Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
14
TINJAUAN PUSTAKA SISTEMATIS: DATA MINING DALAM BIDANG
KESEHATAN
1
Gunawan,
2
Bangkit Indramawan Nugroho,
3
Nindy Putri Lestari,
4
Rifki Dwi Kurniawan
1
Program Studi Teknik Informatika STMIK YMI Tegal, Indonesia
234
Program Studi Sistem Informasi STMIK YMI Tegal, Indonesia
Email :
1
gunawan.gayo@gmail.com,
2
efbeterang@gmail.com,
3
e nindyputri808@gmail.com,
4
rifki.dk@gmail.com
ARTIKEL INFO:
Diterima:
8 September,2022
Direvisi:
9,September,2022
Disetujui:
12,September,2022
ABSTRAK
Kesehatan adalah syarat utama yang dibutuhkan oleh tubuh untuk menjalani kegiatan
sehari hari. Tanpa kesehatan, manusia akan mengalami penurunan fisik. Kesehatan
juga merupakan suatu kondisi dimana orang merasakan keseimbangan yang unik,
dipengaruhi oleh faktor keturunan, teknologi dan cara hidup sehari hari-hari seperti
makan, minum, bekerja, istirahat hingga berurusan dengan kehidupan yang
mendalam. Kesehatan mempunyai faktor penting seperti menjaga pola asupan
makanan, diperbanyak untuk meminum air putih setiap hari, tidur yang cukup dengan
minimal sehari 8 jam. Data mining adalah informasi yang menggabungkan berbagai
informasi dan penanganan yang digunakan untuk menemukan contoh dan koneksi
yang tersimpan dalam kumpulan informasi besar yang ada dalam kumpulan data. Data
mining adalah salah satu tahap waktu yang dihabiskan untuk menemukan contoh
informasi dalam kumpulan data yang sangat besar atau disebut juga Knowledge
Discovery in database (KDD). Di dalam tinjauan ini menggunakan metode
Systematic Literature Review (SLR) yaitu dengan tahap awal mencari dan merekap
jurnal terdahulu yang sesuai dengan penelitian ini dan tahap selanjutnya dengan
meneliti isi jurnal tersebut.Kata kunci: Data Mining, Kesehatan, Metode, Systematic
Literature Review, Knowledge Discovery In Database.
ABSTRACT
Health is the main requirement for the body to carry out daily activities. Without
health, humans will experience physical decline. Health is also a condition in which
people feel a unique balance, influenced by heredity, technology and ways of daily
living such as eating, drinking, working, resting to dealing with deep life. Health has
important factors such as maintaining a pattern of food intake, drinking more water
every day, getting enough sleep with a minimum of 8 hours a day. Data mining is
information that combines various information and handles used to find examples and
connections stored in large information sets contained in data sets. Data mining is one
of the stages of time spent to find examples of information in very large data sets or
also known as Knowledge Discovery in databases (KDD). In this review, the
Systematic Literature Review (SLR) method is used, namely the initial stage of
finding and recapitulating previous journals that are in accordance with this research
and the next stage by examining the contents of the journal
.Keywords: Data Mining, Health, Methods, Systematic Literature Review,
Knowledge Discovery In Database.
Jurnal Ekonomi Teknologi & Bisnis (JETBIS)
Volume 1, Number 1, September 2022
p-ISSN 2964-903X ; e-ISSN 2962-9330
Vol 1, No 1 September,
2022
15
https://jetbis.al-makkipublisher.com/index.php/al/index
PENDAHULUAN
Kesehatan dalam hidup kita tidak dapat dipisahkan karena kesehatan adalah syarat utama yang
dibutuhkan oleh tubuh untuk menjalani kegiatan sehari hari. Tanpa kesehatan, manusia akan mengalami
penurunan fisik. Kesehatan juga merupakan suatu kondisi di mana orang merasakan keseimbangan yang
unik, dipengaruhi oleh faktor keturunan, ekologi dan cara hidup sehari-hari seperti makan, minum,
bekerja, istirahat hingga berurusan dengan kehidupan yang mendalam (Litardiansyah & Hariyanto,
2020).Kesehatan adalah hak manusia, setiap penduduk berhak atas jaminan kesehatannya karena
dilindungi oleh konstitusi sebagaimana diatur dalam pasal 2 UUD 1945 pasal 27, dimana semua
penduduk berhak untuk bekerja dan bertempat tinggal secara adil. manusia. Menyinggung kalimat ini,
cenderung masuk akal bahwa semua penghuni tanpa memandang memiliki kebebasan yang sama untuk
hidup dan bekerja, tinggal di sini menyarankan pilihan untuk memiliki kebutuhan materi, misalnya,
pakaian, makanan dan tempat tinggal yang cukup serta non-aktual. kebutuhan seperti kesehatan,
keduniawian, dan sebagainya. Kesehatan adalah kesejahteraan yang signifikan bagi setiap orang, tanpa
kesehatan yang baik setiap orang akan kesulitan untuk melakukan aktivitasharianya dan jika ada
hambatan dan penurunan kondisi tubuh.(Pundenswari, 2017). Dalam kesehatan mempunyai faktor
penting seperti menjaga pola asupan makanan, diperbanyak untuk meminum air putih setiap hari, tidur
yang cukup dengan minimal sehari 8 jam.(Mayasari et al., 2019).Data mining adalah fase dalam
mengurutkan informasi dengan menghubungkan setiap contoh dalam setiap indeks informasi besar
dengan banyak informasi, Penambangan informasi juga dapat dicirikan sebagai mengekstraksi
informasi dari seberapa banyak data yang harus dicari sehingga informasi yang harus direalisasikan
akan lebih mudah ditemukan dengan kerangka contoh yang dibuat dengan melihat informasi terdekat
yang diperlukan. Pemilihan teknik atau perhitungan dari penambangan informasi juga harus sesuai
dengan alasan bahwa itu benar-benar bergantung pada alasan umum dan siklus Pengungkapan
Informasi dalam Kumpulan Data (KDD) (Rosmiati, 2019). Faktanya, penambangan informasi dapat
disinggung sebagai siklus untuk melacak aturan atau contoh dari ratusan atau ribuan informasi dari
kumpulan data sosial yang sangat besar.r (Sadikin et al., 2020).Di dalam tinjauan ini teknik yang dipakai
adalah teknik SLR, dengan tahap awal mencari dan merekap jurnal terdahulu yang sesuai dengan
peneitian ini dan tahap selanjutnya dengan meneliti isi jurnal tersebut.
