Klasifikasi Virus Covid-19 Pada Usia Produktif Menggunakan Algoritma C45

• Arif Rahmadi
• 2023

---

Arif Rahmadi (19190025), Klasifikasi Virus Covid-19 Pada Usia Produktif Menggunakan Algoritma C45
Penelitian ini dilakukan untuk mengetahui dampak virus Covid-19 pada usia produktif 15-64 tahun di Sukabumi, Jawa Barat. Dengan mengambil data dari atribut age dan menerapkan metode klasifikasi. Dalam penelitian ini digunakan algoritma C45 sebagai metodenya. Hasil yang didapat dari penelitian ini Jumlah classification_final yang dominan berada di K-3 dengan jumlah total 100 pasien, dan jumlah total yang sedikit berada di K-1 dengan jumlah total 21 pasien. Jumlah pasien meninggal yang banyak berada di rasio usia 46-59 dengan jumlah 37 kematian, yang sedikit jumlah pasien kematian berada di rasio usia 60-64 tahun dengan jumlah 10 kematian. Sedangkan jumlah pasien hidup yang banyak berada di rasio usia 46-59 dengan jumlah 50, dan jumlah pasien hidup yang sedikit berada di rasio 15-30 tahun. Pada atribut weight, age lebih banyak dengan jumlah 0,506 dibandingkan dengan atribut sex, medical_unit dan patient_type. Berdasarkan hasil analisa algoritma C45 bahwa pada atribut classification_final dengan isi atribut Covid-19, klasifikasi paling dominan berada di klasifikasi covid-19 K-3.
Kata Kunci: Covid-19, C45, Usia Produktif

Arif Rahmadi (19190025), Classification of Covid-19 Virus in Productive Age Using the C45 Algorithm
This research was conducted to determine the impact of the Covid-19 virus on the productive age group of 15-64 years in Sukabumi, West Java. Data was collected from the age attribute and a classification method was applied. The C45 algorithm was used as the method in this study. The results obtained from this research showed that the dominant number of classification_final was in K-3 with a total of 100 patients, while the minority was in K-1 with a total of 21 patients. The majority of patient deaths were in the age rasio of 46-59, with a total of 37 deaths, while a smaller number of patient deaths were in the age rasio of 60-64, with a total of 10 deaths. On the other hand, the majority of surviving patients were in the age rasio of 46-59, with a total of 50, and the minority of surviving patients were in the age rasio of 15-30. Regarding the weight attribute, age had a higher proportion with a value of 0.506 compared to attributes such as sex, medical_unit, and patient_type. Based on the analysis of the C45 algorithm, it was found that the most dominant classification in the attribute classification_final, with the attribute value of Covid-19, was in the classification of K-3.
Keywords: Covid-19, C45, Productive Age

