PENERAPAN DATA MINING UNTUK MEMPREDIKSI KUNJUNGAN PASIEN BERDASARKAN HARI MENGGUNAKAN ALGORITMA C4.5 DI PUSKESMAS TANJUNG PINANG

ABSTRAK

Prediksi kunjungan pasien merupakan salah satu upaya untuk mendukung perencanaan dan pengelolaan kesehatan yang efektif di fasilitas kesehatan. Tren kunjungan pasien pada fasilitas kesehatan menunjukkan kecenderungan fluktuatif yang dipengaruhi oleh berbagai faktor, termasuk waktu, hari pelayanan, dan kondisi sosial masyarakat. Data kunjungan pasien yang terdapat pada sistem informasi kesehatan hanya digunakan sebagai laporan historis tanpa dikaji secara mendalam. Oleh karena itu, penelitian ini bertujuan untuk menerapkan algoritma C4.5 untuk memprediksi kunjungan pasien berdasarkan hari. Penelitian ini merupakan penelitian kuantitatif deskriptif dengan pendekatan data mining. Populasi yang digunakan adalah data kunjungan pasien yang terdapat pada sistem e-puskesmas Puskesmas Tanjung Pinang tahun 2025. Teknik pengambilan Sampel yang digunakan adalah total sampling. Atribut yang digunakan dalam penelitian ini yaitu hari kunjungan dan jenis kunjungan. Tahapan penelitian ini meliputi seleksi data, pembersihan data, pemodelan algoritma C4.5, dan evaluasi model untuk mengukur tingkat akurasi pemodelan algoritma C4.5. Hasil penelitian menunjukkan bahwa baik pasien baru maupun pasien lama cenderung melakukan kunjungan ke puskesmas pada hari senin. Nilai akurasi diperoleh sebesar 21,60%, yang menunjukkan nilai akurasi rendah. Hal ini disebabkan karena terbatasnya atribut yang digunakan dan ketidakseimbangan jumlah data. Namun, pemodelan algoritma C4.5 telah berhasil menunjukkan model berupa pohon keputusan yang dapat menjadi dasar dalam perencanaan pelayanan kesehatan di puskesmas secara lebih optimal.

Kata Kunci: Data Mining, Prediksi Kunjungan Pasien, Algoritma C4.5, Puskesmas.

ABSTRACT

Patient visit prediction is one of the efforts to support effective health planning and management in health facilities. The trend of patient visits to health facilities shows a fluctuating tendency influenced by various factors, including time, day of service, and social conditions of the community. Patient visit data contained in the health information system is only used as a historical report without being studied in depth. Therefore, this study aims to apply the C4.5 algorithm to predict patient visits based on the day. This research is a descriptive quantitative study with a data mining approach. The population used is patient visit data contained in the e-health center system of Tanjung Pinang Health Center in 2025. The sampling technique used is total sampling. The attributes used in this study are the day of visit and the type of visit. This research stage includes data selection, data cleaning, C4.5 algorithm modeling, and model evaluation to measure the accuracy level of the C4.5 algorithm modeling. The results show that both new and old patients tend to visit the health center on Mondays. The accuracy value obtained was 21.60%, which indicates a low accuracy value. This is due to the limited attributes used and the imbalance in the amount of data. However, the C4.5 algorithm modeling has successfully demonstrated a decision tree model that can serve as a basis for more optimal health service planning in community health centers.

Keywords: Data Mining, Patient Visit Prediction, C4.5 Algorithm, Community Health Center.