METODE PENELITIAN
Salah satu strategi yang bisa mengatasi masalah iniadalah dengan menggunakan teknik
TOPSIS(Techniques for order Preference by Similarity to Ideal Solution). Metode TOPSIS dipilih
dikarenakan dapat menilai penentuan pembobotan dalam setiap atribut, selanjutnya dapat dibuat
perankingan yang memilih alternatif terbaik diantara serangkaian alternatif yang dapat mengambil
sebuah pemilihan nasabah terbaik.Metode topsis dapat mengurangi subjektivitas pada memilih nasabah
terbaik, dikarenakan didasarkan pada kriteria serta pembobotan yang telah ditetapkan.Dengan latar
belakang diatas penulis mempunyai gagasan untuk melaksanakan Tugas Skripsi sesuai dengan
permasalahan dan diberi judul “Sistem Penunjang Keputusan Kelayakan Pemberian Pinjaman Nasabah
Pada Koperasi Artha Prima Dengan Metode Techniques For Order Preference By Similarity To Ideal
Solution (Topsis)” sebagai pokok pembahasan laporan tugas skripsi ini. (Syahrizal, 2018)
Komponen pendukung yang dibutuhkan dalam penelitian ini:
1.Software
Software diperlukan dalam penelitian ini, karena software merupakan faktor utama di kasus ini.
Perangkatyang akan digunakan an-tara lain:
a.Sistem Operasi
Penelitian ini menggunakan sistem operasi windows berfungsi sebagai perintah dasar untuk
menjalankan dan mengoprasikan komputer. Pada penelitian ini pembuatan aplikasi menggunakan
sistem operasi windows10 64bit.
b.Microsoft Word
Microsoft Office Word yaitu Progrm Pengolah kata. Program software ini memudahkan kita untuk
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
16
menulis, membuat diagram, dan masih banyak lagi. Microsoft Word yang digunakan untuk mengetik
penelitian ini adalah Microsoft Word 2010.
c.Microsoft Excel
Untuk membantu dalamperhitungan data dan proses data secara manual.
d.Sublime Text 3
Sebagai aplikasi text editor HTML dan PHP.
2.Hardware
Dalam penelitian ini, Hardware untuk membantu mengerjakan proses penelitian ini menggunkan
laptop sebagai berikut:
1.Processor I 3
2.RAM 8 GB
3.64-bit Operating System
Di kasus ini informasi yang digunakan ini adalah informasi yang berasal dari Nasabah Artha Prima
tipe data bersifat kuantitatif yakni berupa angka-angka menggunakan nilai Uji Kompetensi.
Data yang dipakaidalam penelitian ini diantaranya:
1.Sumber data primer
Di dalam kasus ini, perolehan data langsung dari sumber objek penelitian yaitu diperoleh melalui
wawancara dengan petugas data dan survei langsung ke KSP Artha Prima.
2.Sumber data sekunder
Pada penelitian ini, perolehan data dari studi pustaka seperti jurnal,buku,e- book dan bahan pustaka
yang berkaitan dengan topik penelitian untuk menyusun tugas akhir.
HASIL DAN PEMBAHASAN
Penelitian ini sama seperti ujian tulis. Eksplorasi ini memiliki tujuan utama untuk mengenali
data berharga tentang strategi penilaian untuk memberikan nilai pada data mining dibidang kesehatan.
Langah systematic literature review adalah untuk menyusun, mengenali, mengumpulkan, dan meneliti
penelitian tentang penilaian data mining dalam bidang kesehatan. Kajian yang akan dieksplorasi adalah
penelitian yang telah didistribusikan di google scolar dari tahun 2017 hingga 2022 dalam bentuk jurnal.
Klarifikasi poin demi poin tentang perincian masalah, prosedur, dan evaluasi kualitas dijelaskan dalam
sub-sub. Dalam mencapai target eksplorasi ada 3 rencana pertanyaan, pertanyaan rencana masalah ini
membantu mengumpulkan semua data yang diharapkan untuk memecah berbagai penilaian penelitian
yang berbeda (Yunanto & Rochimah, 2017).
A. Research Question
Tujuan Research Question yaitu untuk mempermudah proses pencarian data yang dibutuhkan.
Research Question dengan mempertimbangkan subjek yang dipilih. Di bawah ini adalah Research
Question yang dipakai di penelitian:
Tabel 1
Pertanyaan Penelitian
ID
Pertanyaan Peneliti
Motivasi
RQ1
Metode apa saja yang digunakan pada
data mining di bidang kesehatan?
