Akurasi Penggalian Informasi Pada Data Rekam Medis ICD-10
DOI:
https://doi.org/10.30595/techno.v18i2.1963Abstract
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 Techniquesâ€, 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
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto) is licensed under a Creative Commons Attribution 4.0 International License.






