STUDI LITERATUR DATA MINING DALAM BIDANG KESEHATAN UNTUK ANALISIS DAN PREDIKSI PENYAKIT DALAM
Article Sidebar
Main Article Content
Abstract
Perkembangan teknologi informasi telah mendorong pertumbuhan data yang sangat pesat di bidang kesehatan, khususnya data rekam medis pasien yang tersimpan dalam jumlah besar di berbagai fasilitas kesehatan. Data tersebut menyimpan potensi pengetahuan yang sangat berharga jika dianalisis secara tepat. Salah satu pendekatan yang efektif untuk mengekstrak pengetahuan dari data tersebut adalah data mining, yaitu serangkaian metode untuk menemukan pola tersembunyi dan informasi penting dari kumpulan data yang besar, sehingga dapat digunakan dalam pengambilan keputusan medis secara lebih akurat dan efisien. Studi literatur ini membahas penerapan berbagai algoritma data mining, seperti Naïve Bayes, Decision Tree (C4.5 dan C5.0), K-Nearest Neighbor, dan Random Forest dalam analisis dan prediksi penyakit dalam. Hasil penelitian menunjukkan bahwa algoritma Decision Tree C4.5 yang dioptimasi dengan Particle Swarm Optimization (PSO) mampu mencapai akurasi hingga 99,67% untuk prediksi hepatitis C, sedangkan Naïve Bayes efektif dalam prediksi stroke dan penyebaran COVID-19 dengan akurasi tinggi. Selain itu, Random Forest terbukti unggul dalam prediksi penyakit stroke dan diabetes dengan akurasi di atas 90%. Studi ini memberikan gambaran komprehensif tentang efektivitas berbagai metode data mining dan menjadi referensi penting bagi pengembangan aplikasi prediksi penyakit di bidang kesehatan.
Downloads
Article Details
References
[1] L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.
[2] H. Bugis, “Metode Naïve Bayes Untuk Memprediksi Penyakit Stroke,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 6, no. 1, pp. 8–14, 2022, doi: 10.47970/siskom-kb.v6i1.317.
[3] F. D. Prasetya, H. W. Nugroho, and J. Triloka, “Analisa Data Mining Untuk Prediksi Penyakit Hepatitis C Menggunakan Algoritma Decision Tree C.45 Dengan Particle Swarm Optimization,” Semin. Nas. Has. Penelit. dan Pengabdi. Masy., no. April 1989, pp. 199–209, 2022, [Online]. Available: http://archive.ic
[4] M. Sholeh, D. Andayati, and R. Y. Rachmawati, “Data Mining Model Klasifikasi Menggunakan Algoritma K-Nearest Neighbor Dengan Normalisasi Untuk Prediksi Penyakit Diabetes,” TeIKa, vol. 12, no. 02, pp. 77–87, 2022, doi: 10.36342/teika.v12i02.2911.
[5] H. Firda, R. Athiyah, and M. Ihsan Jambak, “Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Keganasan Kanker Payudara,” Just-IT, vol. 14, no. 3, pp. 150–233, 2024, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/index
[6] F. M. A. Sofyan, A. P. Riyandoro, D. F. Maulana, and J. H. Jaman, “Penerapan Data Mining dengan Algoritma C5.0 Untuk Prediksi Penyakit Stroke,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 6, no. 2, p. 619, 2023, doi: 10.53513/jsk.v6i2.8578.
[7] L. Belakang et al., “BAB I,” pp. 1–5, 2011.
[8] N. F. Hadi and N. K. Afandi, “Literature Review is A Part of Research,” Sultra Educ. J., vol. 1, no. 3, pp. 64–71, 2021, doi: 10.54297/seduj.v1i3.203.
[9] M. K. Murtiningsih, K. Pandelaki, and B. P. Sedli, “Gaya Hidup sebagai Faktor Risiko Diabetes Melitus Tipe 2,” e-CliniC, vol. 9, no. 2, p. 328, 2021, doi: 10.35790/ecl.v9i2.32852.
[10] M. F. I. Al-Rizki, I. Widaningrum, and G. A. Buntoro, “Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi Rapidminer,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 1, p. 1, 2020, doi: 10.31544/jtera.v5.i1.2019.1-10.