Identifikasi metode yang digunakan pada
data mining di bidang kesehatan
RQ2
Apa kekuatan dan kelemahan data
mining di bidang kesehatan?
Identifikasi kekuatan dan kelemahan data
mining dalam bidang kesehatan
RQ3
Apa saja topik riset yang populer pada
data mining di bidang kesehatan?
Identifikasi topik riset pada data mining
B. Proses Pencarian
Studi ini digunakan dalam pencarian literature atau studi literatur yang sistematis. Metode yang
digunakan utuk metode pengumpulan data yaitu melakukan, identifikasi, evaluasi, interpretasi, literatur,
Vol 1, No 1 September,
2022
17
https://jetbis.al-makkipublisher.com/index.php/al/index
dan laporan yang tersedia. Peneliti membuat review, mengidentifikasi jurnal, dan secara sistematis
mengikuti langkah-langkah dari setiap proses yang ditunjukan oleh prosedur(Triandini et al., 2019).
Searching process ini dipakai untuk menemukan atau mencari acuan penting untuk kebutuhan Research
Question(RQ), jurnal terkait lainnya yang memanfaatkan aplikasi (Google Chrome) dengan lokasi situs
https://scholar.google.com. Dalam menciptakan penelitian SLR, diperlukan teknik dan strategi dalam
pencarian jurnal pada penelitian terkait. Tahap utama adalah pencarian penelitian terkait dengan melihat
kata kunci pencarian. Keyword dalam tulisan eksplorasi ini adalah “Kesehatan”, “Data Mining” dan
“Data Mining Dalam Bidang Kesehatan. Keyword ini kemudian dimasukkan ke dalam pencarian di
Google Scholar.
Gambar 1. Flowchart Proses Pencarian
Tahapan selection and screening ini dilakukan dengan menganalisis judul artikel, kata kunci,
abstrak, latar belakang masalah, pertanyaan penelitian, serta hasi dan pembahasan. Tahapan tersebut
menghasilkan 915 artikel untuk selanjutnya dikaji secara mendalam dan dipertimbangkan kembali
untuk dilakukan selection and screening. Pada tahap akhir didapatkan 15 artikel yang telah dipublikasi
untuk dipertahankan sebagai bahan literatur review, sebagai ulasan dan sintesis lengkap dalam
menjawab pertanyaan dalam kajian ini. Artikel yang digunakan dalam pencarian dibatasi pada tahun
2017 sampai 2022 perbedaan dalam tahapan pencarian artikel yang digunakan dalam literature review.
Memilih
perpustakaan jurnal
digital
Sebagian besar
studi primer
ditemukan
Perbaiki karakter
pencarian
Pengecualian
dieksekusi pada psds
judul&abstrak ( 647 )
Daftar akhir studi
utama (15)
Perpustakaan
digital google
schoolar: 915
Menentukan
karakter pencarian
Menjalankan
protokol pencarian
Melakukan set awal
studi primer(915)
Pengecualian
dijalankan pada teks
lengkap ( 37 )
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
18
HASIL PENELITIAN DAN DISKUSI
Input data dalam penelitian ini merupakan hasil data mining dalam bidang kesehatan. Sistematic
literature review diartikan sebagai proses mengenal, mengevaluasi, dan menjabarkan semua hasil
temuan jurnal untuk tujuan memberikan jawaban atas penelitian yang dibahas.
Tabel 2
Hasil Evaluasi dan Analisa Hasil Pembahasan
No
Referen
si
Judul
Jurnal
Hasil
Kesimpulan
1.
(Restrep
o
Klinge,
2019)
Implementa
si data
mining
dalam
menentuka
n pola
pembelian
obat dengan
metode
algoritma
apriori
Jurnal
Manajemen
Informatika
&
Komputeris
asi Akuntan
Hasil pengujian
menggunakan
perhitungan
Priori dan penggunaan
kerangka kerja untuk
memberikan nilai yang
sama seperti yang
ditunjukkan oleh
bantuan dasar dan nilai
kepastian paling rendah
yang tidak sepenuhnya
diselesaikan. Dari hasil
tersebut, kerangka kerja
ini bisa
membantu desain
pembelian obat
penenang mengingat
kecenderungan obat
yang dibeli pembeli
terdiri dari 2 paket obat,
maka, dari hasil
pengujian dapat
mempermudah
perwakilan dalam
mengatur desain obat
yaitu terdiri dari 2 paket
obat di dekat satu lain
untuk memudahkan
pekerja mengetahui
keberadaan obat yang
dicari.
Cara yang paling umum
untuk memutuskan contoh
pembelian obat harus
dimungkinkan dengan
menerapkan data mining
dengan strategi
perhitungan apriori,
dengan teknik ini jaminan
pembelian harus
dimungkinkan dengan
melihat konsekuensi dari
kecenderungan pembeli
untuk membeli obat di
campuran 2 itemset.
Informasi baru yang dapat
diperoleh mengingat
konsekuensi dari
perkiraan perhitungan
yang disimpulkan dan
kerangka kerja yang
dibuat dapat diurutkan
sesuai dengan desain obat
agar dekat dengan
keberadaan obat yang
dicari.
2.