• Ilmu komputer

V. REFERENSI

Arikhman, N. (2020). Jurnal Kesehatan Medika Saintika. Study Fenomenologi Pengalaman Keluarga Pasien Dalampenanganan Prehospital Pasca Deteksi Dini Stroke, 11(2), 282–289.
Elviani, R., Anwar, C., & Januar Sitorus, R. (2021). Gambaran Usia Pada Kejadian Covid-19. JAMBI MEDICAL JOURNAL “Jurnal Kedokteran Dan Kesehatan,” 9(1), 204–209. https://doi.org/10.22437/jmj.v9i1.11263
Haryati, S., Sudarsono, A., & Suryana, E. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama, 11(2), 130–138.
Hendri, H., & Oscar, D. (2021). Penerapan Algoritma C4.5 Dalam Mengukur Kepuasan Pengunjung Terhadap Fasilitas Di Taman Margasatwa Jakarta. Jurnal Infortech, 3(1), 73–78. https://doi.org/10.31294/infortech.v3i1.10504
Hidayati, D. (2020). Profil Penduduk Terkonfirmasi Positif Covid-19 Dan Meninggal: Kasus Indonesia Dan Dki Jakarta. Jurnal Kependudukan Indonesia, 2902, 93. https://doi.org/10.14203/jki.v0i0.541
Ishaya, S. R. (2018). Pengaruh Motivasi Terhadap Produktivitas Kerja Karyawan Pada Pt. Arka Mahesa Pratama Di Jakarta Selatan. Jurnal Lentera Bisnis, 6(2), 94. https://doi.org/10.34127/jrlab.v6i2.191
Mukhid, A. (2021). Metodologi Penelitian Pendekatan Kuantitatif. In Syria Studies (Vol. 7, Issue 1). https://www.researchgate.net/publication/269107473_What_is_governance/link/548173090cf22525dcb61443/download%0Ahttp://www.econ.upf.edu/~reynal/Civil wars_12December2010.pdf%0Ahttps://think-asia.org/handle/11540/8282%0Ahttps://www.jstor.org/stable/41857625
Nisri, M. (2020). COVID-19 dataset. Kaggle. Retrieved from https://www.kaggle.com/datasets/meirnizri/covid19-dataset?rvi=1
Nurdianto, A. R., Budiningsih, A. T., & Marthawati, S. (2021). Komplikasi emboli paru pada COVID-19. Journal of Pharmaceutical Care Anwar Medika, 4(1), 1–19.
Putra, R. S., Putra, E. D., Rifqo, M. H., & Witriyono, H. (2021). Klasifikasi Penyebaran Covid-19 Menggunakan Algoritma C4.5 Kota Pagar Alam. JUKOMIKA (Jurnal Ilmu Komputer Dan Informatika), 4(1), 23–35. https://doi.org/10.54650/jukomika.v4i1.346
Rani, L. N. (2016). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. INOVTEK Polbeng - Seri Informatika, 1(2), 126. https://doi.org/10.35314/isi.v1i2.131
Redo, M. R., Irianti, A., Dharmawacana, S., Tinggi, P., & Karang, T. (2021). Perbandingan performa Algoritma Neural Network, Regresi Linier, dan Random Forest dalam simulasi prediksi angka kematian pasien COVID-19 di Indonesia. Institut Informatika Dan Bisnis Darmajaya, 54–62.
Rohimah, S., Daniati, M., & Susanti, D. (2023). Pengaruh Orang Tua dan Guru dalam Menumbuhkan Motivasi Belajar. 6, 2943–2945.
Salsabila, F., & Maulida Intani, S. (2021). Implementasi Algoritma K-Means dan C4.5 Dalam Menentukan Tingkat Penyebaran Covid-19 di Indonesia. Jurnal Siliwangi, 7(1), 25–30.
Sari, M. K. (2020). Sosialisasi tentang Pencegahan Covid-19 di Kalangan Siswa Sekolah Dasar di SD Minggiran 2 Kecamatan Papar Kabupaten Kediri. Jurnal Karya Abdi, 4(1), 80–83.
Soewono, R., Gernowo, R., & Sasongko, P. S. (2014). Sistem Pakar Identifikasi Modalitas Belajar Siswa Dengan Implementasi Algoritma C4.5. Jurnal Sistem Informasi Bisnis, 4(1), 20–27. https://doi.org/10.21456/vol4iss1pp20-27
Talika, F. T. (2016). Manfaat Internet Sebagai Media Komunikasi Bagi Remaja Di Desa Air Mangga Kecamatan Laiwui Kabupaten Halmahera Selatan. E-Journal, 5(1), 1–6.
Wadi, F. A. Y. K., Sugiartawan, P., Adriani, N. N. D., & Adriani, N. N. D. (2022). Analisa Prediksi Time Series Jumlah Kasus Covid-19 Dengan Metode BPNN Di Bali. Jurnal Sistem Informasi Dan Komputer Terapan Indonesia (JSIKTI), 4(1), 24–33. https://doi.org/10.33173/jsikti.124
Wahyuni, Y., Purnamawati, D., Fauziah, M., & Putri, A. (2021). Gambaran sikap dan perilaku pencegahan penularan covid-19 di Kabupaten Sukabumi. Prosiding Seminar Nasional Penelitian LPPM UMJ, 1(1), 4–8. https://jurnal.umj.ac.id/index.php/semnaslit/article/view/10612
Wibowo, B. A., Nabila, C., & Nursafitri, D. (2021). Implementasi Algoritma C4.5 untuk Klasifikasi Tingkat Kenaikan Kasus Covid-19. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, April, 748–755.
William, E., & Hamonangan, B. (2020). Pandemi COVID-19 dalam Perspektif Demografi Sosial ( Komorbiditas ) DINAMIKA MORTALITAS DALAM KEJADIAN LUAR BIASA : STUDI KASUS PANDEMI CORONAVIRUS DISEASE 2019 ( COVID-19 ) TAHUN 2020 Disusun oleh : May. https://doi.org/10.13140/RG.2.2.36248.83200