Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree

Abstract

Prevalensi hipertensi pada wanita hamil terjadi sebanyak 1.062 kasus (12,7%). Dari 1062 kasus ibu hamil dengan hipertensi, ditemukan 125 kasus (11,8%) yang telah didiagnosis dengan hipertensi oleh tenaga kesehatan. RSIA YK Madira Palembang sebagai pusat kesehatan harus mengembangkan metode yang dapat memprediksi risiko tinggi ibu hamil dengan hipertensi dari data hasil pemeriksaan kehamilan. Dengan memanfaatkan sumber data yang terdiri dari data perawatan antenatal, diterapkan teknik data mining dengan algoritma decision tree C4.5, berdasarkan Knowledge Discovery in Database (KDD). Sehingga akan ditemukan pengetahuan, informasi, dan pola tersembunyi dari data pelayanan antenatal, yang merupakan prediksi hipertensi pada kehamilan. Metode yang digunakan yaitu Algoritma C4.5. Setelah mendapatkan decision tree dan rules yang dapat memprediksi penyakit hipertensi dalam kehamilan, dilakukan evaluasi dengan supplied test set menggunakan WEKA dihasilkan kesalahan (error) 7.3427% dan tingkat akurasi 92.6573%. Data training yang berjumlah 286 instances, hal ini menunjukkan bahwa terdapat 265 instances yang akurat dan 21 instances yang error atau prediksinya salah.

Keywords

• Data mining, Decision tree, C4.5 algorithms, Prediction, Pregnancy