Penerapan Data Mining Untuk Prediksi Penyakit Diabetes Melitus Di Puskesmas Cangadi

Puskesmas Cangadi merupakan salah satu pusat pelayanan kesehatan di Kabupaten Soppeng Sulawesi Selatan. Salah satu UKM (Upaya Kesehatan Masyarakat) yang terdapat pada puskesmas ini adalah POSBINDU PTM yang melakukan kegiatan deteksi dini dan pemantauan faktor resiko terhadap penyakit tidak menular. Berdasarkan data kematian akibat penyakit tidak menular di kabupaten soppeng diabetes melitus menempati urutan ke dua dengan jumlah kasus 7765. Proses klasifikasi sekarang yang dilakukan oleh dokter memakan waktu yang relatif lama yang menyebabkan pasien diabetes melitus memiliki setidaknya mengidap 1 atau lebih penyakit komplikasi. Oleh karena itu, POSBINDU memerlukan sistem untuk memprediksi penyakit diabetes untuk membantu petugas POSBINDU dalam mengidentifikasi diabetes melitus.
Data mining merupakan proses pengambilan pola dari sebuah data yang akan di proses menjadi output berupa informasi yang sesuai dengan kebutuhan pengguna. Metode naïve Bayesian Clasifier merupakan salah satu metode pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class, dimana pada kasus ini adalah diabetes melitus. Data yang digunakan pada penelitian ini merupakan data rekam medis puskesmas cangadi tahun 2018 yang akan dibagi menjadi data training dan testing menggunakan metode holdout dengan rasio 9 : 1. Metode naïve Bayesian classifier akan menghitung probabilitas untuk setiap kejadian dari atribut pada setiap kasus melalui perhitungan yang dilakukan terhadap data training.
Hasil dari sistem ini adalah prediksi terhadap data pasien POSBINDU PTM dengan mengklasifikasikannya kedalam 4 kelas diabetes melitus dan 1 kelas bukan diabetes melitus. Berdasarkan pemodelan dan hasil pengujian yang dilakukan terhadap 400 data rekam medis di puskesmas cangadi didapatkan hasil akurasi sebesar 92% dan presentasi kesalahan 8%.