(Ucha
Putri et
al.,
2021)
Model Data
Mining
sebagai
Prediksi
Penyakit
Hipertensi
Kehamilan
dengan
Teknik
Decision
Tree
Scientific
Journal Of
Informatics
Jurnal
Penerapan
Sistem
Informasi
(Komputer
&
Manajemen
Pelaksanaan data mining
yang melibatkan
Perhitungan C4.5 dapat
membantu para ilmuwan
dalam meramalkan
diabetes berdasarkan
faktor-faktor
fundamental, khususnya
usia, tekanan peredaran
darah, detak jantung,
berat badan dan kadar
Hasil akhir yang dapat
ditarik dari Eksekusi data
mining untuk diabetes
menggunakan
Perhitungan C4.5 adalah
bahwa pemrograman
Rapidminner
menghasilkan hasil yang
serupa dalam estimasi
manual. Mengingat
penanganan informasi
Vol 1, No 1 September,
2022
19
https://jetbis.al-makkipublisher.com/index.php/al/index
Implementa
si Data
Mining
Untuk
Prediksi
Penyakit
Diabetes
Dengan
Algoritma
C4.5
)
glukosa. Dalam tinjauan
ini, jumlah prakiraan
positif adalah 36
informasi dan jumlah
harapan negatif adalah 2.
Prakiraan positif dari
semua informasi muncul
pada 90,00%
menggunakan
pemrograman
RapidMiner, nilai
ketepatan kerangka kerja
adalah 90,00 %, yang
berarti bahwa aturan
berikutnya memiliki
tingkat kebenaran
mendekati 100 %.
3.
(DIKRI
ANSYA
H, 2018)
Penerapan
Data
Mining
Metode
Naive
Bayes
Untuk
Diagnosa
Penyakit
Pneumonia
Pada Balita
Biomass
Chem Eng
Balita yang tidak
berdaya terhadap
pneumonia berusia <= 3
tahun ke atas 54
(78,26%) dengan jenis
kelamin wanita khas 37
(53,62%), sedangkan
efek samping yang
paling kuat untuk
terjadinya pneumonia
adalah efek samping 5,
khususnya penarikan
dinding dada. lebih dari
67 orang (97,10%)
dengan hasil positif
mengalami pneumonia.
Strategi Innocent Bayes
dapat digunakan untuk
memesan informasi untuk
memiliki pilihan untuk
menganalisis Bayi Positif
atau Negatif yang terkena
Pneumonia. Proses
Information Mining
dengan teknik Guileless
Bayes dapat menyelidiki
dan menganalisis
pneumonia secara cepat
dan tepat, dari pengujian
yang dilakukan dengan
menggunakan Quick
Digger tingkat
ketepatannya adalah
98,50%.
4.
Ordila et
al. 2020)
Penerapan
Data
Mining
Untuk
Pengelomp
okan Data
Rekam
Medis
Pasien
Berdasarka
n Jenis
Penyakit
Dengan
Algoritma
Clustering
(Studi
Kasus : Poli
Klinik
Pt.Inecda)
Jurnal Ilmu
Komputer
Dengan strategi data
mining, perhitungan
batching K-importance
membantu pengumpulan
data rekam medis PT.
Pasien Poliklinik Inecda
berdasarkan lokasi,
orientasi, dan usia.
Jumlah pasien pada usia
cukup tua, pertama yaitu
dewasa dengan jumlah
pasien (4.912 pasien),
kedua adalah anak-anak
(1262 pasien), dan ketiga
adalah bayi (144) pasien.
Kuantitas infeksi dengan
jumlah pasien terbesar
adalah ISPA dengan
jumlah pasien (1985
pasien) karena lingkungan
rahasia PT. Inecda yang
merupakan perkebunan
kelapa sawit dan PKS
(pabrik kelapa sawit), dan
juga memiliki pasien
terbanyak dengan
berbagai penyakit,
misalnya jatuh dari sepeda
motor, pemeriksaan
kolesterol, kontrol
kehamilan, pemeriksaan
tekanan darah, dll dengan
jumlah pasien (2142
pasien).
5.
(Muham
mad,
2019)
Implementa
si Data
Mining
Jurnal
SISKOM-
KB (Sistem
10 area (29,41%)
mendapat skor
R2 terbaik
Motivasi di balik ulasan
ini, ramalkan
gaya hidup yang baik
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
20
untuk
Prediksi
Standar
Hidup
Layak
Berdasarka
n Tingkat
Kesehatan
dan
Pendidikan
Masyarakat
Komputer
dan
Kecerdasan
Buatan)
memanfaatkan rentang
waktu x2, yaitu harapan
PPK spesifik mengingat
informasi AHH, RLS,
dan HLS dalam 2 tahun
terakhir. Dalam susunan
berikut x5: 8 wilayah,
x4: 6 wilayah, x: 4
wilayah, dan x1 dan x3:
3 wilayah.
dilihat dari tingkat
kesejahteraan dan tingkat
pendidikan, telah dicapai
dengan 82,32% (28 dari 34
wilayah) berhasil
diantisipasi dengan nilai
koefisien dari
jaminan (r2) lebih dari
70%. Selain itu, dapat juga
disimpulkan bahwa Multi-
facet Perceptron dapat
mengantisipasi lebih baik
dibandingkan dengan
Direct Relapse. Dari segi
rentang waktu, PKK lebih
baik diantisipasi dengan
memanfaatkan AHH,
RLS, dan HLS dalam 2
tahun terakhir.
6.
(Sistem
Komput
er dan
Sistem
Informa
si et al.,
2019)
Penerapan
Data
Mining
untuk
Identifikasi
Penyakit
Diabetes
Melitus
dengan
Menggunak
an Metode
Klasifikasi
Router
Research
Konsekuensi dari pohon
pilihan berisi
pemeriksaan faktor-
faktor bahwa seseorang
mungkin terkena
diabetes dengan melihat
sifat-sifat seperti
orientasi (orientasi
hanyalah kualitas yang
tidak dapat digunakan
sebagai panduan dalam
memperkirakan latar
belakang yang ditandai
dengan diabetes) , berat
badan, denyut nadi, dan
kadar glukosa dan
riwayat faktor penyakit
genetik dan non-warisan.
