Data Mining untuk Prediksi Status Pasien Covid-19 dengan Pengklasifikasi Naïve Bayes

Abstract

Pandemi Covid-19 di tahun 2020 menjadi masalah kesehatan yang kompleks dan membutuhkan penanganan cepat serta kolaborasi solusi dari berbagai disiplin ilmu. Pasien Covid-19 yang mendapatkan perawatan di rumah sakit memiliki kondisi dan tingkat keparahan yang berbeda-beda. Hal ini berpengaruh pada tindakan penanganan yang akan dilakukan oleh petugas medis. Banyaknya pasien serta kurangnya tenaga medis mengakibatkan perlunya dukungan teknologi untuk membantu mengklasifikasikan status pasien berdasarkan kondisinya agar penanganan dikonsentrasikan pada pasien yang sangat gawat dan membutuhkan penanganan cepat. Penelitian ini menerapkan teknik prediksi dari disiplin ilmu data mining untuk mengklasifikasikan status kegawatan pasien.  Pengklasifikasi Naive Bayes diterapkan untuk membangun model berdasarkan dataset pasien yang terinfeksi Covid-19.  Dataset pasien Covid-19 di Indonesia diperoleh dari www.kaggle.com dan diaplikasikan menggunakan RapidMiner. Model yang dibangun dapat memprediksi status kegawatan pasien berdasarkan usia dan jenis kelamin yang memiliki kemungkinan tertinggi untuk sembuh dari COVID-19 dan pasien yang memiliki kemungkinan tinggi untuk tetap menjalani pengobatan dan atau meninggal dunia. Hasil penelitian ini menunjukkan bahwa klasifikasi metode Naive Bayes memiliki tingkat akurasi yang tinggi dalam mengklasifikasikan status pasien yaitu 96.67%.