IMPLEMENTASI DATA MINING MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA C4.5 UNTUK DIAGNOSA POSTPARTUM DEPRESSION

Abstract

Postpartum depressionmenjadi masalah serius yang perlu diatasi karena memiliki efek negatif pada keluarga, kesejahteraan anak, perkembangan kognitif, sosio-emosional, dan interaksi ibu-anak. Pada penelitian sebelumnya diagnosa depresi dilakukan dengan screening depresi secara manual tanpa menggunakan sistem informasi. Pada penelitian ini diagnosa dilakukan berdasarkan data rekam medis tanda-tanda vital berupa kondisi psikologi, tekanan darah, pernafasan, suhu badan yang diklasifikasikan menggunakan data mining dengan metode decisiontree dengan algortima C4.5. Tahapan input tanda-tanda vital dan data psikologi pasien, diproses dengan cara menentukan variabel penentu keputusan, kategori kelas data, mining dengan algoritma C4.5, pembuatan pohon keputusan, melakukan penentu keputusan dan evaluasi klasifikasi. Output dari sistem informasi ini berupa hasil diagnosa, hasil keputusan treatment dan hasil evaluasi kinerja sistem. Hasil dari penelitian ini berupa sistem informasi online yang dapat mengidentifikasi tingkat depresi pasien.Pasien akan lebih cepat mendapatkan treatmentyang tepat sesuai dengan riwayat kesehatan yang ada. Hasil pengujian algoritma C4.5 menunjukkan gain terbesar saat proses literasi ada pada variabel psikologi 0,57 literasi 1, tekanan darah 0,54 literasi 2 dan suhu badan 0,54 literasi 3 artinya hasil diagnosa menunjukan psikologi, tekanan darah dan suhu badan lebih berpengaruh terhadap kondisi depresi pasien sehingga perlu mendapatkan prioritas treatment. Hasil evaluasi pengujian dari 50 pasien dengan jumlah total 50 kali pemeriksaan, menunjukkan prevalensi 64%, sensitivitas 66,67%, specivisitas 79,63 %, positive predictive value 85,33% dan negative predictive value 57,33%. Sistem informasi ini dapat dikembangkan lebih lanjut untuk meningkatkan kualitas pelayanan medis dalam mengidentisikasi gejala postpartum depression. Kata kunci : postpartum depression,data mining, decession tree, algoritma C4.5, sistem informasi online. Postpartum depression becomes a serious problem that needs to be addressed because it has negative effects on the family, child welfare, cognitive development, socio-emotional development, and mother-child interaction. In previous studies, the diagnosis was done manually by screening without using an information system. In this study, the diagnosis was made based on medical record data vital signs in the form of psychological conditions, breathing, body temperature using data mining decision tree with the C4.5 algorithm method. In this information system, the stages of input of vital signs and psychological data of patients, are carried out by determining decision variables, class data categories, mining with the C4.5 algorithm, making decision trees, making decisions and evaluating. The output of the information system includes the results of diagnosis, processing results and results. The results of this study are online information that can be used. The patient will get the right treatment faster according to the existing medical history. The results of the C4.5 algorithm experiment show strengthening when the literacy process is on psychological variables 0.57 literacy 1, producing blood 0.54 literacy 2 and body temperature 0.54 literacy 3 mean Diagnosis results indicate psychology and treatment needed for priority treatment. The results of the evaluation of 50 patients with a total of 50 examinations showed a prevalence of 64%, a sensitivity of 66.67%, specificity of 79.63%, positive predictive value of 85.33% and negative predictive value of 57.33%. This information system can develop further to improve the quality of medical services in identifying symptoms of postpartum depression. Keywords: postpartum depression, data mining, decision tree, C4.5 algorithm, online information system