Klasifikasi Penyakit Stroke Iskemik Menggunakan Algoritma C4.5 di Rumah Sakit Citra Husada Jember

Wahyu Triana; Angga Rahagiyanto; Ervina Rachmawati; Bakhtiyar Hadi Prakoso

doi:10.47134/mpk.v2i2.6095

Authors

Wahyu Triana Politeknik Negeri Jember
Angga Rahagiyanto Politeknik Negeri Jember
Ervina Rachmawati Politeknik Negeri Jember
Bakhtiyar Hadi Prakoso Politeknik Negeri Jember

DOI:

https://doi.org/10.47134/mpk.v2i2.6095

Keywords:

Algoritma C4.5, Confusion Matrix, Stroke Iskemik

Abstract

Stroke Iskemik adalah kondisi dimana terjadinya disfungsi otak akibat kerusakan pada jaringan otak. Pada pelaporan 10 besar penyakit rawat inap di Rumah Sakit Citra Husada tahun 2021 sampai dengan 2023 mengalami kenaikan, Selain itu Stroke Iskemik menempati urutan peringkat ke-1 pada 10 besar kematian. Penelitian ini bertujuan untuk melakukan klasifikasi penyakit Stroke Iskemik berdasarkan faktor risiko menggunakan Algoritma C4.5 di Rumah Sakit Citra Husada Jember yang dapat berperan sebagai upaya pencegahan penyakit stroke iskemik . Jenis penelitian ini adalah penelitian kuantitatif yang kemudian diolah menggunakan metode Algoritma C4.5 dikarenakan dapat melakukan klasifikasi atau pengelompokan pada dataset dengan bantuan tools RapidMiner. Pengambilan sampel menggunakan teknik simple random sampling dengan jumlah sampel sebanyak 366 dokumen rekam medis, dengan kriteria inklusi yaitu dokumen pasien stroke iskemik dan kriteria ekslusi yaitu dokumen pasien non stroke iskemik. Hasil penelitian menunjukan variabel hipertensi menjadi variabel yang paling berpengaruh dikarenakan memiliki nilai 96,17%. Hasil confusion matrix menunjukan tingkat nilai accuracy, precision dan recall tertinggi pada split 90:10 dengan nilai accuracy sebesar 97,22%, nilai precision sebesar 94,73% dan nilai recall yaitu 100%.

References

A. Byna and M. Basit, “Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes,” J. Sisfokom (Sistem Informasi dan Komputer), vol. 9, no. 3, pp. 407–411, 2020. doi: https://doi.org/10.32736/sisfokom.v9i3.1023

A. Veronica Agustin and A. Voutama, “Implementasi Data Mining Klasifikasi Penyakit Diabetes Pada Perempuan Menggunakan Naïve Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 2, pp. 1002–1007, 2023. doi: https://doi.org/10.36040/jati.v7i2.6808

D. Hisni, M. E. Saputri, and S. Sujarni, “Faktor-Faktor Yang Berhubungan Dengan Kejadian Stroke Iskemik Di Instalasi Fisioterapi Rumah Sakit Pluit Jakarta Utara Periode Tahun 2021,” Jurnal Penelitian Keperawatan Kontemporer, vol. 2, no. 1, pp. 140–149, 2022. doi: https://doi.org/10.59894/jpkk.v2i1.333

D. W. Nugraha, A. Y. E. Dodu, and N. Chandra, “Klasifikasi Penyakit Stroke Menggunakan Metode Naive Bayes Classifier (Studi Kasus Pada Rumah Sakit Umum Daerah Undata Palu),” vol. 3, no. 2, pp. 13–22, 2017.

