PENDETEKSIAN POTENSI FAKTOR RISIKO TINGGI KESEHATAN JEMAAH HAJI MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING

ARIF BUDIARTO; AGUS SUBEKTI; HARIS DARMAWAN

doi:10.24252/instek.v7i2.32554

ARIF BUDIARTO Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri
(ID)
AGUS SUBEKTI Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri
(ID)
HARIS DARMAWAN Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri
(ID)

DOI: https://doi.org/10.24252/instek.v7i2.32554

Keywords: Decision Tree, Datamining, Istithaah, Risiko Tinggi Kesehatan Haji

Abstract

Menurut Peraturan Menteri Kesehatan nomor 15 tahun 2016, Ibadah haji adalah ibadah fisik, oleh karena itu Jemaah Haji dituntut mampu secara fisik dan rohani, sehingga dapat melaksanakan ibadah haji dengan baik dan lancar. Berkaitan dengan kondisi tersebut ilmu data mining diperlukan untuk mengklasifikasi pendeteksian potensi faktor risiko tinggi kesehatan Jemaah Haji. Model klasifikasi yang digunakan bertujuan untuk memperoleh akurasi yang tepat dalam pendeteksian potensi faktor risiko tinggi kesehatan Jemaah Haji. Dataset yang digunakan adalah dataset pemeriksaan kesehatan Jemaah Haji. Berdasarkan perhitungan confusion matrix yaitu accuracy, precision, recall dan AUC. Hasil penelitian membuktikan bahwa algoritma klasifikasi whitebox mampu memberikan klasifikasi yang baik dalam upaya pengendalian faktor risiko tinggi bagi kesehatan Jemaah Haji.

Downloads

Download data is not yet available.

Author Biographies

ARIF BUDIARTO, Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

AGUS SUBEKTI, Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

HARIS DARMAWAN, Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Nusamandiri

References

Kementerian Kesehatan, “Peraturan Menteri Kesehatan Republik Indonesia Nomor 15 Tahun 2016 Tentang Istithaah Kesehatan Haji,” no. May, pp. 31–48, 2016.
Kementerian Kesehatan RI, “Peraturan Menteri Kesehatan Republik Indonesia Nomor 62 Tahun 2016 Tentang Penyelenggaraan Kesehatan Haji,” 2016.
K. F. Irnanda and A. P. Windarto, “Penerapan Klasifikasi C4.5 Dalam Meningkatkan Kecakapan Berbahasa Inggris dalam Masyarakat,” Semin. Nas. Teknol. Komput. Sains, pp. 304–308, 2020.
S. P. I. P. D, “Effective Use of the Kdd Process and Data Mining for,” no. January 2001, 2002.
Ainurrohmah, “Akurasi Algoritma Klasifikasi pada Software Rapidminer dan Weka,” Prisma, vol. 4, pp. 493–499, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/.
A. P. Permana, K. Ainiyah, and K. F. H. Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 3, pp. 178–188, 2021, doi: 10.14421/jiska.2021.6.3.178-188.
R. Ahuja, S. C. Sharma, and M. Ali, “A diabetic disease prediction model based on classification algorithms,” Ann. Emerg. Technol. Comput., vol. 3, no. 3, pp. 44–52, 2019, doi: 10.33166/AETiC.2019.03.005.
J. R. Lambert, P. Arulanthu, and E. Perumal, “Identification of Nominal Attributes for Intelligent Classification of Chronic Kidney Disease using Optimization Algorithm,” Proc. 2020 IEEE Int. Conf. Commun. Signal Process. ICCSP 2020, pp. 119–125, 2020, doi: 10.1109/ICCSP48568.2020.9182206.
K. M. Almustafa, “Prediction of chronic kidney disease using different classification algorithms,” Informatics Med. Unlocked, vol. 24, p. 100631, 2021, doi: 10.1016/j.imu.2021.100631.