Analisis Klasifikasi Kinerja Penanganan COVID-19 Provinsi di Indonesia dengan Decision Tree C4.5

Abd. Moeqshit (Universitas Ibrahimy)
Zaehol Fatah (Universitas Ibrahimy)

"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026

Pandemi Penyakit Coronavirus 2019 (COVID-19) telah menciptakan tantangan yang sangat besar dan rintangan signifikan bagi seluruh sistem perawatan kesehatan di negara ini, yang membutuhkan penilaian efektivitas manajemen di berbagai bidang. Studi ini berupaya untuk memeriksa dan membuat kerangka klasifikasi untuk menilai seberapa baik provinsi-provinsi di Indonesia telah mengelola COVID-19, membagi kinerja ke dalam kategori seperti Baik, Rata-rata, dan Buruk, Dengan mengandalkan metode Data Mining dan algoritma C4.5. Data sekunder yang digunakan mencakup variabel yang terkait dengan infeksi yang dikonfirmasi, pemulihan, dan kematian, yang kemudian dikonversi menjadi metrik kinerja vital seperti Case Fatality Rate (CFR) dan Recovery Rate (RR). Untuk mengukur performa, Model C4.5 diuji menggunakan ꞣ-fold cross-validation. Hasilnya, model klasifikasi ini menunjukkan Akurasi yang signifikan sebesar 95.60%, angka yang menguatkan keandalan serta efektivitas model tersebut. Analisis pohon keputusan mengungkapkan bahwa CFR dan RR adalah atribut yang paling penting dan berfungsi sebagai faktor utama (simpul akar) dalam membedakan kinerja provinsi. Model ini memberikan pedoman klasifikasi eksplisit yang dapat digunakan sebagai dasar bagi pemerintah daerah dan organisasi kesehatan untuk memprioritaskan kebijakan pada elemen yang berdampak langsung pada angka kematian dan tingkat pemulihan, yang pada akhirnya meningkatkan efisiensi penanganan COVID-19. Kata Kunci: COVID-19, Klasifikasi, Decision Tree C4.5, Kinerja Penanganan, Case Fatality Rate (CFR).   The Coronavirus Disease 2019 (COVID-19) pandemic has created immense challenges and significant hurdles for the entire healthcare system across the country, necessitating an assessment of management effectiveness in various areas. This study seeks to examine and establish a classification framework to evaluate how well Indonesian provinces have managed COVID-19, dividing performance into categories such as Good, Average, and Poor, by relying on Data Mining methods and the C4.5 algorithm. The secondary data used includes variables related to confirmed infections, recoveries, and deaths, which were then converted into vital performance metrics like the Case Fatality Rate (CFR) and Recovery Rate (RR). To measure performance, the C4.5 Model was tested using ꞣ-fold cross-validation. Consequently, the classification model demonstrated a significant Accuracy of 95.60%, a figure that reinforces the model's reliability and effectiveness. The decision tree analysis revealed that CFR and RR are the most critical attributes and serve as the major factors (root nodes) in differentiating provincial performance. This model provides explicit classification guidelines that can be used as a basis for local governments and health organizations to prioritize policies on elements that directly impact mortality and recovery rates, ultimately improving the efficiency of COVID-19 handling. Keywords: COVID-19, Classification, Decision Tree C4.5, Handling Performance, Case Fatality Rate (CFR).