Kesimpulan diperoleh dari
penelitian
Ini adalah karakterisasi
informasi penderita
diabetes dengan prosedur
penambangan informasi
pesanan yang
menggunakan perhitungan
C.45 untuk memberikan
keputusan yang dapat
digunakan untuk
memprediksi diabetes.
7.
(Sundari
&
Ariani,
2019)
Penerapan
Data
Mining
Untuk
Pengelomp
okan
Penyakit
Dengan
Algoritma
Fuzzy C-
Means
(Studi
Kasus :
UPT
Puskesmas
Jurnal VOI
(Voice of
Informatics
)
Nilai presisi yang
diperoleh dari hasil
pengumpulan penyakit
adalah 76% dan nilai PCI
adalah 0,6154, ini berarti
bisa dikatakan bahwa
hasil penjumlahan
tersebut berada dalam
kategori besar karena
nilai uji kebenarannya
mendekati 1.
Setelah melakukan
penyelidikan,
perencanaan, pelaksanaan
dan pengujian yang telah
selesai,
diperoleh hasil sebagai
berikut: Aplikasi yang
dirangkai dapat membantu
Puskesmas dalam
mengatur penyakit
sehingga Puskesmas dapat
mengetahui penyakit apa
saja yang diderita oleh
banyak pasien di wilayah
tertentu. Dari sistem arisan
Vol 1, No 1 September,
2022
21
https://jetbis.al-makkipublisher.com/index.php/al/index
Salawu)
diketahui bahwa hasil
untuk kelompok 1 adalah
wilayah Margalaksana. Di
ruang ini penyakit yang
diderita pasien adalah
ISPA, yang sebagian besar
menyerang laki-laki
dengan rentang usia <= 15
tahun. Untuk kelompok 2
adalah wilayah Serang, di
daerah ini penyakit yang
diderita pasien adalah
Mylagia, yang umumnya
menyerang wanita dengan
rentang usia 16 sampai 50
tahun. Untuk kelompok 3
adalah wilayah
Karangmukti, pada ruang
ini penyakit yang diderita
pasien adalah Hipertensi
yang sebagian besar
menyerang wanita dengan
rentang usia > 50 tahun.
Untuk kelompok 4 adalah
wilayah Jahiang, pada
ruang ini penyakit yang
diderita pasien adalah
ISPA, yang umumnya
menyerang wanita dengan
rentang usia <= 15 tahun.
8.
(Romli,
2021)
Penerapan
Data
Mining
Menggunak
an
Algoritma
K-Means
Untuk
Klasifikasi
Penyakit
Ispa
Indonesian
Journal of
Business
Intelligence
(IJUBI)
Pengujian menggunakan
persetujuan DBI (Davies
Bouldin Record)
mendapatkan nilai untuk
setiap tandan. tes
kelompok 1
menghasilkan harga DBI
- 0,244, harga DBI
kelompok 2 - 0,250,
harga DBI kelompok 3 -
0,239. karena nilai DBI
kelompok 3 lebih
sederhana maka
kelompok tersebut dapat
disebut ideal. Hasil
pemeriksaan tingkat
dalam penelitian ini
adalah kelompok 1
dengan taraf 35%,
kelompok 2 dengan taraf
45%, kelompok 3
dengan taraf 20%.
Berdasarkan data yang
telah diperoleh, untuk
membantu penanganan
penyakit ISPA
menggunakan metode K-
Means, cenderung
dilakukan di Puskesmas
Cikarang Timur. Dari 250
data dengan 3 pertemuan,
didapatkan hasil
kelompok 1 (ISPA
standar) dengan 81 pasien,
kelompok 2 (ISPA
sedang) dengan 103
pasien, kelompok 3 (ISPA
berat) dengan 66 pasien.
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
22
9.
(Irawan,
n.d.)
Penerapan
data mining
untuk
evaluasi
data
penjualan
menggunak
an metode
clustering
dan
algoritma
hirarki
divisive
JTIULM
Dari investigasi dan
pengujian yang telah
selesai, hasil pengujian
perhitungan hirarki.
Grup 1 terdiri dari 135
barang dengan cakupan
pembelian 1-25. Klien
yang berada di wilayah
1-25. Grup 2 terdiri dari
51 barang dengan
cakupan pembelian 27-
113. Klien yang berada
di jangkauan 27-113.
Grup 3 terdiri dari 18
barang dengan cakupan
pembelian 117-358.
Klien yang berada di
jangkauan 117-358.
Setelah pengujian
manual menggunakan
perhitungan berbagai
level divisi, dapat dilihat
bahwa klien yang teguh
berada di grup 3 dengan
cakupan pengulangan
pembelian 117-358.
Setelah memeriksa dan
menguji informasi,
cenderung dianggap
bahwa penambangan
informasi memilik
ikeuntungan
menghasilkan informasi
sebagai klien setia dalam
organisasi Media World
Pekanbaru dan setelah
dinilai menggunakan
perhitungan berbagai
tingkat divisi dan
penanganan informasi
menggunakan program
penggali cepat, diamati
bahwa klien setia berada
di kelompok 3 dengan
cakupan 117-358 , lebih
tepatnya Mater Q, Money,
Istana Print, Sahabat Adv,
Administrasi Publikasi,
Splendid Adv,
Imaginative Adv, Family
Print, Dian Print, Umbul
Teddy, Galaxi, Multi
Baru, Print Craftsmanship,
Expert Print, Zoom
Promotion, Media World
Jambi , Cetak Gambar dan
WSN Adv.
