics, vol. 3, no. 1, pp. 19–26, 2016, doi: 10.15294/sji.v3i1.4610. [2] S. K. Astuti, M. A. Aziz, I. Farisa, and D. Arya, “Artikel asli Faktor Risiko Kematian Ibu di RSUP Dr . Hasan Sadikin Bandung Tahun 2009ÿ2013,” vol. 5, no. 2, pp. 52–56, 2017. [3] M. Bauserman et al., “Faktor risiko kematian dan tren angka kematian ibu di negara-negara berpenghasilan rendah dan menengah ibu : analisis prospektif kohort longitudinal,” vol. 12, no. Suppl 2, pp. 1–9, 2015. [4] N. Nurdiana and A. Algifari, “Studi Komparasi Algoritma Id3 Dan Algoritma Naive Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” INFOTECH J., vol. 6, no. 2, pp. 18–23, 2020, [Online]. Available: https://ejournal.unma.ac.id/index.php/infotech/article/view/816 [5] Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik
Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465. [6] A. Andriani, “Sistem prediksi penyakit diabetes berbasis decision tree,” J.
Bianglala Inform., vol. I, no. 1, pp. 1–10, 2013. [7] R. A. Saputra, “Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Tuberculosis ( Tb ): Studi Kasus Puskesmas Karawang,” Semin. Nas. Inov. dan Tren, no. April, pp. 1–8, 2014. [8] Y. Widiastiwi and I. Ernawati, “Klasifikasi Penyakit Batu Ginjal Menggunakan Algoritma Decision Tree C4 . 5 Dengan Membandingkan Hasil Uji Akurasi,” vol. 5, no. 2, pp. 128–135, 2021. [9] A. S. Sunge and Aditasari.Ana Angelia, “PENERAPAN ALGORITMA C4.5 PADA KLASIFIKASI KELAHIRAN BAYI PREMATUR DI DESA SETIA MEKAR,” J. Teknol. Pelita Bangsa, vol. 8, 2018. [10] M. R. Mamondol, Dasar - Dasar Statistika. Surabaya: Scopindo Media Pustaka, 2021. [11] L. Pratiwi and N. D. Dayaningsih, Kesehatan Ibu Hamil. Sukabumi: CV Jejak, 2021. [12] H. Hikmatulloh, A. Rahmawati, D. Wintana, and D. A. Ambarsari, “Penerapan Algoritma Iterative Dichotomiser Three (Id3) Dalam Mendiagnosa Kesehatan Kehamilan,” Klik - Kumpul. J. Ilmu Komput., vol. 6, no. 2, p. 116, 2019, doi: 10.20527/klik.v6i2.189. [13] D. Jollyta, M. Siddik, H. Mawengkang, and S. Efendi, Teknik Evaluasi Cluster
Solusi Menggunakan Python dan Rapidminer. Yogyakarta: Deepublish, 2021. [14] Nurmawati, “Faktor-Faktor Yang Berhubungan Dengan Kehamilan Resiko Tinggi Di Puskesmas Cibatu Kabupaten Bekasi Provinsi Jawa Barat Tahun 2017,” pp. 6669–6684, 2017. [15] T. Jaringan, N. Azwanti, E. Elisa, U. P. Batam, and J. R. S. Kuning, “InfoTekJar : Jurnal Nasional Informatika dan Analisis Pola Penyakit Hipertensi Menggunakan Algoritma C4 . 5,” vol. 2, 2019. [16] S. Ucha Putri, E. Irawan, F. Rizky, S. Tunas Bangsa, P. A. -Indonesia Jln Sudirman Blok No, and S. Utara, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5,” Januari, vol. 2, no. 1, pp. 39–46, 45 2021. [17] S. H. Respati, S. Sulistyowati, and R. Nababan, “Analisis Faktor Determinan Kematian Ibu di Kabupaten Sukoharjo , Jawa Tengah , Indonesia,” vol. 6, no. 2, pp. 52–59, 2019, doi: 10.22146/jkr.43463.