PENERAPAN METODE CLASSIFICATION AND REGRESSION TREE (CART) DALAM KLASIFIKASI STROKE DI RS X

Authors

  • ayu Pangestuti Program Studi D3 Rekam Medis dan Informasi Kesehatan Fakultas Teknologi dan Manajemen Kesehatan Institut Ilmu Kesehatan Bhakti Wiyata Kediri
  • Rachmah Indawati Program Studi S2 Kesehatan Masyarakat Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya
  • Diah Indriani Program Studi S2 Kesehatan Masyarakat Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya

DOI:

https://doi.org/10.31004/jkt.v6i1.41257

Keywords:

Classification and Regression Tree (CART), Random Forest, Stroke Pertama Kali

Abstract

Metode klasifikasi, baik parametrik maupun non-parametrik, sering digunakan dalam penelitian untuk mengelompokkan data secara sistematis. Namun metode parametrik memiliki keterbatasan seperti pemenuhan asumsi dan penyederhanaan interpretasi. Metode non-parametrik, meskipun lebih mudah diinterpretasikan. Prevalensi stroke di Indonesia meningkat, dengan data rekam medis pasien stroke menunjukkan pentingnya penerapan metode klasifikasi dalam memahami dan mengelola risiko stroke untuk penanganan yang lebih cepat dan tepat. Penelitian ini menggunakan data rekam medis pasien stroke yang dirawat inap di RS X dan mengaplikasikan metode CART untuk klasifikasi faktor risiko dengan jumlah 480 kasus stroke pertama kali dengan 14 variabel prediktor. Metode yang digunakan dalam analisis menggunakan Classification and Regression Tree (CART). Tahapan analisis CART meliputi pembentukan pohon klasifikasi maksimal, pemilahan variabel prediktor, perhitungan keberagaman data, pemilahan simpul berdasarkan indeks gini, dan pemangkasan pohon untuk mendapatkan pohon optimal. Setelah dilakukan analisis, maka dapat dihitung akurasi, sensitivity, specivity, APER, dan presisi dalam metode yang dihasilkan CART. Berdasarkan hasil analisis, dapat diketahui bahwa ada 8 variabel yang penting, yaitu GCS UGD, gejala klinis muntah, tekanan darah sistolik rawat inap, riwayat diabetes mellitus, tekanan darah diastolik rawat inap, GDA dan kolesterol total. Hasil prediksi untuk metode CART pada akurasi sebesar 81%, sensitivity 82%, specivity 75%, APER 19%, dan presisi 95%. Simpulan dari penelitian ini menunjukkan metode CART efektif dalam klasifikasi faktor risiko stroke dengan akurasi 81%. Delapan variabel utama telah diidentifikasi, menunjukkan pentingnya penerapan metode klasifikasi untuk memahami dan mengelola risiko stroke guna meningkatkan efektivitas penanganan pasien.

References

Asnil Adli Simamora, Febrina Angraini Simamora, & Silvia. (2021). Pengaruh Mirror Therapy Terhadap Peningkatan Kekuatan Otot Pada Pasien Stroke Di Rumah Sakit Umum Daerah Kota Padangsidimpuan. Chmk Nursing Scientific Journal, 5 nomor 2.

Bagus Sartono, U. D. S. (2010). 4895-Article Text-13304-1-10-20120420. Statistika Dan Komputasi , 15, 1–7.

Blockeel, H., Devos, L., Frénay, B., Nanfack, G., & Nijssen, S. (2023). Decision trees: from efficient prediction to responsible AI. In Frontiers in Artificial Intelligence (Vol. 6). Frontiers Media SA. https://doi.org/10.3389/frai.2023.1124553

Dian Saraswati, Ratih, & Penelitian dan Pengembangan Biomedis dan Teknologi Dasar Kesehatan, P. (2021). Transisi Epidemiologi Stroke sebagai Penyebab Kematian pada Semua Kelompok Usia di Indonesia. In Seminar Nasional Riset Kedokteran (SENSORIK II.

