PENERAPAN KLASIFIKASI DATA MINING UNTUK PREDIKSI DENGAN METODE ALGORITMA DECISSION TREE

Abstract

Stroke adalah penyakit pembuluh darah ke otak. Definisi menurut WHO, Stroke adalah suatu keadaan dimana ditemukan tanda-tanda klinis yang berkembang cepat berupa defisit neurologicfokal dan global, yang dapat memberat dan berlangsung lama selama 24 jam atau lebih dan atau dapat menyebabkan kematian tanpa adanya penyebab lain yang jelas selain vascular. Alur proses analisis disini menggunakan metode decision tree yakni mengubah bentuk data menjadi model tree, mengubah model tree menjadi rule dan menyederhanakan rule. Data yang diambil dalam penelitian ini adalah data pasien sebuah rumah sakit yang dirahasiakan namanya sebanyak 5110 sampel yang akan digunakan untuk membuat model prediksi Decision Tree. Model yang telah dibuat kemudian akan dihitung tingkat akurasi prediksinya. Dari kumpulan data ini, terdapat 10 parameter penentu indikator penyakit stroke yakni jenis kelamin, umur, hipertensi, riwayat penyakit jantung, status pernikahan, tipe pekerjaan, tipe tempat tinggal, rata-rata kadar glukosa, indeks massa tubuh, dan status merokok. Decision tree merupakan salah satu cara data processing dalam memprediksi masa depan dengan cara membangun klasifikasi atau regresi model dalam bentuk struktur pohon. Hal tersebut dilakukan dengan cara memecah terus ke dalam himpunan bagian yang lebih kecil lalu pada saat itu juga sebuah pohon keputusan secara bertahap dikembangkan. Hasil akhir dari proses tersebut adalah pohon dengan node keputusan dan node daun. Kemudian dianalisis menggunakan machine learning Phyton untuk membuat prediksi pada pasien guna mengetahui faktor-faktor yang paling mempengaruhi terhadap penyakit stroke.