BERLIANA REMBUNE Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2022

Skripsi

Coronavirus Disease 2019 (COVID-19) adalah bagian dari keluarga besar virus yang menyebabkan penyakit pernapasan pada manusia mulai dari gejala ringan hingga berat. COVID-19 merupakan penyakit menular dengan proses penularannya sangat cepat dan dapat berakibat pada kematian. Berdasarkan hal tersebut, penting untuk mengetahui pola penyakit dari pasien COVID-19 agar dapat mengatasi dan mencegah dampak dari COVID-19 terhadap status kesembuhan. Untuk mengetahui pola penyakit dari pasien COVID-19 terhadap status kesembuhan dapat dilakukan dengan penerapan teknik klasifikasi pada data mining. Klasifikasi merupakan cara pengelompokan berdasarkan ciri–ciri yang dimiliki oleh objek klasifikasi. Salah satu metode klasifikasi adalah decision tree menggunakan Algoritma C5.0. Data yang digunakan pada penelitian ini merupakan data sekunder yang diperoleh dari rekam medis pasien rawat inap COVID-19 di RSUD dr. Zainoel Abidin Banda Aceh pada bulan Maret s.d Agustus 2020 dengan 15 variabel bebas dan 1 variabel terikat. Penelitian ini menggunakan Uji Chi Square untuk pemilihan variabel bebas yang akan digunakan untuk klasifikasi. Hasil pengujian tersebut diperoleh 8 variabel bebas yang terdapat hubungan dengan variabel terikat, sehingga akan digunakan dalam pembangunan model Decision Tree C5.0. Tujuan penelitian ini adalah melakukan klasifikasi rekam medis pasien rawat inap COVID-19 di RSUD dr. Zainoel Abidin Banda Aceh untuk mengetahui pola penyakit COVID-19 terhadap status kesembuhan pasien menggunakan Decision Tree C5.0. Hasil yang diperoleh berupa model decision tree dengan 6 aturan keputusan dan hasil pengukuran kinerja model menunjukkan bahwa Algoritma C5.0 mampu melakukan klasifikasi dengan tingkat akurasi sebesar 93% dan nilai AUC sebesar 0,91 dengan kategori excellent. Berdasarkan hasil pengatasan imbalance data pada data training menggunakan penerapan metode oversampling diperoleh tingkat akurasi sebesar 93%, hasil tersebut tidak memiliki perbedaan yang signifikan dengan hasil tanpa pengatasan imbalance data sehingga pengatasan imbalace data dengan penerapan metode oversampling pada penelitian ini tidak memiliki pengaruh untuk meningkatkan kinerja model Decision Tree C5.0 dalam melakukan klasifikasi. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 100876 2022-06-21 07:02:19 2022-06-21 11:45:44 machine generated