Analisis Rekam Medis Pasien Diabetes Mellitus Melalui Implementasi Teknik Data Mining di RSUP Dr. Sardjito Yogyakarta

Abstract

2 ABSTRAK Latar Belakang: Diabetes mellitus adalah penyakit kronis yang mempengaruhi beban ekonomi dan sosial secara luas. Data pasien dicatat melalui sistem rekam medis pasien yang tersimpan dalam database sistem informasi rumah sakit, data yang tercatat belum dianalisis secara efektif untuk menghasilkan informasi yang berharga. Teknik data mining bisa digunakan untuk menghasilkan informasi yang berharga tersebut. Tujuan: Mengidentifikasi karakteristik pasien Diabetes mellitus, kecenderungan dan tipe Diabetes melitus melalui penerapan teknik data mining di RSUP Dr. Sardjito Yogyakarta.Metode: Penelitian ini merupakan penelitian deskriptif observasional dengan rancangan cross sectional. Teknik pengumpulan data dilakukan secara retrospektif melalui observasi dan studi dokumentasi rekam medis elektronik di RSUP Dr. Sardjito Yogyakarta. Data yang terkumpul kemudian dilakukan analisis dengan menggunakan aplikasi Weka. Hasil: Pasien Diabetes mellitus di RSUP Dr. Sardjito tahun 2011-2016 berjumlah 1.554 orang dengan tren yang cenderung menurun. Pasien paling banyak berusia 56 -63 tahun (27,86%). Kejadian Diabetes mellitus didominasi oleh Diabetes mellitus tipe 2 dengan komplikasi tertinggi adalah hipertensi, nefropati, dan neuropati. Dengan menggunakan teknik data mining dengan algoritma decision tree J48 (akurasi 88.42%) untuk analisis rekam medis pasien telah menghasilkan beberapa rule. Kesimpulan: Teknik klasifikasi data mining (akurasi 88.42%) dan decision trees telah berhasil mengidentifikasi karakteristik pasien dan menemukan beberapa rules yang dapat digunakan pihak rumah sakit dalam pengambilan keputusan mengenai penyakit Diabetes mellitus. Kata kunci: Analisis Rekam Medis, Data Mining, Diabetes mellitus ABSTRACT Background: Diabetes mellitus is a chronic disease which influenced economic and social burden widely. Based on electronic medical records system in the database of hospital information system is known the recorded data has not analyzed to produce any valuable information effectively. Data mining techniques is commonly used for producing valuable information. Objective: Identify characteristics of Diabetes mellitus patients, the tendency and type of diabetes mellitus through the application of data mining techniques in RSUP Dr. Sardjito Yogyakarta. Methods: This was an observational descriptive study with cross sectional design. Data collection techniques were conducted retrospectively through observation and documentation study of electronic medical records at RSUP Dr. Sardjito. The collected data is analyzed by using Weka application. Results: Diabetes mellitus patients at RSUP Dr. Sardjito between 2011-2016 amounted is 1,554 peoples and tends to decrease. Most patients were aged 56 -63 years (27.86%). The incidence of Diabetes mellitus is dominated by Type 2 diabetes mellitus with the highest complications being hypertension, nephropathy, and neuropathy. Using data mining techniques with decision tree J48 algorithm (88.42% accuracy) for patient medical record analysis has resulted in several rules....

Optimasi Linear Sampling dan Information Gain pada Algoritma Decision Tree Untuk Diagnosis Penyakit Diabetes

“…Sementara itu, dataset publik yang sama juga diuji menggunakan algoritma Decision Tree C4.5 dan menghasilkan nilai akurasi sebesar 97,12% serta nilai AUC sebesar 0,994 [7]. Selain itu pada penelitian sebelumnya, Algoritma Decision Tree juga digunakan untuk menguji dataset private pada RSUP Dr. Sardjito [6].…”

Inventory of Medicinal Plants in West Sumatra Province that has the Potential to Treat Diabetes Mellitus

“…Insulin is a hormone made by the pancreas, which helps glucose enter cells. Ineffective insulin production will cause an increase in blood glucose levels which in the long term is associated with damage to the body and failure of various organs and tissues [2]. Diabetes mellitus is a disease that poses a high risk of threatening human life and is listed as one of the most rapidly increasing serious threats to global health, including in Indonesia [3].…”