<![CDATA[Penelitian ini bertujuan untuk meramalkan kondisi kesehatan pasien di waktu yang akan tiba. Proses tersebut dilakukan melalui analisis data rekam medis pasien dengan menerapkan metode Decision Tree. Metode ini digunakan karena mampu menampilkan pola hubungan antarvariabel medis secara jelas dan mudah diinterpretasikan. Data penelitian terdiri dari beberapa parameter laboratorium seperti Haematocrit, Haemoglobin, Erythrocyte, Leucocyte, Thrombocyte, MCH, MCHC, dan variabel pendukung lainnya. Proses pengolahan data dilakukan menggunakan aplikasi RapidMiner melalui tahapan preprocessing, pemodelan, dan evaluasi. Algoritma Decision Tree berhasil diimplementasikan untuk menciptakan model klasifikasi yang andal. Berdasarkan model tersebut, dapat diketahui bahwa MCHC, Haematocrit, dan Leucocyte adalah faktor dominan yang memiliki daya pengaruh tertinggi dalam mengkategorikan kondisi kesehatan pasien. Model yang dihasilkan juga mampu menggambarkan struktur keputusan secara sistematis sehingga dapat mendukung proses identifikasi kondisi kesehatan secara cepat dan berbasis data. Hasil dari studi ini diharapkan dapat difungsionalkan sebagai dasar untuk penggunaan sistem yang menggunakan teknologi komputer untuk mendukung dokter dan tenaga medis dalam pengambilan keputusan terkait kondisi pasien. Kata Kunci: Decision Tree, Prediksi Kesehatan, Rekam Medis, RapidMiner, Data Mining This study aims to predict a patient's future health condition. This process is carried out through analysis of patient medical records using the Decision Tree method. This method is used because it is able to display patterns of relationships between medical variables clearly and easily interpreted. The research data consists of several laboratory parameters such as Hematocrit, Hemoglobin, Erythrocytes, Leukocytes, Platelets, MCH, MCHC, and other supporting variables. The data processing process is carried out using the RapidMiner application through preprocessing, modeling, and evaluation stages. The Decision Tree algorithm is successfully implemented to create a reliable classification model. Based on this model, it can be seen that MCHC, Hematocrit, and Leukocytes are the dominant factors that have the highest influence in categorizing a patient's health condition. The resulting model is also able to systematically describe structural decisions so that it can support the process of identifying health conditions quickly and based on data. The results of this study are expected to function as a basis for the use of systems that use computer technology to support doctors and medical personnel in making decisions regarding patient conditions. Kata Kunci : Decision Tree, Health Prediction, Medical Records, RapidMiner, Data Mining]]>
Copyrights © 2026
