Escolar Documentos
Profissional Documentos
Cultura Documentos
ABSTRAK
Rekam medis atau biasa di sandikan dalam bidang kesehatan adalah ICD
(International Calssification Diseases) merupakan rekaman dari riwayat pasien yang melakukan
pengobatan di rumah sakit maupun balai pengobatan lainnya. Perkembangan ICD saat ini
sudah mencapai level ICD-10. Hasil dari rekam medis tersebut saat ini meripakan tumpukan
data yang belum diolah. Tumpukan data yang ada (rekam medis) saat ini difungsikan sebagai
rujukan untuk mengambi tindakan terhadap pasien apabila di kemudian hari mengalami
gangguan kesehatannya. Rekam medis saat ini sudah menjadi kegiatan rutinitas Rumah sakit
ataupun puskesmas dan juga balai pengobatan lainnya yang mempunyai ijin praktek dari ikatan
dokter indonesia. Dari rutinitas ini pada dasarnya bisa diambil informasi yang sangat besar dari
hasil rekam medis yang selama ini hanya sebagai tumupukan data yang selalu bertambah
setiap harinya. Data mining adalah solusi untuk mencari informasi yang terkandung dalam
aktifitas rekam medis tersebut. Banyak informasi yang bisa diambil dari tumpukan data ICD di
sebuah rumah sakit. Dari hasil pengolahan rekam medis tersebut bisa di cari pola penyakit yang
di derita seseorang maupun di dasarkan dari wilayah asal pasien. Aplikasi Weka merupakan
pembantu dalam penggalian tumpukan data yang saat ini hanya menjadi arsip saja. Rumah
sakit Aisiyah merupakan subjek yang digunakan peneliti untuk melakukan pengolahan data
tersebut dan kemudian untuk dicarikan pola dari penyakit pasien berdasarkan pada wilayah,
jenis kelamin, dan klasifikasi umur.
Kata kunci: Rekam medis, ICD, dan rumah sakit.
PENDAHULUAN
Bahasa
yang
biasa
situasi
kesehatan
secara
dan
pengelompokan
yang
terkena
penyakit,
umum
penyakit,
pemantauan
sumber
daya
internasional,
pengolahan
model
konsep
formalisasi,
pengembangan
21
domain
dan
pemetaan
indeks
dari
dari
rekam
dengan
medis
semakin
berkembangnya
rekam
penelitian
ini
diusulkan
dalam
langsung
dan
harus
melewati
data
mining
terutama
berkaitan
Data Mining
Data mining adalah suatu proses
algoritma clustering.
menggunakan
matematika,
TINJAUAN PUSTAKA
diketahui
nontrivial
dalam
sebelumnya,
Piatetsky-Shapiro,
dan
inferensi
yang
dilibatkan
dan
Smyth,
bukan
22
sekumpulan
bilangan.
Pola
kecerdasan
buatan
rata
atau
dan
buatan
kecerdasan
statistik,
merupakan
teknik
yang
data
untuk
menentukan
Data
Mining
penggalian
merupakan
informasi
proses
Ada
beberapa
memformulasikan
keputusan
Data
Integration
merupakan
untuk
dapat
memperkaya
data
dikonsolidasikan
itu
data
memungkinkan
tipe
warehouse
analisa
Data
proses
juga
warehouse
didefinisikan
database
yang
dikelola
secara
pengintegrasian
dari
seperti
Menurut
William
H.
Inmon,
OLAP.
seorang
integrated,
dalam
arsitek
pembangunan
time-variant,
mendukung
dan
proses
data
nonvolatile
pengambilan
23
data
warehouse
dengan
data
adalah
suatu
data
yang
file system.
Konstruksi
dari
data
warehouse
harian,
data
warehouse
untuk
mendukung
pengambilan
berpengaruh
untuk
mendukung
integration,
dan
data
Penggunaan
data
warehouse
membutuhkan
consolidation.
ketersediaan
biasanya
teknologi
berdasarkan
informasi
yang
tersedia di warehouse
pengambilan keputusan.
-
berbagai
data
sumber
yang
METODE PENELITIAN
Data
cleaning
dan
data
integration
:
Struktur data
attribute
measures,
dan
Cleaning data
sebagainya.
-
Time-variant
Data
disimpan
untuk
Selection
data
10
tahun)
yang
terkunci
Penyiapan file
berdasarkan waktu.
-
Clustering
Classification
Association
membutuhkan
mekanisme
Analisa
data.
24
prediksi
data
dasar.
Karena
itu
data
mining
kelas
untuk
contoh
tersebut.
intelligent),
machine
learning,
pola
tertentu
atributnya.
Pola
ditemukan
berdasarkan
pengelompokan
yang
menjadi
model
akan
memprediksi kelompok
ini
dapat
tersebut
digunakan
pada
yang
paling
populer
karena
model
struktur
pohon
prediksi
menggunakan
atau struktur
berhirarki.
tes,
data/obyek
baru
adalah
suatu
(test-set).
a. Classification
di
atribut-
dan lain-lain.
telah
pengelompokan
dan
merepresentasikan
kelas
simpul
atau
daun
distribusi
Klasifikasi
data
sebuah
basis
data,
dan
yang
besar
'W'.
Setiap
tupel
data
dan
membentuk
sebuah
akan
digunakan
untuk
basis
data
'W',
atau
untuk
25
pengelompokan
data
yaitu
hierarchical
c. Association
Analisis asosiasi atau association
rule mining adalah teknik data mining untuk
menemukan aturan assosiatif antara suatu
b. Clustering
kombinasi
Clustering
pengelompokan
adalah
sejumlah
item.
Contoh
dari
aturan
proses
data/obyek
berapa
pasar
kupon
terkenal
Santosa, 2007).
dipergunakan
dalam
proses
disebut
besar
swalayan
diskon
dengan
analysis
dapat
untuk
karena
26
kemungkinan
seorang
mengatur
kombinasi
aplikasinya
istilah
market
barang
untuk
basket
31
36
1112
696
0.2401
0.4176
0.4621
84.6633 %
93.0437 %
1808
61.5044 %
38.4956 %
Weighted Avg.
TP Rate
0.552
0.695
0.615
FP Rate
0.305
0.448
0.368
Precision
0.695
0.551
0.632
Recall
0.552
0.695
0.615
F-Measure
0.615
0.615
0.615
b
452
555
<-|
|
classified as
a=P
b=L
27
ribu
data
yang
di
uji
yang
diambil
(alamat,
jenis
menyebabkan
noise
dalam
pembacaan program.
Dari
metode
algoritma
yang
%.
Sedangkan
pada
clasify
pada
clasifi
kelompok
metode
pengambil
keputusan
48)
mempunyai
perbedaan.
keputuan
variabel
yang
DAFTAR PUSTAKA
Christopher
D.
Manning,
Prabhakar
Raghavan, Hinrich Schutze (2008),
Introduction to Information Retrieval,
Cambridge University press.
Dwi Cahyono, Junaidillah Fadlil, Suryo
Sumpeno, Mochamad Hariadi (2008),
Temu Kembali Informasi untuk
Pembangkitan Basis Pengetahuan dari
Teks Bebas yang Digunakan oleh
Agen Percakapan Bahasa Alami,
Jurusan
Teknik
Elektro
Institut
28
Nopember,
ICD
mengacy
three
Sepuluh
dalam
Teknologi
Surabaya
and Deborah L.
(2000),
Ontology
29