Penerapan Data Mining Di Bidang Kesehatan Di Indonesia

Data Mining merupakan kegiatan yang mencakup pengumpulan (gathering) serta pemakaian data (data uses), yang digunakan untuk menemukan pola serta hubungan dalam sekumpulan data yang berukuran besar (jumlahnya banyak) dan untuk menemukan keteraturan dari data itu sendiri.

Data mining juga dapat kita katakan sebagai serangkaian proses perhitungan dan penalaran guna menggali nilai lebih dalam bentuk informasi yang belum diketahui secara manual dari suatu database selama ini. Serangkaian proses tersebut dilakukan dengan melakukan penggalian berbagai macam pola dari data yang kemudian dimanipulasi, guna mendapatkan informasi yang lebih berharga serta mengenali pola dengan cara ekstraksi dalam suatu database.

Dalam referensi lain, istilah data mining lebih dikenal dengan nama Knowledge discovery (mining) basis data (KDD), atau Knowledge Extraction, serta Business Intelegence. Secara umum, data mining dapat didefinisikan sebagai berikut:

1.    Data mining merupakan proses yang bertujuan untuk menemukan pola atau bentuk informasi data dari daya yang banyak atau kapasitasnya besar.

2.    Ekstraksi yang terjadi dalam suatu informasi yang memiliki sifat non-trival ataupun implisit, berguna untuk menggali potensial dan kegunaan lain dari data itu sendiri.

3.    Eksplorasi atau penggalian lebih jauh dari suatu analisa terhadap data dan pola dalam data mining, dilakukan secara otomatis atau semi otomatis.

Kemudian apa sih pentingnya atau manfaat dari data mining ini? Data mining sendiri sangat penting untuk digunakan guna mengelola dan memanipulasi data dalam skala yang cukup besar. Data mining juga dapat membantu seseorang dalam rangka me-record atau merekam (mendokumentasikan) suatu transaksi dalam proses data warehouse sehingga mampu memberikan informasi yang berharga dan akurat bagi penggunanya.

Alasan paling utama dan pentingnya mengapa data mining itu penting atau mengapa kita penting untuk belajar data mining adalah karena data mining ini sangat berguna, sangat diminati, sangat dicari oleh perusahaan ataupun industri-industri besar. Data mining dalam perusahaan berguna untuk mengelola data yang berskala besar dan mendapatkan informasi yang sangat berguna untuk penembangan perusahaan itu sendiri. Adapun langkah penerapan data mining dalam perusahaan adalah:

1.    Data Cleaning, yang berguna untuk menghilangkan noise pada data dan tidak bersifat konsisten, kemudian menghubungkan atau mengintegrasikan data yang terpecah namun dapat disatukan, karena adanya saling keterkaitan.

2.    Data selection, yang merupakan rangkaian pemilihan, pemilihan dan penentuan data yang akan diambil kemudian dimanipulasi untuk dianalisis dan dikembalikan ke dalam database.

3.    Data transformation

4.    Knowledge Discovery

5.    Pattern Evolution, yang berguna untuk menemukan pola yang menarik serta mengidentifikasikannya .

6.    Knowledge Presentation, yang berfungsi untuk menggambarkan teknik dan memvisualisasikan informasi atau data yang telah ditemukan kepada user.

Dewasa ini seiring dengan perkembangan dan kemajuan di bidang teknologi, yang diantaranya adalah artificial intellegence, database, statistik, pemodelan matematika, pengolahan citra, rekayasa perangkat lunak, data mining, dan lain sebagainya. Pemanfaatan IT sendiri telah masuk dan digunakan dalam banyak bidang, salah satunya adalah bidang kesehatan.

Faktanya memang demikian, tahun 2012 yang lalu, menteri kesehatan (Fadhilah Supari) mencanangkan gerakan nasional keselamatan pasien (Patient Safety). Sehingga mulai saat itu mulailah berkembang sistem informasi rumah sakit yang dapat memudahkan masyarakat serta rumah sakit itu sendiri. Kemudian salah satu perkembangan dalam bidang IT saat ini yang dapat diterapkan dalam bidang kesehatan adalah Data Mining.

Secara umum, penerapan IT ataupun data mining dalam bidang kesehatan berperan untuk mencegah kejadian medical error yang terbagi dalam 3 mekanisme besar, yaitu :

1.    Pencegahan ( Adverse Event )

2.    Respon Cepat

3.    Umpan Balik

Salah satu penerapan data mining yang paling dikenal pada saat ini adalah penggunaan data mining untuk sistem atau aplikasi yang dapat memprediksi atau memperhitungkan penyakit seseorang. Sebagai contohnya adalah Mode Data Mining Sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree dan juga Diagnosa Tingkat Kesehatan Pasien Menggunakan Metode Decision Tree Dengan Pemodelan Data Mining.

Decision Tree merupakan salah satu teknik atau metode yang sangat banyak digunakan dalam penerapan data mining. Decision Tree adalah teknik klasifikasi dan prediksi yang amat kuat serta terkenal. Decision Tree dapat mengubah fakta yang sangat besar dan rumit menjadi pohon keputusan yang mampu mempresentasikan dan menggambarkan aturan, sehingga dapat mudah dipahami. Kemudian dalam decision tree sendiri terdapat lagi algoritma yang dikenal dengan nama algoritma C4.5 sebagai algoritma yang mendukung sistem keputusan dalam data mining. Secara umum langkah-langkah algoritma C4.5 dalam arsitektur decision tree adalah sebagai berikut:

1.    Pilih atribut sebagai akar.

2.    Buat dan kembangkan cabang untuk tiap nilai yang ada.

3.    Klasifikasi dan bagi kasus ke dalam beberapa kelompok cabang.

4.    Ulang kembali proses untuk setiap langkah cabang, hingga semua kasus memiliki kelas dan klasifikasi yang sama.

Gambaran dalam penggunaan ini adalah, nantinya pengguna atau pasien akan dihadapkan dengan beberapa pertanyaan. Kemudian dari jawaban yang diberikan itulah akan didapatkan apakah pasien tersebut mengalami hipertensi atau tidak, atau juga seberapa sehat seseorang pasien tersebut. Lebih kurang seperti itulah gambaran penerapan data mining dalam bidang kesehatan

Sumeber :

Garuda Cyber Indonesia

dwisetiadhy.blogspot.com

academia.edu