Klasifikasi Penyakit berdasarkan Indikator Faktor Risiko dalam Survei Pelayanan Terpadu Penyakit Tidak Menular (PANDU PTM) dengan Algoritma Decision Tree

Abstrak

Maraknya penyakit tidak menular (PTM) telah menjadi masalah kesehatan global yang signifikan. PTM berkontribusi tinggi dalam memengaruhi angka kesakitan, angka kematian, serta biaya perawatan kesehatan. Laporan hasil studi Organisasi Kesehatan Dunia (WHO) menunjukkan bahwa PTM bertanggung jawab atas 71% dari seluruh angka kematian di seluruh dunia, dengan 15 juta kematian dini di antara usia 30 hingga 70 tahun. Penyakit-penyakit kronis seperti penyakit kardiovaskular, diabetes, kanker, penyakit pernapasan, terus meningkat diakibatkan oleh faktor gaya hidup masyarakat yang terpengaruh oleh perubahan budaya dari globalisasi serta perubahan lingkungan dan iklim. Faktor-faktor risiko seperti pola makan yang tidak sehat, kurangnya aktivitas fisik, aktivitas merokok, dan konsumsi alkohol yang berlebihan. Dalam upaya penanggulangan, badan-badan kesehatan mencanangkan program seperti [Gerakan Masyarakat Hidup Sehat (GERMAS)] di Indonesia yang bertujuan untuk mendeteksi dini dan mencegah perkembangan penyakit tidak menular di lingkungan masyarakat. Namun, pendeteksian dan proses diagnosis penyakit dapat memakan waktu yang lama juga biaya tinggi. Oleh karena itu, integrasi pembelajaran mesin dengan klasifikasi memiliki potensi untuk mempermudah proses tersebut. Salah satu metode pembelajaran mesin yang dapat digunakan adalah pohon keputusan. Suatu penelitian yang menggunakan algoritma konstruksi pohon keputusan C4.5 dalam klasifikasi penyakit leukimia, menghasilkan nilai akurasi hingga 90% menunjukkan potensi penerapan pohon keputusan dalam membantu klasifikasi penyakit.