Klasifikasi Penyakit Tuberculosis di Rumah Sakit Paru Sumatera Barat Menggunakan Algoritma C5.0

Tuberculosis (TBC) merupakan penyakit menular yang masih menjadi permasalahan kesehatan utama di Indonesia, termasuk di Provinsi Sumatera Barat. Proses diagnosis TBC umumnya dilakukan melalui pemeriksaan Basil Tahan Asam (BTA) yang memerlukan waktu dan ketelitian tinggi, sehingga berpotensi memperlambat penanganan pasien. Oleh karena itu, diperlukan metode alternatif yang dapat membantu proses identifikasi awal penyakit TBC secara lebih cepat dan akurat berdasarkan data klinis pasien. Penelitian ini bertujuan untuk mengklasifikasikan penyakit TBC di Rumah Sakit Paru Sumatera Barat serta mengevaluasi kinerja algoritma C5.0 dalam melakukan klasifikasi tersebut. Metode penelitian yang digunakan adalah metode data mining dengan teknik klasifikasi menggunakan algoritma C5.0. Data yang digunakan berupa data sekunder rekam medis pasien di Rumah Sakit Paru Sumatera Barat sebanyak 150 data pada periode Oktober hingga Desember 2024. Variabel penelitian terdiri dari delapan variabel prediktor, yaitu jenis batuk, lama batuk, nafsu makan berkurang, penurunan berat badan, nyeri dada, sesak napas, keringat malam, dan demam, serta satu variabel target yaitu hasil pemeriksaan BTA. Data melalui tahap preprocessing, kemudian dibagi menjadi data training dan data testing, selanjutnya dilakukan pembentukan model klasifikasi dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma C5.0 mampu mengklasifikasikan penyakit TBC dengan kinerja yang baik. Model yang dihasilkan memperoleh nilai akurasi sebesar 91,11%, presisi sebesar 95,83%, sensitivitas sebesar 88,46%, dan spesifisitas sebesar 94,74%. Pohon keputusan yang dihasilkan bersifat sederhana dan mudah diinterpretasikan, sehingga dapat membantu tenaga medis dalam proses pengambilan keputusan. Berdasarkan hasil tersebut, algoritma C5.0 dapat digunakan sebagai metode pendukung dalam identifikasi awal penyakit TBC di Rumah Sakit Paru Sumatera Barat.