[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-117932-id":3,"doc-seo-117932-113":31,"detail-sidebar-cat-0-id-113":93},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},117932,962084925782,"Ava Thompson","https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc",53,"Layanan Kesehatan","Penerapan Machine Learning dalam Prediksi Tingkat Kasus Penyakit di Indonesia - Studi Klasifikasi dengan Decision Tree","Transformasi digital mendorong pengambilan keputusan berbasis data, khususnya dalam sektor kesehatan. Dokumen ini menjabarkan penerapan machine learning untuk memprediksi tingkat kasus penyakit dan membantu perumus kebijakan menyusun kebijakan layanan kesehatan secara lebih cepat. Pemodelan menggunakan algoritma klasifikasi dalam framework Python, dengan dataset Profil Kesehatan Indonesia yang memuat data tingkat pelayanan, kebijakan kesehatan, serta sosio-demografi. Model decision tree memberikan akurasi baik untuk prediksi klasifikasi tingkat kasus penyakit.","PENERAPAN MACHINE LEARNING DALAM PREDIKSI TINGKAT KASUS  \nPENYAKIT DI INDONESIA  \nRakha Gusti Wardhana 1), Gunawan Wang 2), Farida Sibuea 3*)  \n1, 2) Master of Information Systems Management Bina Nusantara University  \n3) Pusat Data dan Teknologi Informasi Kementerian Kesehatan Republik Indonesia [email : rakha.wardhana@binus.ac.id](email : rakha.wardhana@binus.ac.id1)[1](email : rakha.wardhana@binus.ac.id1)), [gunawan.wang@binus.ac.id](gunawan.wang@binus.ac.id2)[2](gunawan.wang@binus.ac.id2)), farida.sibuea@kemkes.go.id3)  \nAbstraksi  \nTransformasi digital selalu menghadirkan upaya pengambilan keputusan yang berlandaskan data. Dalam rangkamendukung transformasi digital di bidang kesehatan, maka diperlukan perangkat yang dapat melakukan prosesprediksi untuk mendukung pengambilan keputusan. Penerapan machine learning untuk proses prediksi tingkat persebaran penyakit dapat membantu pengambil kebijakan dalam merumuskan kebijakan pelayanan kesehatansecara cepat. Pemodelan machine learning menggunakan berbagai teknik dalam algoritma klasifikasi dengan framework yang dimiliki oleh bahasa pemrograman python. Dalam hal ini, data yang digunakan merupakan dataset yang dikoleksi dari Profil Kesehatan Indonesia, yang berisi informasi tingkat pelayanan kesehatan, kebijakan kesehatan, serta tingkat sosio-demografi. Pemodelan dengan teknik decision tree memiliki akurasi yang sangat baik dalam memprediksi klasifikasi tingkat kasus penyakit.  \nKata Kunci :  \nTransformasi digital, Prediksi Penyakit, Machine Learning, Klasifikasi.  \nAbstract  \nDigital transformation always presents data-driven decision-making efforts. In order to support digital transformation in the health sector, a device is needed that can perform predictive processes to support decision making. The application of machine learning for the process of predicting the level of disease spread can assist policy makers in formulating health service policies quickly. Machine learning modeling uses methods by classification algorithms with a framework owned by the Python programming language. In this case, the data used is a dataset collected from the Indonesian Health Profile, which contains information on the level of health services, health policies, and the socio-demographic level. Decision tree modelling gained good accuracy when predicting the classification of disease cases.  \nKeywords:  \nDigital Transformation, Disease Prediction, Machine Learning, Classification.  \nPendahuluan  \nRevolusi industri 4.0 telah mendorongditerapkannya transformasi digital bagi semua kalangan, termasuk dalam skala pemerintahan. Pemerintah Indonesia telah menetapkan arah transformasi digital hingga tahun 2024 [ 1] . Salah satu dari program transformasi digital tersebut berupa proses pelayanan dan kebijakan masyarakat yang berlandaskan data. Dalam hal ini, Kementerian Kesehatan Republik Indonesia turut berpartisipasidalam transformasi digital dengan mengeluarkan Cetak Biru Strategi Transformasi Digital Kesehatan 2024, dimana salah satunya mengulas permasalahankebijakan kesehatan yang belum berlandaskan data [2] . Pengambilan kebijakan kesehatan sudahseyogyanya memperhatikan kondisi di masingmasing daerah dalam kurun waktu tertentu, sehingga implementasi kebijakan dapat diterapkan denganbaik  \nBerkaca dari Cetak Biru Strategi Transformasi Digital Kesehatan 2024 tersebut, pihak Kementerian Kesehatan tentu harus merujuk pada kondisi pelayanan kesehatan, serta kondisi persebaran berbagai penyakit pada masing-masing wilayah di Indonesia. Dalam hal ini, variasi tingkat persebaran penyakit maupun tingkat pelayanan kesehatan layaknya program vaksinasi, sanitasi, sertaketersediaan rumah sakit pada masing-masing periode tersusun secara numerik dalam datasets yang telah disusun oleh tim Pusat Data dan Teknologi Informasi Kementerian Kesehatan. Datasets tersebut dikenal dengan program Profil Kesehatan Indonesia, dimana didalamnya terdapat datasets dan infografis yang menyediakan berbagai data dan informasi, mulai","cbCaibFmw1CETcUh","https://ap.wps.com/l/cbCaibFmw1CETcUh","pdf",308655,5,1,6,"Indonesian","id",113,"# Abstraksi\n# Kata Kunci\n# Abstract\n# Keywords\n# Pendahuluan","[{\"question\":\"Penelitian ini bertujuan apa dalam konteks transformasi digital kesehatan?