Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Abstract: Prevalensi
hipertensi pada wanita hamil terjadi sebanyak 1.062 kasus (12,7%). Dari 1062
kasus ibu hamil dengan hipertensi, ditemukan 125 kasus (11,8%) yang telah
didiagnosis dengan hipertensi oleh tenaga kesehatan. RSIA YK Madira Palembang
sebagai pusat kesehatan harus mengembangkan metode yang dapat memprediksi
risiko tinggi ibu hamil dengan hipertensi dari data hasil pemeriksaan
kehamilan. Dengan memanfaatkan sumber data yang terdiri dari data perawatan
antenatal, diterapkan teknik data mining dengan algoritma decision tree C4.5,
berdasarkan Knowledge Discovery in Database (KDD). Sehingga akan ditemukan
pengetahuan, informasi, dan pola tersembunyi dari data pelayanan antenatal,
yang merupakan prediksi hipertensi pada kehamilan. Metode yang digunakan yaitu
Algoritma C4.5. Setelah mendapatkan decision tree dan rules yang dapat
memprediksi penyakit hipertensi dalam kehamilan, dilakukan evaluasi dengan
supplied test set menggunakan WEKA dihasilkan kesalahan (error) 7.3427% dan
tingkat akurasi 92.6573%. Data training yang berjumlah 286 instances, hal ini
menunjukkan bahwa terdapat 265 instances yang akurat dan 21 instances yang
error atau prediksinya salah.
Penulis: Ari Muzakir, Rika
Anisa Wulandari
Kode Jurnal: jptinformatikadd160494