Fadillah Hermawan, A., Rakhmat Umbara, F., & Kasyidi, F. (2022). MIND (Multimedia Artificial Intelligent Networking Database Prediksi Awal Penyakit Stroke Berdasarkan Rekam Medis menggunakan Metode Algoritma CART(Classification and Regression Tree). Journal MIND Journal | ISSN, 7(2), 151–164. https://doi.org/10.26760/mindjournal.v7i2.151-164

Hendri Soleliza Jones, Anna Sucron Makmun, & Muhchromin. (2021). Journal of Informatics, Information System, Software Engineering and Applications Implementasi Metode CART untuk Klasifikasi Diagnosis Penyakit Hepatitis Pada Anak. 3(2), 61–070. https://doi.org/10.20895/INISTA.V3I2

Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti, S., Chairunisa, R., & Astuti, W. (2017). Terakreditasi SINTA Peringkat 2 Perbandingan CART dan Random Forest untuk Deteksi Kanker berbasis Klasifikasi Data Microarray. Masa Berlaku Mulai, 1(3), 805–812.

Rahmadani, D., Alamuddin Muzafar, A., Hamid, A., & Annisa, R. (2023). SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Comparative Analysis of C4.5 and CART Algorithms for Classification of Stroke Analisis Perbandingan Algoritma C4.5 dan CART untuk Klasifikasi Penyakit Stroke. https://journal.irpi.or.id/index.php/sentimas

Rahmi, I. H., Auliya Rahmy, H., Matematika, J., Andalas, U., Nutrisi, J., & Kesehatan Masyarakat, F. (2017). TELAAH FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA DI KOTA PADANG BERDASARKAN BERAT BADAN PER TINGGI BADAN MENGGUNAKAN METODE CART. 18(2). http://eksakta.ppj.unp.ac.id

Reny Roswita Nazar. (2018). Penerapan Metode Chaid (Chi-Squared Automatic.

Rizaldy Taslim Pinzon, Kedokteran, F., Rs, U. /, & Yogyakarta, B. (2021). Rizaldy Taslim Pinzon.

Siahaan, D., Wahyuningsih, S., Deny, F., & Amijaya, T. (2016). Program Studi Statistika FMIPA Universitas Mulawarman 95 Aplikasi Classification and Regression Tree (CART) dan Regresi Logistik Ordinal dalam Bidang Pendididikan (Studi Kasus: Predikat Kelulusan Mahasiswa S1 Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman). Jurnal EKSPONENSIAL, 7(1).

Subarkah, P., Abdallah, M. M., Oktaviani, S., & Hidayah, N. (2021). Komparasi Akurasi Algoritme CART dan Neural Network Untuk Diagnosis Penyakit Diabetic Retinopathy Comparison of CART Algorithm Accuracy and Neural Network for Diagnosing Diabetic Retinopathy Disease. Cogito Smart Journal |, 7(1).

Suwardika, G., Ketut, I., & Suniantara, P. (2019). BAREKENG: Jurnal Ilmu Matematika dan Terapan Analisis Random Forest Pada Klasifikasi Cart Ketidaktepatan Waktu Kelulusan Mahasiswa Universitas Terbuka. 13(3). https://doi.org/10.30598/barekengvol13iss3pp179-186ar910

Wuryani, N., Agustiani, S., Komputer, I., & Mandiri, N. (2021). Random Forest Classifier untuk Deteksi Penderita COVID-19 berbasis Citra CT Scan. Jurnal Teknik Komputer AMIK BSI, 7(2). https://doi.org/10.31294/jtk.v4i2

Downloads

Published

2025-03-19

Issue

Vol. 6 No. 1 (2025): MARET 2025

Section

Articles

License

Copyright (c) 2025 ayu Pangestuti, Rachmah Indawati, Diah Indriani

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).