[11] D. Adji Sodikin, E. Thaariq Is’ad, R. Prayoga, and A. Nur Ihsan Purwanto, “Analisis Metode Decision Tree Dan Naïve Bayes Pada Pasien Penyakit Liver,” Pros. TAU SNARS-TEK Semin. Nas. Rekayasa dan Teknol., vol. 3, no. 1, pp. 12–18, 2024, doi: 10.47970/snarstek.v2i1.545.
[12] R. A. Saputra et al., “Detecting Alzheimer’s Disease by the Decision Tree Methods Based on Particle Swarm Optimization,” J. Phys. Conf. Ser., vol. 1641, no. 1, pp. 61–67, 2020, doi: 10.1088/1742-6596/1641/1/012025.
[13] A. Kurniadi Hermawan, A. Nugroho, and Edora, “Analisa Data Mining Untuk Prediksi Penyakit Ginjal Kronik Dengan Algoritma Regresi Linier,” Bull. Inf. Technol., vol. 4, no. 1, pp. 37–48, 2023, doi: 10.47065/bit.v4i1.475.
[14] A. Merdekawati, “Komparasi Algoritma Data Mining dan Perancangan Aplikasi Prediksi Harapan Hidup Pasien Gagal Jantung,” CSRID J., vol. 14, no. 3, pp. 188–202, 2022.
[15] S. Amandha, H. Rohayani, and K. Kurniawansyah, “Implementation of Data Mining for Predicting Student Graduation Using the K-Nearest Neighbor Algorithm at Jambi Muhammadiyah University,” Indones. J. Artif. Intell. Data Min., vol. 7, no. 1, p. 134, 2024, doi: 10.24014/ijaidm.v7i1.26150.
[16] D. Nopriyani, H. Rohayani, and Z. Akbar, “Penerapan Algoritma K-Means untuk Mengidentifikasi Pola Penjualan Frozen Food yang Paling Populer,” Bull. Comput. Sci. Res., vol. 5, no. 1, pp. 98–104, 2024, doi: 10.47065/bulletincsr.v5i1.445.
[17] M. F. Rofie et al., “Perbandingan Akurasi Algoritma Naïve Bayes Dan Algoritma Xgboost Pada Klasifikasi Penyakit Diabetes,” e-Proceeding Eng., vol. 8, no. 5, pp. 9765–9772, 2021, [Online]. Available: https://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/view/424/338%0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15759
[18] H. Rohayani, S. N. Alam, M. Fauzi, and R. Rico, “Prediksi Penyebaran Virus COVID-19 Dari Hasil PCR Menggunakan Metode Naïve Bayes,” J. Comput. Syst. Informatics, vol. 4, no. 1, pp. 109–115, 2022, doi: 10.47065/josyc.v4i1.2577.
[19] I. Alhabib, “Komparasi Metode Deep Learning, Naïve Bayes Dan Random Forest Untuk Prediksi Penyakit Jantung,” INFORMATICS Educ. Prof. J. Informatics, vol. 6, no. 2, p. 176, 2022, doi: 10.51211/itbi.v6i2.1881.
[20] R. D. Marzuq, S. A. Wicaksono, and N. Y. Setiawan, “Prediksi Kanker Paru-Paru menggunakan Algoritme Random Forest Decision Tree,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 7, pp. 3448–3456, 2023.
[1] L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.
[2] H. Bugis, “Metode Naïve Bayes Untuk Memprediksi Penyakit Stroke,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 6, no. 1, pp. 8–14, 2022, doi: 10.47970/siskom-kb.v6i1.317.
[3] F. D. Prasetya, H. W. Nugroho, and J. Triloka, “Analisa Data Mining Untuk Prediksi Penyakit Hepatitis C Menggunakan Algoritma Decision Tree C.45 Dengan Particle Swarm Optimization,” Semin. Nas. Has. Penelit. dan Pengabdi. Masy., no. April 1989, pp. 199–209, 2022, [Online]. Available: http://archive.ic
[4] M. Sholeh, D. Andayati, and R. Y. Rachmawati, “Data Mining Model Klasifikasi Menggunakan Algoritma K-Nearest Neighbor Dengan Normalisasi Untuk Prediksi Penyakit Diabetes,” TeIKa, vol. 12, no. 02, pp. 77–87, 2022, doi: 10.36342/teika.v12i02.2911.
