Akurasi Penggalian Informasi Pada Data Rekam Medis ICD-10

Edy Kurniawan

Abstract


Banyaknya variabel dalam data rekam medis menyebabkan proses input data oleh tenaga administrasi sering mengalami keterlambatan.  Akurasi data sangat diperlukan bagi berbagai pihak yang akan menggunakan data tersebut untuk mencari informasi yang terkandung didalamnya. Sering terjadi adanya data rusak diakibatkan tidak lengkapnya dalam proses input data. Jika data tersebut langsung dianalisa tanpa melewati proses pembersihan, maka akan menyebabkan informasi yang dianalisa tidak bisa dipertanggung jawabkan.Sebagai langkah untuk mengolah atau menggali informasi yang ada didalam tumpukan data rekam medis maka diperlukan pembersihan data dari noise. Hal ini dimaksudkan untuk menjaga keakuratan informasi yang nantinya dihasilkan. Penyelarasan struktur atribut dalam variabel data rekam medis dilakukan satu persatu. Sebab disetiap variabel tersebut mempunyai kode sendiri-sendiri yang tidak bisa dikerjakan secara bersama-sama. Untuk memudahkan dalam pembersihan data maka perlu dilakukan pembersihan variabel yang akan di proses saja, sedangkan variabel yang tidak diperlukan dihilangkan terlebih dahulu.Dari kumpulan data rekam medis yang akan di gali informasinya mempunyai cacat data yang cukup tinggi. Dari total data yang ada hampir 74% data mengalami kerusakan. Kerusakan ini dikarenakan proses inputan pertama yang tidak lengkap maupun adanya singkatan-singkatan, sehingga menyebabkan informasi tidak bisa dipertanggung jawabkan.


References


ICD-10 (International Classification of Diseases) [http://www.who.int/classifications/icd/en/] diakses Mei 2017

Jiawei Han and Micheline Kamber, “Data Mining Concepts and Techniques”, Second Edition, 2006

Ian H. Witten and Eibe Frank, ” Data Mining Practical Machine Learning Tools and Techniques”, Morgan Kaufmann Publishers is an imprint of Elsevier., San Francisco, (2005)

Berkhin, Pavel. Survey of Clustering Data Mining Techniques. Accrue Software, Inc. 2002.

Krzysztof J. Cios, Witod Pedrycz, “Data Mining A Knowledge Discovery Approach”, 2007

Cabena, P., Hadjinian, P., Stadler, R., Verhees, J., & Zanasi, A. Discovering datamining: From concept to implementation. New Jersey: Prentice Hall. (1997).

Daniel T. Larose, “Discovering Knowledge in Data”, 2005


Full Text: ##PDF##

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

ISSN: 2579-9096