10.
(Rerung,
2018)
Penerapan
Data
Mining
dengan
Memanfaat
kan Metode
Association
Rule untuk
Promosi
Produk
Jurnal
Teknologi
Rekayasa
Metode association
ruledapat membantu
divisi periklanan Distro
Umum untuk
memutuskan barang
yang akan
ditawarkan/maju dengan
memastikan kepastian
harga terlebih dahulu.
Mengingat hasil yang
didapat dalam ulasan, hal
ini dan disesuaikan
dengan target eksplorasi,
sangat mungkin beralasan
bahwa strategi aturan
afiliasi data minning yang
menggunakan perhitungan
Apriori
11.
(Rofiqo
et al.,
2018)
Penerapan
Clustering
Pada
Penduduk
Yang
Mempunya
i Keluhan
Kesehatan
Dengan
Data
mining K-
Konferensi
Nasional
Teknologi
Informasi
dan
Komputer
Mengumpulkan
informasi yang
diselesaikan pada 4
kelompok dengan siklus
1, hasil yang didapat
adalah:
tepat. Dari 34 informasi
kependudukan menurut
wilayah cenderung
terlihat, 7 wilayah
kelompok tingkat yang
Untuk melakukan
penilaian dampak
penduduk dari keluhan
kesejahteraan penduduk
menurut wilayah, adalah
mungkin
untukmenerapkan strategi
pengelompokan K-Means.
Informasi tersebut
ditangani untuk
mendapatkan nilai
Vol 1, No 1 September,
2022
23
https://jetbis.al-makkipublisher.com/index.php/al/index
Means
tidak dapat disangkal, 18
wilayah tandan tingkat
menengah dan 9 wilayah
berbeda termasuk
kelompok tingkat
rendah.
4.Hasil yang didapat dari
eksplorasi dapat menjadi
kontribusi bagi otoritas
publik, daerah yang
lebih mengkhawatirkan
penduduk yang memiliki
protes kesejahteraan
yang tinggi mengingat
kelompok yang telah
selesai.
masyarakat dengan protes
kesejahteraan berdasarkan
wilayah. Informasi
ditangani menggunakan
Ms. excel untuk
menentukan nilai centroid
dalam 3 kelompok, yaitu
kelompok keberatan
kesehatan tingkat tinggi,
kelompok protes
kesehatan tingkat sedang
dan kelompok keluhan
kesehatan tingkat rendah.
Setroid informasi untuk
kelompok protes
kesejahteraan tinggi
adalah 37,48, setroid
informasi untuk kelompok
keberatan kesejahteraan
sedang adalah 27,08 dan
setroid informasi untuk
kelompok keluhan
kesejahteraan rendah
14,89. Maka dilakukan
evaluasi berdasarkan
catatan masyarakat yang
keberatan kesejahteraan
dengan 7 daerah dengan
tingkat protes
kesejahteraan yang tinggi,
yaitu Focal Java,
Yogyakarta, Bali, Nusa
Tenggara Barat, Nusa
Tenggara Timur,
Kalimantan Selatan,
Gorontalo, 18 wilayah.
dengan tingkat keluhan
kesehatan sedang, dan 9
wilayah berbeda.
menghitung tingkat protes
kesejahteraan yang
rendah.
12.
(Nasion
al &
Informa
si, 2017)
Penerapan
Data
Mining
Dalam
Pengelomp
okan
Penderita
Thalassaem
ia
KOMIK
(Konferensi
Nasional
Teknologi
Informasi
dan
Komputer)
Untuk pencemaran air
tingkat tak terbantahkan
(C1) berada di wilayah
Sumatera Utara, Jawa
Barat, Jawa Tengah,
Jawa Timur, untuk
pencemaran air tingkat
rendah (C2) berada di
wilayah Aceh, Sumatera
Barat, Riau, Jambi,
Mengingat penilaian
pemanfaatan data mining
dalam pengumpulan
umum pencemaran alam
menggunakan perhitungan
tandan K-implies dapat
diterapkan. Hasil estimasi
dan efek samping dari
aplikasi Rapidminer
serupa. Informasi tersebut
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
24
Selatan Sumatera,
Bengkulu, Lampung,
Kepulauan Bangka
Belitung, Kepulauan
Riau, DKI Jakarta, DI
Yogyakarta, Banten,
Bali, Nusa Tenggara
Barat, Nusa Tenggara
Timur, Kalimantan
Barat, Kalimantan
Fokal, Kalimantan
Selatan, Kalimantan
Timur, Kalimantan
Utara, Sulawesi Utara,
Fokal Sulawesi,
Sulawesi Selatan,
Sulawesi Tenggara,
Gorontalo, Sulawesi
Barat, Maluku, Maluku
Utara, Papua Barat,
Papua. Proses k-implies
berhenti dengan alasan
bahwa informasi antara
siklus yang sedang
berlangsung dan
penekanan masa lalu
memiliki pertemuan
yang sama.
dirangkai menjadi 2
tandan, yaitu wilayah
tertentu yang memiliki
derajat pencemaran air
(C1) tinggi dan wilayah
yang memiliki derajat
pencemaran air (C2)
rendah.
13.
