KLASIFIKASI PENYAKIT BERDASARKAN DIAGNOSA PENYAKIT PADA PUSKESMAS KONI DENGAN MENGGUNAKAN ALGORITMA C4.5

ABSTRAK

Penyakit yang dialami masyarakat sering menunjukkan kecenderungan tertentu berdasarkan faktor demografi seperti jenis kelamin, umur, dan tempat tinggal. Informasi ini sangat penting sebagai dasar evaluasi dan perencanaan pelayanan kesehatan. Namun, data rekam medis di puskesmas umumnya hanya digunakan sebagai dokumentasi tanpa diolah lebih lanjut. Oleh karena itu, penelitian ini dilakukan untuk mengklasifikasikan jenis penyakit berdasarkan atribut pasien menggunakan algoritma C4.5. Penelitian ini merupakan penelitian terapan dengan pendekatan kuantitatif dan bersifat deskriptif eksploratif. Populasi dalam penelitian ini adalah seluruh data pasien Puskesmas Koni selama tahun 2024, dan teknik pengambilan sampel yang digunakan adalah total sampling. Atribut yang dianalisis meliputi jenis kelamin, kelurahan, umur, dan diagnosa. Pemodelan dilakukan menggunakan RapidMiner dan menghasilkan struktur pohon keputusan. Hasil menunjukkan bahwa jenis kelamin menjadi atribut paling berpengaruh, diikuti kelurahan dan umur. Penyakit J00 (nasofaringitis akut) paling sering diklasifikasikan, khususnya pada pasien dewasa dan lansia dari Kelurahan Pasar. Penyakit seperti K30, I10, dan E11 muncul pada kelompok usia lanjut di wilayah lain. Algoritma C4.5 dipilih karena memiliki waktu proses tercepat (25.379 detik), lebih efisien dibanding algoritma lain, serta mudah diinterpretasikan untuk diterapkan di layanan kesehatan.
Kata Kunci: Algoritma C4.5, Klasifikasi, Pohon Keputusan, Puskesmas, Penyakit

ABSTRACT

Diseases in communities often show patterns based on demographic factors such as gender, age, and place of residence. This information is crucial for evaluating and planning health services. However, medical records in public health centers are often only used for documentation without further analysis. Therefore, this study was conducted to classify types of diseases based on patient attributes using the C4.5 algorithm. This is an applied research using a quantitative descriptive exploratory approach. The population consists of all patient data from Puskesmas Koni in 2024, with a total sampling technique. The analyzed attributes include gender, sub-district, age, and diagnosis. Modeling was performed using RapidMiner and produced a decision tree structure. The results showed that gender was the most influential attribute, followed by sub-district and age. J00 (acute nasopharyngitis) was the most frequently classified disease, particularly among adults and the elderly from the Pasar sub-district. Other diseases such as K30, I10, and E11 appeared more often in elderly groups from other areas. The C4.5 algorithm was selected for its fastest processing time (25.379 seconds), greater efficiency compared to other algorithms, and its interpretability, making it highly suitable for implementation in health service systems.
Keywords: C4.5 Algorithm, Classification, Decision Tree, Public Health Center, Disease