Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
<div class="page" title="Page 1"><div class="layoutArea"><div class="column"><p><span>Prevalensi hipertensi pada wanita hamil terjadi sebanyak 1.062 kasus (12,7%). Dari 1062 kasus ibu hamil dengan hipertensi, ditemukan 125 kasus (...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Jurusan Ilmu Komputer Universitas Negeri Semarang
2016-06-01
|
| Series: | Scientific Journal of Informatics |
| Subjects: | |
| Online Access: | https://journal.unnes.ac.id/nju/index.php/sji/article/view/4610 |
| _version_ | 1811241416501755904 |
|---|---|
| author | Ari Muzakir Rika Anisa Wulandari |
| author_facet | Ari Muzakir Rika Anisa Wulandari |
| author_sort | Ari Muzakir |
| collection | DOAJ |
| description | <div class="page" title="Page 1"><div class="layoutArea"><div class="column"><p><span>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 </span><span>data mining </span><span>dengan algoritma </span><span>decision tree </span><span>C4.5, berdasarkan </span><span>Knowledge Discovery in Database </span><span>(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 </span><span>decision tree </span><span>dan </span><span>rules </span><span>yang dapat memprediksi penyakit hipertensi dalam kehamilan, dilakukan evaluasi dengan </span><span>supplied test set </span><span>menggunakan WEKA dihasilkan kesalahan (</span><span>erro</span><span>r) 7.3427% dan tingkat akurasi 92.6573%. </span><span>Data training </span><span>yang berjumlah 286 </span><span>instances</span><span>, hal ini menunjukkan bahwa terdapat 265 </span><span>instances </span><span>yang akurat dan 21 </span><span>instances </span><span>yang </span><span>error </span><span>atau prediksinya salah. </span></p></div></div></div> |
| first_indexed | 2024-04-12T13:35:50Z |
| format | Article |
| id | doaj.art-ba4ebcd73322451cbfafca65413dc524 |
| institution | Directory Open Access Journal |
| issn | 2407-7658 2460-0040 |
| language | English |
| last_indexed | 2024-04-12T13:35:50Z |
| publishDate | 2016-06-01 |
| publisher | Jurusan Ilmu Komputer Universitas Negeri Semarang |
| record_format | Article |
| series | Scientific Journal of Informatics |
| spelling | doaj.art-ba4ebcd73322451cbfafca65413dc5242022-12-22T03:31:00ZengJurusan Ilmu Komputer Universitas Negeri SemarangScientific Journal of Informatics2407-76582460-00402016-06-0131192610.15294/sji.v3i1.46104621Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision TreeAri Muzakir0Rika Anisa Wulandari1Universitas Bina Darma PalembangUniversitas Bina Darma Palembang<div class="page" title="Page 1"><div class="layoutArea"><div class="column"><p><span>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 </span><span>data mining </span><span>dengan algoritma </span><span>decision tree </span><span>C4.5, berdasarkan </span><span>Knowledge Discovery in Database </span><span>(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 </span><span>decision tree </span><span>dan </span><span>rules </span><span>yang dapat memprediksi penyakit hipertensi dalam kehamilan, dilakukan evaluasi dengan </span><span>supplied test set </span><span>menggunakan WEKA dihasilkan kesalahan (</span><span>erro</span><span>r) 7.3427% dan tingkat akurasi 92.6573%. </span><span>Data training </span><span>yang berjumlah 286 </span><span>instances</span><span>, hal ini menunjukkan bahwa terdapat 265 </span><span>instances </span><span>yang akurat dan 21 </span><span>instances </span><span>yang </span><span>error </span><span>atau prediksinya salah. </span></p></div></div></div>https://journal.unnes.ac.id/nju/index.php/sji/article/view/4610Data mining, Decision tree, C4.5 algorithms, Prediction, Pregnancy |
| spellingShingle | Ari Muzakir Rika Anisa Wulandari Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree Scientific Journal of Informatics Data mining, Decision tree, C4.5 algorithms, Prediction, Pregnancy |
| title | Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree |
| title_full | Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree |
| title_fullStr | Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree |
| title_full_unstemmed | Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree |
| title_short | Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree |
| title_sort | model data mining sebagai prediksi penyakit hipertensi kehamilan dengan teknik decision tree |
| topic | Data mining, Decision tree, C4.5 algorithms, Prediction, Pregnancy |
| url | https://journal.unnes.ac.id/nju/index.php/sji/article/view/4610 |
| work_keys_str_mv | AT arimuzakir modeldataminingsebagaiprediksipenyakithipertensikehamilandenganteknikdecisiontree AT rikaanisawulandari modeldataminingsebagaiprediksipenyakithipertensikehamilandenganteknikdecisiontree |