Model aliran pembuatan keputusan berkait untuk penjagaan kesihatan penyakit kencing manis

• Main Authors: Normadiah Mahiddin,, Zulaiha Ali Othman,, Nur Arzuar Abdul Rahim,
• Format: Article
• Language: English
• Published: Penerbit Universiti Kebangsaan Malaysia 2021
• Online Access: http://journalarticle.ukm.my/17964/1/12.pdf; http://journalarticle.ukm.my/17964/; https://www.ukm.my/apjitm/articles-year.php

Penyakit kencing manis adalah satu daripada penyakit kronik yang kian meningkat. Pemberian rawatan yang tepat diperlukan bagi menghasilkan keberkesanannya. Kajian lepas telah mencadangkan satu Model Aliran Pembuatan Keputusan Berkait (MAPKB) sebagai penyelesaian sistem sokongan keputusan cerdas untuk penjagaan kesihatan. Model ini dapat memberikan keputusan yang tepat dalam menentukan rawatan penyakit tertentu. Oleh itu, tujuan kajian ini adalah membangunkan model penjagaan kesihatan penyakit kencing manis berasaskan MAPKB bagi menilai ketepatan membuat keputusan yang meningkat dengan konsep MAPKB. Konsep MAPKB membolehkan jumlah data bertambah dengan pertambahan rekod data pada peringkat penjagaan yang sama, dan pertambahan rekod data dan atribut dari peringkat penjagaan sebelum atau selepasnya. Semakin bertambah data atau maklumat, semakin tepat sesuatu keputusan dapat dibuat. Data dibangunkan bagi membuat ramalan diagnosis untuk setiap peringkat penjagaan dalam perkembangan penyakit kencing manis jenis 2. Pembangunan data pada setiap peringkat penjagaan disahkan oleh pakar perubatan. Walaubagaimanapun, eksperimen dilaksana menggunakan data simulasi bagi dua peringkat penjagaan sahaja. Empat set data berlainan saiz disediakan untuk melihat perubahan ketepatan ramalan. Setiap set data mengandungi 2 set data peringkat penjagaan primer dan peringkat penjagaan sekunder dengan 4 kali perubahan jumlah atribut dari 25 hingga 58 dan jumlah rekod dari 300 hingga 11,000. Hasil eksperimen menunjukkan secara purata, algoritma J48 menunjukkan model terbaik (99%) diikuti Logistik (98%), RandomTree (95%), NaiveBayes Updateable (93%), BayesNet (84%) dan AdaBoostM1 (67%).Analisis nisbah juga menunjukkan ketepatan model ramalan telah meningkat sehingga 49%. Model MAPKB untuk penjagaan penyakit kecing manis ini telah direkabentuk dengan kriteria perubahan data secara dinamik dan berupaya membangunkan model ramalan terbaru yang dinamik dengan berkesan.