PREDIKSI KUNJUNGAN PASIEN DIABETES BERDASARKAN KARAKTERISTIK FISIK DI PUSKESMAS TANJUNG PINANG KOTA JAMBI MENGGUNAKAN ALGORITMA DECISION TREE

ABSTRAK

Peningkatan kunjungan pasien diabetes melitus di Puskesmas Tanjung Pinang Kota Jambi menunjukkan perlunya prediksi kunjungan pasien untuk mendukung perencanaan pelayanan kesehatan. Pemanfaatan data rekam medis dengan algoritma Decision Tree dapat digunakan untuk memprediksi kunjungan pasien berdasarkan karakteristik fisik. Penelitian ini bertujuan untuk mengetahui prediksi kunjungan pasien diabetes melitus berdasarkan karakteristik fisik pada pasien BPJS menggunakan algoritma Decision Tree di Puskesmas Tanjung Pinang Kota Jambi. Penelitian ini menggunakan metode data mining dengan algoritma Decision Tree. Data penelitian berasal dari rekam medis pasien BPJS diabetes melitus sebanyak 3.335 data dengan 85 atribut. Tahapan penelitian meliputi pengumpulan data, preprocessing atau pembersihan data, transformasi data, import data ke aplikasi RapidMiner, pembagian data (split data), pemodelan menggunakan algoritma Decision Tree, dan evaluasi model. Setelah dilakukan preprocessing diperoleh 3.318 data dengan 9 atribut yang digunakan dalam penelitian. Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu membentuk model pohon keputusan untuk memprediksi kunjungan pasien ke dalam kategori pasien lama dan pasien baru berdasarkan karakteristik fisik pasien dengan tingkat akurasi sebesar 95,48%. Variabel yang paling berpengaruh dalam proses prediksi yaitu berat badan, tinggi badan, tekanan darah sistolik, dan usia. Kesimpulan penelitian ini menunjukkan bahwa algoritma Decision Tree dapat digunakan untuk memprediksi kunjungan pasien diabetes melitus berdasarkan karakteristik fisik pada pasien BPJS di Puskesmas Tanjung Pinang Kota Jambi.

Kata Kunci : Diabetes Melitus, Decision Tree, Prediksi, Karakteristik Fisik.

ABSTRACT

The increase in visits of diabetes mellitus patients at Tanjung Pinang Public Health Center, Jambi City, indicates the need for patient visit prediction to support healthcare service planning. The utilization of medical record data using the Decision Tree algorithm can be applied to predict patient visits based on physical characteristics. This study aimed to determine the prediction of diabetes mellitus patient visits based on physical characteristics among BPJS patients using the Decision Tree algorithm at Tanjung Pinang Public Health Center, Jambi City. This study employed a data mining method using the Decision Tree algorithm. The research data were obtained from the medical records of 3,335 BPJS diabetes mellitus patients with 85 attributes. The research stages included data collection, preprocessing or data cleaning, data transformation, data import into the RapidMiner application, data splitting, modeling using the Decision Tree algorithm, and model evaluation. After preprocessing, 3,318 data records with 9 attributes were obtained and used in this study. The results showed that the Decision Tree algorithm was able to form a decision tree model to predict patient visits into the categories of returning patients and new patients based on patients’ physical characteristics, with an accuracy rate of
95.48%. The variables that had the greatest influence in the prediction process were body weight, height, systolic blood pressure, and age. The conclusion of this study indicates that the Decision Tree algorithm can be used to predict diabetes mellitus patient visits based on physical characteristics among BPJS patients at Tanjung Pinang Public Health Center, Jambi City.

Keywords: Diabetes Mellitus, Decision Tree, Prediction, Physical Characteristics.