Model Prognosis Masa Pengobatan Pasien Tuberkulosis Dengan Metode C4.5
Pasien Tuberkulosis mempunyai jangka waktu pengobatan yang relatif beragam karena tingkat kepatuhan tiap pasien untuk meminum obat sampai dengan habis dan jangka waktu yang sudah ditentukan oleh Dokter Spesialis Paru. Apabila salah diagnosa terkait dosis obat maka akan meningkatkan faktor resiko ke...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-12-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7393 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Pasien Tuberkulosis mempunyai jangka waktu pengobatan yang relatif beragam karena tingkat kepatuhan tiap pasien untuk meminum obat sampai dengan habis dan jangka waktu yang sudah ditentukan oleh Dokter Spesialis Paru. Apabila salah diagnosa terkait dosis obat maka akan meningkatkan faktor resiko kesehatan yaitu dimana proses pengobatan akan lebih memakan waktu dan lebih lama karena adanya kondisi Multi-Drug Resistant. Hal ini yang harus menjadi perhatian semua pihak agat tingkat kegagalan atas proses pengobatan pasien Tuberkulosis harus ditekan se minimal mungkin. Faktor kebiasaan pasien dan waktu minum obat pasien harus dijaga ketat agar masa pengobatan dapat lebih dipersingkat. Dokter Spesialis Paru berupaya untuk menekan tingkat Drop Out pasien Tuberkulosis dengan cara mengawasi jadwal mereka dengan pengelolaan yang baik. Oleh karena itu, dibutuhkan sistem untuk membantu proses prediksi masa pengobatan pasien dengan menerapkan Cross-Industry Standard Process for Data Mining (CRISP-DM) dan menggunakan pendekatan data mining dengan mengimplementasikan algoritma C4.5 setelah dilakukan eksplorasi data menggunakan beberapa algoritma untuk klasifikasi dengan tujuan untuk hasil akurasi performa model untuk prognosis masa pengobatan pasien tuberkulosis. Melalui tahap Data Understanding dan Data Preprocessing menghasilkan atribut baru yaitu Lama Pengobatan. Dengan menggunakan 596 record mendapatkan hasil akurasi sebesar 74.33%.
Abstract
Tuberculosis patients have a relatively diverse treatment period because of the level of compliance of each patient to take the drug until it runs out and the time period has been determined by the Pulmonary Specialist. If a wrong diagnosis is related to drug dosage, it will increase health risk factors, namely where the treatment process will take more time and longer due to the Multi-Drug Resistant condition. This should be the concern of all parties so that the failure rate of the treatment process for tuberculosis patients must be kept to a minimum. The patient's habit factor and the patient's time to take medication must be closely monitored so that the treatment period can be shortened. Pulmonary Specialists try to reduce the Drop Out rate of Tuberculosis patients by monitoring their schedule with good management. Therefore, a system is needed to help predict the patient's treatment period by applying the Cross-Industry Standard Process for Data Mining (CRISP-DM) and using a data mining approach by implementing the C4.5 algorithm after exploring the data using several algorithms for classification with the aim of for the results of model performance accuracy for the prognosis of the treatment period of tuberculosis patients. Through the Data Understanding and Data Preprocessing stages, a new attribute is produced, namely the Length of Treatment. By using 596 records to get an accuracy of 74.33%.
|
|---|---|
| ISSN: | 2355-7699 2528-6579 |