Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY

Agung Supoyo, Putri Taqwa Prasetyaningrum

Abstract


Masih tingginya kasus Covid-19 di DIY pada awal tahun 2021 ditambah dengan sulitnya mencari ruang perawatan rumah sakit, sehingga diperlukan analisis prediksi waktu perawatan. Hasil analisis sebagai pendukung keputusan Pemerintah dalam mengambil kebijakan ketersediaan kamar rumah sakit dan penerapan PPKM. Selain itu juga diperlukan analisis terhadap atribut-atribut yang paling mempengaruhi lama perawatan pasien. Penelitian menggunakan dataset yang diperoleh dari Dinas Kominfo DIY untuk kasus periode Maret sampai dengan September 2020. Diperlukan preprocessing (data reduction, data cleaning dan data integration) sebelum dilakukan analisis data mining. Preprocessing menghasilkan dataset sejumlah 271 record data dengan 31 kolom. Analisis data mining menggunakan algoritma Random Forest, k-NN dan Deep Learning menghasilkan performance model dengan RMSE masing-masing sebesar 4,949; 6,349 dan 5,436. Setelah dilakukan seleksi atribut untuk optimalisasi dihasilkan nilai RMSE sebesar 4.817 pada algoritma Random Forest dengan menggunakan 23 atribut. Hasil analisis belum cukup baik jika dibandingkan dengan rata-rata lama perawatan sebesar 15.339 hari karena menghasilkan NRMSE sebesar 31,40%. Nilai performance model dipengaruhi oleh pemilihan atribut yang digunakan. Lima atribut yang paling berpengaruh terhadap lama perawatan pasien adalah usia, jenis kelamin, kecamatan, batuk. Untuk meningkatkan performance model diperlukan penelitian lanjutan menggunakan record data yang lebih banyak dengan tambahan atribut lain seperti rumah sakit perawatan dan tindakan medis.

Full Text:

PDF

References


Albahri, A. S., Hamid, R. A., Alwan, J. k., Al-qays, Z. T., Zaidan, A. A., Zaidan, B. B., Albahri, A. O. S., AlAmoodi, A. H., Khlaf, J. M., Almahdi, E. M., Thabet, E., Hadi, S. M., Mohammed, K. I., Alsalem, M. A., Al-Obaidi, J. R., & Madhloom, H. T. (2020). Role of biological Data Mining and Machine Learning Techniques in Detecting and Diagnosing the Novel Coronavirus (COVID-19): A Systematic Review. Journal of Medical Systems, 44(7). https://doi.org/10.1007/s10916-020-01582-x

Gading Sadewo, M., Perdana Windarto, A., Hartama, D., (2017). Penerapan Datamining pada Populasi Daging Ayam Ras Pedaging di Indonesia Berdasarkan Provinsi Menggunkanan K-Means Clustering. InfoTekJar : Jurnal Nasional Informatika Dan Teknologi Jaringan, 2(1), 60–67.

Haspriyanti, A. U., & Prasetyaningrum, P. T. (2020). Penerapan Data Mining Untuk Prediksi Layanan Produk Indihome Menggunakan Metode K-Nearst Neighbor The Data Mining Application for IndiHome Product Service Prediction by Using K-Nearest Neighbor Method. JISAI.

Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688. https://doi.org/10.1016/J.IJFORECAST.2006.03.001

Khan, G. M. (2018). Artificial neural network (ANNs). Studies in Computational Intelligence, 725, 39–55. https://doi.org/10.1007/978-3-319-67466-7_4

Kramer, O. (2011). Unsupervised K-Nearest Neighbor Regression.

Kumar, K. ;, & Haynes, J. D. (2003). Forecasting credit ratings Using ANN and statistical techniques. General Rights INTERNATIONAL JOURNAL OF BUSINESS STUDIES, 11(1), 91–108.

Muhammad, L. J., Islam, M. M., Usman, S. S., & Ayon, S. I. (2020). Predictive Data Mining Models for Novel Coronavirus (COVID-19) Infected Patients’ Recovery. SN Computer Science, 1(4), 1–7. https://doi.org/10.1007/s42979-020-00216-w

Prasetyaningrum, P. T., Mercu, U., Yogyakarta, B., Pratama, I., Mercu, U., Yogyakarta, B., Chandra, A. Y., Mercu, U., & Yogyakarta, B. (2021). Implementation Of Machine Learning To Determine The Best Employees Using Random Forest Method. International Journal of Computer, Network Security and Information System (IJCONSIST), 2(March), 53–59.

Pratama, I., & Prasetyaningrum, P. T. (2021). Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive Apriori. Jurnal Eksplora Informatika, 10(2), 159–166. https://doi.org/10.30864/eksplora.v10i2.505

Primajaya, A., & Sari, B. N. (2018). Random Forest Algorithm for Prediction of Precipitation. Indonesian Journal of Artificial Intelligence and Data Mining, 1(1), 27. https://doi.org/10.24014/ijaidm.v1i1.4903

Supoyo, A., & Prasetyaningrum, P. T. (2022). Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY.

Virdaus, D., & Prasetyaningrum, P. T. (2020). Penerapan Data Mining Untuk Memprediksi Harga Bawang Merah Di Yogyakarta Menggunakan Metode K-Nearest Neighbor. Journal Of …, 84, 1–8.

Whidhiasih, R. N., Wahanani, N. A., & Supriyanto. (2013). Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN Dan LDA. Jurnal Penelitian Ilmu Komputer, System Embedded& Logic.




DOI: https://doi.org/10.31294/bi.v10i1.11890

DOI (PDF): https://doi.org/10.31294/bi.v10i1.11890.g5301

ISSN: 2338-9761

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License