\",\"answer\":\"Penelitian ini bertujuan menjabarkan implementasi machine learning untuk memprediksi tingkat kasus berbagai penyakit menular di Indonesia guna mendukung pengambilan keputusan berbasis data.\"},{\"question\":\"Data apa yang digunakan untuk membangun model prediksi?\",\"answer\":\"Data yang digunakan berasal dari dataset Profil Kesehatan Indonesia yang memuat informasi tingkat pelayanan kesehatan, kebijakan kesehatan, serta aspek sosio-demografi.\"},{\"question\":\"Mengapa decision tree digunakan dan bagaimana kinerjanya?\",\"answer\":\"Decision tree dipakai sebagai teknik pemodelan machine learning pada algoritma klasifikasi. Dokumen menyatakan decision tree memiliki akurasi yang sangat baik untuk memprediksi klasifikasi tingkat kasus penyakit.\"}]","Penerapan Machine Learning dalam Prediksi Tingkat Kasus Penyakit di Indonesia - Studi Klasifikasi dengan Decision Tree | PDF",1785680429,9,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":88,"head_meta":90,"extra_data":92,"updated_unix":29},"application-of-machine-learning-in-predicting-disease-case-levels-in-indonesia-a-classification-study-with-decision-tree","",{"@graph":37,"@context":87},[38,55,70],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/id/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/id/document/layanan-kesehatan/",3,{"item":53,"name":13,"@type":44,"position":54},"https://docshare.wps.com/id/document/application-of-machine-learning-in-predicting-disease-case-levels-in-indonesia-a-classification-study-with-decision-tree/117932/",4,{"url":53,"name":13,"@type":56,"author":57,"headline":13,"publisher":59,"fileFormat":62,"inLanguage":24,"description":14,"dateModified":63,"datePublished":64,"encodingFormat":62,"isAccessibleForFree":65,"interactionStatistic":66},"DigitalDocument",{"name":9,"@type":58},"Person",{"url":42,"name":60,"@type":61},"DocShare","Organization","application/pdf","2026-08-18","2026-08-02",true,{"@type":67,"interactionType":68,"userInteractionCount":20},"InteractionCounter",{"@type":69},"ViewAction",{"@type":71,"mainEntity":72},"FAQPage",[73,79,83],{"name":74,"@type":75,"acceptedAnswer":76},"Penelitian ini bertujuan apa dalam konteks transformasi digital kesehatan?","Question",{"text":77,"@type":78},"Penelitian ini bertujuan menjabarkan implementasi machine learning untuk memprediksi tingkat kasus berbagai penyakit menular di Indonesia guna mendukung pengambilan keputusan berbasis data.","Answer",{"name":80,"@type":75,"acceptedAnswer":81},"Data apa yang digunakan untuk membangun model prediksi?",{"text":82,"@type":78},"Data yang digunakan berasal dari dataset Profil Kesehatan Indonesia yang memuat informasi tingkat pelayanan kesehatan, kebijakan kesehatan, serta aspek sosio-demografi.",{"name":84,"@type":75,"acceptedAnswer":85},"Mengapa decision tree digunakan dan bagaimana kinerjanya?",{"text":86,"@type":78},"Decision tree dipakai sebagai teknik pemodelan machine learning pada algoritma klasifikasi. Dokumen menyatakan decision tree memiliki akurasi yang sangat baik untuk memprediksi klasifikasi tingkat kasus penyakit.","https://schema.org",{"og:url":53,"og:type":89,"og:title":13,"og:site_name":60,"og:description":14},"article",{"robots":91,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":94},[95,100,104,108,112,114,118,122,126,130,134],{"id":96,"doc_module":4,"doc_module_name":47,"category_name":97,"show_sort_weight":98,"slug":99},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":101,"doc_module":4,"doc_module_name":47,"category_name":102,"show_sort_weight":98,"slug":103},48,"Cerita & Novel","story-novel",{"id":105,"doc_module":4,"doc_module_name":47,"category_name":106,"show_sort_weight":98,"slug":107},56,"Gaya Hidup","lifestyle",{"id":109,"doc_module":4,"doc_module_name":47,"category_name":110,"show_sort_weight":98,"slug":111},51,"Komik","comic",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":98,"slug":113},"healthcare",{"id":115,"doc_module":4,"doc_module_name":47,"category_name":116,"show_sort_weight":98,"slug":117},54,"Penelitian & Laporan","research-report",{"id":119,"doc_module":4,"doc_module_name":47,"category_name":120,"show_sort_weight":98,"slug":121},49,"Sastra","literature",{"id":123,"doc_module":4,"doc_module_name":47,"category_name":124,"show_sort_weight":98,"slug":125},52,"Teknologi","technology",{"id":127,"doc_module":4,"doc_module_name":47,"category_name":128,"show_sort_weight":98,"slug":129},50,"Ujian","exam",{"id":131,"doc_module":4,"doc_module_name":47,"category_name":132,"show_sort_weight":98,"slug":133},57,"Umum","general",{"id":135,"doc_module":4,"doc_module_name":47,"category_name":136,"show_sort_weight":4,"slug":137},181,"Formulir","formulir"]