Penerapan Algoritma Decision Tree Untuk Identifikasi Pola Kejadian Hipertensi Di Puskesmas Jayengan Surakarta

Abstract

Hipertensi merupakan salah satu masalah kesehatan utama yang terus mengalami peningkatan, termasuk di tingkat pelayanan kesehatan dasar seperti puskesmas. Penelitian ini bertujuan untuk mengidentifikasi pola kejadian hipertensi berdasarkan faktor risiko menggunakan algoritma Decision Tree C4.5. Metode yang digunakan adalah deskriptif kualitatif dengan pendekatan studi dokumentasi terhadap data rekam medis pasien hipertensi di Puskesmas Jayengan periode Januari-Desember 2024. Variabel yang dianalisis meliputi usia, jenis kelamin, indeks massa tubuh (IMT), dan riwayat diabetes melitus, dengan derajat hipertensi sebagai variabel dependen. Proses analisis dilakukan menggunakan metode Knowledge Discovery in Database (KDD) dan perangkat lunak WEKA. Hasil penelitian menunjukkan bahwa faktor yang paling berpengaruh terhadap kejadian hipertensi adalah IMT, diikuti oleh riwayat diabetes melitus dan usia. Model Decision Tree menghasilkan beberapa aturan (rule) yang menggambarkan pola hubungan antarvariabel. Namun, hasil evaluasi menunjukkan performa model masih rendah dengan akurasi sebesar 40,32%. Meskipun demikian, model mampu memberikan interpretasi yang mudah dipahami dalam mengidentifikasi faktor risiko hipertensi. Penelitian ini menunjukkan bahwa algoritma Decision Tree dapat digunakan sebagai alat bantu analisis pola, namun diperlukan peningkatan kualitas data dan metode untuk memperoleh hasil yang lebih optimal.