F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” Jurnal Ilmiah Informatika, vol. 9, no. 2, pp. 75–81, 2021. doi: https://doi.org/10.33884/jif.v9i02.3755

I. Indriasari, S. Sahreni, and A. A. F. Pratama, “Hubungan Diabetes Melitus Tipe 2 Dengan Stroke Iskemik Pada Pasien Poliklinik Saraf Di Rumah Sakit Budi Kemuliaan Kota Batam Tahun 2021,” Zona Kedokteran: Program Studi Pendidikan Dokter Universitas Batam, vol. 13, no. 1, pp. 342–350, 2023. doi: https://doi.org/10.37776/zked.v13i1.1153

M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” Jurnal Media Informatika Budidarma, vol. 5, no. 2, p. 640, 2021. doi: https://doi.org/10.30865/mib.v5i2.2937

M. A. Riondi, E. Kristanti, and F. The, “Hubungan Fakor Risiko dengan Luaran Pasien Stroke Iskemik di RSUD Dr. H. Chasan Boesoirie,” Jurnal Ilmiah Indonesia, vol. 4, no. 1, pp. 30–38, 2024.

M. Halimatunnisa’ et al., “Faktor Risiko Stroke di Rumah Sakit Umum Daerah Praya Tahun 2022,” Jurnal Kesehatan Qamarul Huda, vol. 11, no. 1, pp. 371–381, 2023. doi: https://doi.org/10.37824/jkqh.v11i1.2023.507

N. M. Daulay, N. D. Siregar, E. Sujoko, F. A. Simamora, and N. Harahap, “Faktor Faktor Yang Berhubungan Dengan Kejadian Stroke Di Rumah Sakit Umum Daerah Kota Padangsidimpuan Tahun 2022,” Jurnal Kesehatan Ilmiah Indonesia (Indonesian Health Science Journal), vol. 8, no. 1, pp. 106–116, 2023. doi: https://doi.org/10.51933/health.v8i1.1035

P. Ayudia and Y. Imran, “Kadar Kolesterol LDL Sebagai Prediktor Lama Perawatan Pada Pasien Stroke Iskemik Akut,” Jurnal Penelitian dan Karya Ilmiah Lembaga Penelitian Universitas Trisakti, vol. 8, no. 2, pp. 310–320, 2023. doi: https://doi.org/10.25105/pdk.v8i2.15710

P. N. Puspitasari, “Hubungan Hipertensi Terhadap Kejadian Stroke,” Jurnal Ilmiah Kesehatan Sandi Husada, vol. 12, no. 2, pp. 922–926, 2020. doi: https://doi.org/10.35816/jiskh.v12i2.435

P. Romadloni, B. Adhi Kusuma, and W. Maulana Baihaqi, “Komparasi Metode Pembelajaran Mesin Untuk Implementasi Pengambilan Keputusan Dalam Menentukan Promosi Jabatan Karyawan,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 6, no. 2, pp. 622–628, 2022. doi: https://doi.org/10.36040/jati.v6i2.5238

Pusdatin Kemkes, Stroke Don't Be The One. Pusat Data dan Informasi Kementerian Kesehatan RI, 2019.

R. E. Pambudi, Sriyanto, and Firmansyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C4.5,” Jurnal Teknik, vol. 16, no. 2, pp. 221–226, 2022.

R. S. Wahono, Data Mining, vol. 2, 2023. Available: https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part

S. Clara, D. Laksmi Prianto, R. Al Habsi, E. Friscila Lumbantobing, and N. Chamidah, “Implementasi Seleksi Fitur Pada Algoritma Klasifikasi Machine Learning Untuk Prediksi Penghasilan Pada Adult Income Dataset,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), vol. 2, no. 1, pp. 741–747, 2021.

S. Saharman and E. Winarto, “Hubungan Hipertensi dengan Kejadian Stroke di RSUD Kotamobagu,” vol. 14, no. 1, pp. 370–374, 2023.

S. Ucha Putri, E. Irawan, and F. Rizky, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5,” vol. 2, no. 1, pp. 39–46, 2021.

V. Azzahra and S. Ronoatmodjo, “Faktor-faktor yang Berhubungan dengan Kejadian Stroke pada Penduduk Usia ≥15 Tahun di Provinsi Daerah Istimewa Yogyakarta (Analisis Data Riskesdas 2018),” Jurnal Epidemiologi Kesehatan Indonesia, vol. 6, no. 2, 2023. doi: https://doi.org/10.7454/epidkes.v6i2.6508

Zuriati and Qomariyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN),” Jurnal Sistem dan Teknologi Informasi, vol. 1, no. 1, pp. 1–8, 2023.