(Azka &
Prastiwi,
2021)
Teknologi
Kesehatan
Cerdas Di
Kota
Cerdas :
Sistematik
Literatur
Review
Jurnal
Sistem
Cerdas
Ada 6 pintu terbuka yang
berharga untuk
menciptakan inovasi
kesehatan yang cerdas
terkait dengan kota
cerdas.
Mengingat survei
penulisan, ujung yang
menyertainya dapat
ditarik. Jenis inovasi
kesehatan yang cerdas
dalam kaitannya dengan
kota yang cemerlang dapat
dilihat dari dua hal, yaitu
dari segi sumber daya dan
dari segi objek.
14.
(Saption
o &
Adiputr
a, 2021)
Kompetens
i dan Peran
Tenaga
Manajemen
Informasi
Kesehatan
di
Seluruh
Rumah
Sakit Kota
Denpasar
pada Era
Smart City
Jurnal
Kesehatan
Garis besar kemampuan
staf MIK dalam Kota
cerdas membutuhkan
berbagai kemampuan
informatika, khususnya
bermacam-macam
informasi dan kapasitas,
transmisi informasi,
penanganan informasi,
pemecahan informasi
dan representasi
informasi sebagai
kemampuan pusat. Juga,
beberapa Kemampuan
Penggambaran pekerjaan
ahli MIK pada masa Kota
Cerdas, menjadi
pemeriksa informasi dan
data kesehatan serta
sebagai penghibur dasar
dalam menghubungkan
roda administrasi
kesehatan, yang memiliki
kemampuan signifikan
sebagai gudang data dan
pemanfaatan kesehatan
kapasitas mereka untuk
menyelidiki data dan
Vol 1, No 1 September,
2022
25
https://jetbis.al-makkipublisher.com/index.php/al/index
ekstra yang dibutuhkan
adalah:
korespondensi yang
layak, kerjasama dan
kemampuan bahasa
asing dan terdekat bagus.
membantu memberikan
dan mengarahkan visi dan
misi asosiasi.
15.
(Pertiwi
&
Pujianto
, 2020)
Metode-
metode
data mining
untuk
penyelesaia
n masalah
kehamilan
dan
persalinan
Jurna Sains,
Aplikasi,
Komputasi
dan
Teknologi
Informasi
Di bidang kehamilan dan
persalinan, ada banyak
sekali informasi yang
belum tertangani oleh
para ilmuwan. Data
mining adalah teknik
yang masuk akal untuk
menangani banyak
informasi dengan tujuan
agar data dapat
dipulihkan. Strategi data
mining di bidang
kehamilan dan
persalinan yang lebih
sering digunakan adalah
metode pembelajaran
terkelola, karena ada
persyaratan untuk
memeriksa karena
terkait dengan
kesehatan. Salah satu
teknik penggalian
informasi, strategi
ekspektasi, telah
dikonsentrasikan dalam
jurnal ini di samping
perhitungan yang sering
digunakan untuk
penelitian.
Dari konsentrat dalam
makalah ini, sangat baik
dapat dianggap bahwa
pembenaran untuk
memilih perhitungan C4.5
sebagai perhitungan yang
masuk akal untuk
menangani informasi
tentang kehamilan dan
persalinan. Walaupun
perhitungan C4.5
memiliki kekurangan yang
cenderung ricuh atau
eksepsi, namun tetap bisa
dimanfaatkan karena
dalam info kesehatan tidak
terlalu banyak eksepsi,
selain itu terdapat berbagai
cara untuk
mengalahkannya.
kekurangan ini.
Kekurangan lainnya
adalah bahwa perhitungan
C4.5 pada umumnya akan
membuat cabang-cabang
yang tidak vital, hal ini
juga tidak menjadi
masalah yang berlebihan
dalam bidang kehamilan
dan persalinan karena sifat
yang dipilih adalah sifat
yang penting.
Berdasarkan Research Question 1, metode yang digunakan dalam data mining bidang kesehatan antara
lain algoritma apriori C4.5, Naive bayes, association rule. Sedangkan berdasarkan Research Question
2, kelebihan implementasi data mining dalam bidang kesehatan adalah untuk menarik informasi dari
data, untuk menemukan solusi, mengubah data mentah menjadi informasi yang dapat membantu, serta
dapat membantu mengambil keputusan. Sedangkan kekurangannya antara lain bergantung pada jenis
data yang akan dikumpulkan, aplikasi untuk pengumpulan data sangat mahal. Menjawab Research
Question 3, Dari 15 jurnal yang ada ditabel evaluasi dan pembahasan bahwa 7 jurnal membahas
tentang data mining dalam bidang kesehatan khususnya pada penyakit, 3 jurnal tentang produk
kesehatan, 4 jurnal membahas hidup sehat dan 1 jurnal membahas tentang data kesehatan masyarakat.
KESIMPULAN
Tinjauan Pustaka Sistematis: Data Mining Dalam Bidang
Kesehatan
Vol 1, No 1 September,2022
Gunawan, Bangkit Indramawan Nugroho,Nindy Putri Lestari,Rifki Dwi Kurniawan
26
Tinjauan pustaka ini dapat disimpulkan dari hasil penelitian yang menemukan 15 jurnal peer-
review pada data mining dalam kesehatan antara 2017 sampai 2022. Tinjauan pustaka ini disusun dalam
tinjauan pustaka sistematis untuk mengenali, mengevaluasi, dan menafsirkan data penelitian yang
tersedia untuk memberikan jawaban atas pertanyaan penelitian tertentu. Penelitian ini dapat
mendorong penelitian lebih lanjut untuk mengembangkan modalitas penelitian yang lebih dalam
terkait dengan data mining dalam bidang kesehatan.
