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

https://doi.org/10.22146/jkesvo.30331

Marko Ferdian Salim(1*), Sugeng Sugeng(2)

(1) Departemen Layanan dan Informasi Kesehatan, Sekolah Vokasi, Universitas Gadjah Mada
(2) RSUP Dr. Sardjito, Yogyakarta
(*) Corresponding Author

Abstract


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.


Keywords


Analisis Rekam Medis; Data Mining; Diabetes mellitus

Full Text:

PDF


References

American Diabetes Association. (2010). Diabetes A-Z. 6th edn, Diabetes Care. 6th edn. Alexandria, VA, USA: American Diabetes Association.

Bose, I. (2006). ‘Data Mining in Diabetes Diagnosis and Detection’, in Data Mining in Diabetes Diagnosis and Detection. Hong Kong: Idea Group Inc., pp. 257–259.

International Diabetes Federation. (2013). IDF Diabetes Atlas. 6th edn. Brussels: International Diabetes Federation.

Kementerian Kesehatan RI. (2011). Petunjuk teknis pengukuran faktor risiko diabetes mellitus. Jakarta: Direktorat Jenderal Pengendalian Penyakit dan Penyehatan Lingkungan.

Kementerian Kesehatan RI. (2013). Riset Kesehatan Dasar 2013. Jakarta: Badan Penelitian dan Pengembangan Kesehatan.

Kementerian Kesehatan RI. (2014). ‘Waspada Diabetes; Eat well, Life well’. Jakarta: Kementrian Kesehatan RI.

Notoatmodjo, S. (2003). Pengantar Pendidikan Kesehatan dan Ilmu Perilaku Kesehatan. Jakarta: Rineka Cipta.

Notoatmodjo, S. (2007). Kesehatan Masyarakat Ilmu dan Seni. Jakarta: Rhineka Cipta.

Purba, R. (2012). ‘Data Mining: Masa Lalu, Sekarang, dan Masa Datang’, 13(1), pp. 31–41.

Ridwan, M., Suyono, H. and Sarosa, M. (2013). ‘Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier’, Jurnal EECCIS, 7(1), pp. 59–64.

Thirumal, P. C. and Nagarajan, N. (2015). ‘Utilization of Dta Mining techniques for Diagnosis of Diabetes Mellitus - A Case Study’, ARPN Journal of Engineering and Applied Sciences, 10(1), pp. 8–13.

World Health Organization (2017). Diabetes Fact Sheet. Available at: www.who.int/mediacentre/factsheets/fs138en/ (Accessed: 20 February 2017).



DOI: https://doi.org/10.22146/jkesvo.30331

Article Metrics

Abstract views : 2156 | views : 2708

Refbacks

  • There are currently no refbacks.




Copyright (c) 2017 Jurnal Kesehatan Vokasional

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


site
stats View My Stats