Penerapan Algoritma Decision Tree Untuk Klasifikasi Pasien Hipertensi Berdasarkan Data Rekam Medis Di Puskesmas Godean 1

Latar Belakang: Hipertensi merupakan salah satu penyakit kronis dengan angka kejadian yang terus meningkat, termasuk di Puskesmas Godean 1. Namun, data rekam medis selama ini masih dimanfaatkan secara terbatas untuk keperluan administratif dan belum digunakan secara maksimal dalam klasifikasi risiko hipertensi.
Tujuan Penelitian: Menyusun model klasifikasi pasien hipertensi berdasarkan data rekam medis menggunakan algoritma Decision Tree untuk mendukung deteksi dini dan pengambilan keputusan klinis.
Metode Penelitian: Penelitian ini menggunakan pendekatan CRISP-DM dengan algoritma Decision Tree. Data diambil dari SIMPUS Puskesmas Godean 1 tahun 2024 sebanyak 8.058 data, kemudian dilakukan pembersihan dan seleksi atribut sehingga
diperoleh 2.087 data pasien yang digunakan untuk pemodelan di software RapidMiner 10,3.
Hasil Penelitian: Model Decision Tree yang dibangun menghasilkan akurasi sebesar 98,56% dengan nilai F1-score di atas 96% pada semua kelas. Atribut tekanan darah sistolik dan diastolik menjadi variabel paling dominan dalam menentukan klasifikasi. Variabel jenis kelamin tidak memberikan pengaruh signifikan dalam hasil klasifikasi.
Kesimpulan : Algoritma Decision Tree dapat digunakan secara efektif untuk mengklasifikasikan status hipertensi berdasarkan data rekam medis. Model ini berpotensi mendukung proses deteksi dini dan pengambilan keputusan klinis di fasilitas layanan kesehatan tingkat pertama.