DAFTAR PUSTAKA
Azka, N., & Prastiwi, H. (2021). Teknologi Kesehatan Cerdas Di Kota Cerdas : Sistematik Literatur
Review. 03(02), 176–183.
DIKRIANSYAH, F. (2018). Penerapan Data mining metode naive bayes untuk diagnosa penyakit
pneumonia pada balita. Title. Biomass Chem Eng, 3(2).
Han, J., Pei, J., & Tong, H. (2022). Data mining: concepts and techniques. Morgan kaufmann.
Irawan, Y. (n.d.). Penerapan data mining untuk evaluasi data penjualan menggunakan metode
clustering dan algoritma hirarki divisive. 13–20.
Litardiansyah, B. A., & Hariyanto, E. (2020). Survei kondisi fisik peserta ekstrakurikuler futsal putra
dan putri sekolah menengah atas. Sport Science and Health, 2(6), 331–339.
Lusiana, L., & Suryani, M. (2014). Metode SLR untuk mengidentifikasi isu-isu dalam Software
Engineering. Sains Dan Teknologi Informasi, 3(1), 1–11.
Mayasari, R., Andriayani, D., & Sitorus, H. (2019). Faktor risiko yang berhubungan dengan kejadian
malaria di Indonesia (analisis lanjut riskesdas 2013).
Muhammad, B. (2019). Implementasi Data Mining untuk Prediksi Standar Hidup Layak Berdasarkan
Tingkat Kesehatan dan Pendidikan Masyarakat. Jurnal SISKOM-KB (Sistem Komputer Dan
Kecerdasan Buatan), II(2), 33–37.
Nasional, J., & Informasi, S. (2017). Penerapan Data Mining Dalam Pengelompokan Penderita
Thalassaemia. 02, 299–305.
Pertiwi, A. G., & Pujianto, U. (2020). Metode-metode data mining untuk penyelesaian masalah
kehamilan dan persalinan. 11–17.
Pundenswari, P. (2017). Analisa Pengaruh Kualitas Pelayanan Publik bidang Kesehatan terhadap
Kepuasan Masyarakat. Jurnal Publik : Jurnal Ilmiah Bidang Ilmu Administrasi Negara, 11(1),
13–21.
Rerung, R. R. (2018). Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk
Promosi Produk. 3(1), 89–98. https://doi.org/10.31544/jtera.v3.i1.2018.89-98
Restrepo Klinge, S. (2019). Implementasi Data Mining Dalam penentuan. Αγαη, 8(5), 55.
Rofiqo, N., Windarto, A. P., Hartama, D., Yogyakarta, D., Barat, N. T., Timur, N. T., & Selatan, K.
(2018). Penerapan Clustering Pada Penduduk Yang Mempunyai Keluhan Kesehatan Dengan
Datamining K-Means. 2, 216–223.
Romli, I. (2021). Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi
Penyakit Ispa. Indonesian Journal of Business Intelligence (IJUBI), 4(1), 10.
https://doi.org/10.21927/ijubi.v4i1.1727
Rosmiati, R. (2019). Pemerolehan Bahasa Indonesia Pada Anak Tunagrahita Pada Tahap
Perkembangan Kognitif. Jurnal Penelitian, Pendidikan, Dan Pembelajaran, 13(4).
Sadikin, M., Rosnelly, R., Roslina, R., Gunawan, T. S., & Wanayumini, W. (2020). Penerapan Data
Mining Pada Penerimaan Dosen Tetap Menggunakan Metode Naive Bayes Classifier dan C4. 5.
Jurnal Media Informatika Budidarma, 4(4), 1100–1109.
Saptiono, V. A., & Adiputra, I. N. M. (2021). Kompetensi Dan Peran Tenaga Manajemen Informasi
Kesehatan Di Rumah Sakit Sekota Denpasar Di Era Smart City. Jurnal Kesehatan, 9(3).
Sistem Komputer dan Sistem Informasi, J., Studi Teknologi Komputasi dan Informatika Stmik Bina
Bangsa Kendari, P., Aris, F., Program Studi Sistem Komputer, D., Studi Sistem Komputer, P., &
Bina Bangsa Kendari, S. (2019). Penerapan Data Mining untuk Identifikasi Penyakit Diabetes
Melitus dengan Menggunakan Metode Klasifikasi. Router Research, 1(1), 1–6.
Vol 1, No 1 September,
2022
27
https://jetbis.al-makkipublisher.com/index.php/al/index
Sundari, S. S., & Ariani, N. (2019). Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan
Algoritma Fuzzy C-Means (Studi Kasus : UPT Puskesmas Salawu). Jurnal VOI (Voice of
Informatics), 8(2), 63–76.
Triandini, E., Jayanatha, S., Indrawan, A., Putra, G. W., & Iswara, B. (2019). Metode systematic
literature review untuk identifikasi platform dan metode pengembangan sistem informasi di
Indonesia. Indonesian Journal of Information Systems, 1(2), 63–77.
Ucha Putri, S., Irawan, E., Rizky, F., Tunas Bangsa, S., -Indonesia Jln Sudirman Blok No, P. A., &
Utara, S. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma
C4.5. Januari, 2(1), 39–46.
Yunanto, A. A., & Rochimah, S. (2017). Systematic Literature Review Terhadap Evaluasi Perangkat
Lunak Tentang Serious Game. Jurnal Informatika, 4(1), 54–65.
This work is licensed under a
Creative Commons Attribution-ShareAlike 4.0 International License