Sistem Deteksi Dini Tuberkulosis Paru Berdasarkan Rekam Medis Pasien Dengan Metode Algoritma C4.5

Inayati, Kunti Amalia (2024) Sistem Deteksi Dini Tuberkulosis Paru Berdasarkan Rekam Medis Pasien Dengan Metode Algoritma C4.5. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Ringkasan / Abstract) G41202218-Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (28kB)
	Text (Bab 1 Pendahuluan) G41202218-Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (109kB)
	Text (Daftar Pustaka) G41202218-DaftarPustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (171kB)
	Text (Laporan Lengkap) G41202218-LaporanLengkap.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Tuberkulosis merupakan penyakit menular yang disebabkan oleh Mycobacterium tuberculosis. Tuberkulosis dapat menyerang berbagai organ dalam tubuh salah satunya paru-paru, sehingga disebut tuberkulosis paru. Kabupaten Jember merupakan penyumbang kedua kasus tuberkulosis terbanyak di Provinsi Jawa Timur, dengan jumlah capaian kasus yang terjangkau oleh program penanggulangan dari fasilitas pelayanan kesehatan hanya sebesar 54,4% pada tahun 2021. Penelitian ini bertujuan membangun sistem untuk deteksi dini tuberkulosis paru untuk membantu meningkatkan angka temuan kasus tuberkulosis di masyarakat. Sistem ini dibangun berbasis website menggunakan metode pengembangan sistem Waterfall dan metode klasifikasi Algoritma C4.5. Tahapan dalam penelitian ini meliputi pembuatan aturan klasifikasi menggunakan RapidMiner, kemudian dilanjutkan dengan tahapan metode Waterfall yang meliputi tahapan communication, planning, modelling, dan construction. Dataset yang digunakan untuk menyusun aturan klasifikasi diambil dari rekam medis pasien dari Rumah Sakit Citra Husada sebanyak 140 data. Perbandingan data training dan data testing yang digunakan untuk membuat aturan klasifikasi adalah 70:30 atau 98 data training dan 42 data testing. Pemilihan data testing menggunakan teknik stratified sampling. Aturan klasifikasi yang dihasilkan sebanyak 26 rules yang kemudian digunakan untuk pengembangan sistem. Sistem yang dirancang diuji kinerjanya dengan mengujikan 42 baris data testing menghasilkan nilai accuracy sebesar 78,57%, precision 80%, dan recall 88,89%.

Actions (login required)

View Item