[5] H. Firda, R. Athiyah, and M. Ihsan Jambak, “Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Keganasan Kanker Payudara,” Just-IT, vol. 14, no. 3, pp. 150–233, 2024, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/index
[6] F. M. A. Sofyan, A. P. Riyandoro, D. F. Maulana, and J. H. Jaman, “Penerapan Data Mining dengan Algoritma C5.0 Untuk Prediksi Penyakit Stroke,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 6, no. 2, p. 619, 2023, doi: 10.53513/jsk.v6i2.8578.
[7] L. Belakang et al., “BAB I,” pp. 1–5, 2011.
[8] N. F. Hadi and N. K. Afandi, “Literature Review is A Part of Research,” Sultra Educ. J., vol. 1, no. 3, pp. 64–71, 2021, doi: 10.54297/seduj.v1i3.203.
[9] M. K. Murtiningsih, K. Pandelaki, and B. P. Sedli, “Gaya Hidup sebagai Faktor Risiko Diabetes Melitus Tipe 2,” e-CliniC, vol. 9, no. 2, p. 328, 2021, doi: 10.35790/ecl.v9i2.32852.
[10] M. F. I. Al-Rizki, I. Widaningrum, and G. A. Buntoro, “Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi Rapidminer,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 1, p. 1, 2020, doi: 10.31544/jtera.v5.i1.2019.1-10.
[11] D. Adji Sodikin, E. Thaariq Is’ad, R. Prayoga, and A. Nur Ihsan Purwanto, “Analisis Metode Decision Tree Dan Naïve Bayes Pada Pasien Penyakit Liver,” Pros. TAU SNARS-TEK Semin. Nas. Rekayasa dan Teknol., vol. 3, no. 1, pp. 12–18, 2024, doi: 10.47970/snarstek.v2i1.545.
[12] R. A. Saputra et al., “Detecting Alzheimer’s Disease by the Decision Tree Methods Based on Particle Swarm Optimization,” J. Phys. Conf. Ser., vol. 1641, no. 1, pp. 61–67, 2020, doi: 10.1088/1742-6596/1641/1/012025.
[13] A. Kurniadi Hermawan, A. Nugroho, and Edora, “Analisa Data Mining Untuk Prediksi Penyakit Ginjal Kronik Dengan Algoritma Regresi Linier,” Bull. Inf. Technol., vol. 4, no. 1, pp. 37–48, 2023, doi: 10.47065/bit.v4i1.475.
[14] A. Merdekawati, “Komparasi Algoritma Data Mining dan Perancangan Aplikasi Prediksi Harapan Hidup Pasien Gagal Jantung,” CSRID J., vol. 14, no. 3, pp. 188–202, 2022.
[15] S. Amandha, H. Rohayani, and K. Kurniawansyah, “Implementation of Data Mining for Predicting Student Graduation Using the K-Nearest Neighbor Algorithm at Jambi Muhammadiyah University,” Indones. J. Artif. Intell. Data Min., vol. 7, no. 1, p. 134, 2024, doi: 10.24014/ijaidm.v7i1.26150.
[16] D. Nopriyani, H. Rohayani, and Z. Akbar, “Penerapan Algoritma K-Means untuk Mengidentifikasi Pola Penjualan Frozen Food yang Paling Populer,” Bull. Comput. Sci. Res., vol. 5, no. 1, pp. 98–104, 2024, doi: 10.47065/bulletincsr.v5i1.445.
[17] M. F. Rofie et al., “Perbandingan Akurasi Algoritma Naïve Bayes Dan Algoritma Xgboost Pada Klasifikasi Penyakit Diabetes,” e-Proceeding Eng., vol. 8, no. 5, pp. 9765–9772, 2021, [Online]. Available: https://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/view/424/338%0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15759
[18] H. Rohayani, S. N. Alam, M. Fauzi, and R. Rico, “Prediksi Penyebaran Virus COVID-19 Dari Hasil PCR Menggunakan Metode Naïve Bayes,” J. Comput. Syst. Informatics, vol. 4, no. 1, pp. 109–115, 2022, doi: 10.47065/josyc.v4i1.2577.
[19] I. Alhabib, “Komparasi Metode Deep Learning, Naïve Bayes Dan Random Forest Untuk Prediksi Penyakit Jantung,” INFORMATICS Educ. Prof. J. Informatics, vol. 6, no. 2, p. 176, 2022, doi: 10.51211/itbi.v6i2.1881.
[20] R. D. Marzuq, S. A. Wicaksono, and N. Y. Setiawan, “Prediksi Kanker Paru-Paru menggunakan Algoritme Random Forest Decision Tree,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 7, pp. 3448–3456, 2023.