Analisis Rekam Medis untuk Prediksi Keberlangsungan Hidup Pasien Gagal Jantung dengan Metode Data Mining

Abstract

Penelitian tentang analisis rekam medis pasien gagal jantung merupakan sebuah isu kesehatan yang kompleks dengan implikasi luas di berbagai sektor. Fokus utama adalah untuk menggali pengetahuan dari data yang besar dan kompleks, menggunakan algoritma ensembel seperti Random Forest, Extreme Gradient Boosting, Extra Tree, dan AdaBoost. Hasilnya Random Forest menunjukkan performa terbaik dengan akurasi 0,84% dan nilai AUC 0,89 dari 299 data rekam medis yang dijadikan sample pada penelitian ini, hal ini mengindikasikan efektivitas tinggi dalam klasifikasi pasien berdasarkan potensi keberlangsungan hidup, data mining dapat secara signifikan mendukung pengambilan keputusan medis berbasis bukti dan meningkatkan manajemen penyakit gagal jantung, dengan memberikan wawasan yang lebih dalam melalui identifikasi pola dan korelasi dalam data kesehatan. Pendekatan ini memungkinkan peningkatan kualitas perawatan pasien dan memberikan rekomendasi metodologi untuk praktik klinis di masa depan