 Â
       Â
       Di sebuah Rumah Sakit pasti terdapat banyak sekali data rekam medis yang belum dimanfaatkan secara maksimal. Seringkali data rekam medis hanya menjadi data yang menumpuk dan tidak dilakukan penelusuran untuk menghasilkan pengetahuan yang berguna bagi Rumah Sakit.  Selain dapat menjadi sumber pengetahuan bagi Rumah Sakit, data tersebut juga dapat memberikan informasi tersembunyi yang dijadikan pengambilan keputusan yang efektif oleh para praktisi kesehatan. Ternyata sejumlah besar data rekam medis yang terdapat dalam Rumah Sakit memiliki banyak nilai yang jika di teliti atau digali lebih dalam lagi dapat memberikan hasil tidak hanya kepada para pasien melainkan juga dapat memberikan keuntungan juga pada pihak Rumah Sakit.
       Setelah mengetahui bahwa data rekam medis masih dapat memberikan keuntungan tentunya banyak pihak yang ingin menggali lebih dalam lagi tentang hal tersebut dan bagaimana cara agar mereka dapat memperoleh hal yang lebih banyak lagi dari data rekam medis yang selama ini terdapat dalam Rumah Sakit. Dengan adanya kemajuan teknologi, Rumah Sakit juga ikut serta membangun sistem dan juga berlomba-lomba untuk memajukan kemampuan teknologi yang ada didalam Rumah Sakit tersebut. Untuk memajukan teknologi dalam sistem Rumah Sakit ini tentunya diperlukan data-data. Data tersebut dapat diperoleh melalui data rekam medis yang sudah ada sebelumnya, nantinya data tersebut dapat di kelola menggunakan Data Mining.
  Â
      Terdapat beberapa pengertian data mining dari bermacam-macam ahli, beberapa diantaranya adalah pengertian data mining menurut Gartner Group,data mining adalah proses menemukan hubungan baru yang mempunyai arti, pola dan kebiasaan dengan memilah-milah sebagian besardata yang disimpan dalam media penyimpanan dengan menggunakan teknologi pengenalan pola seperti teknik statistik dan matematika. Data mining merupakan gabungan dari beberapa disiplin ilmu yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database yang besar.
       Data mining menurut David Hand, Heikki Mannila, dan Padhraic Smyth dari MIT adalah analisa terhadap data (biasanya data yang berukuran besar) untuk menemukan hubungan yang jelas serta menyimpulkannya yang belum diketahui sebelumnya dengan cara terkini dipahami dan berguna bagi pemilik data tersebut. Sehingga dapat dikatakan data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.
        Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu Description (Deskripsi), Estimation (Estimasi), Prediction (Prediksi), Classification (Klasifikasi), Clustering (Pengklusteran). Data Mining pada Rumah Sakit dimanfaatkan untuk mengklasifikasikan penyakit berdasarkan tumpukan data rekam medis, menggunakan salah satu metode dalam data mining, yaitu algoritma C4.5, untuk mencapai tujuan penelitian, maka dipilih 4 atribut sesuai data rekam medis. Data rekam medis yang dimaksud terdiri dari atribut diagnosa penyakit berdasarkan International Classification of Diseases-10th (ICD-10), jenis kelamin, umur pasien, bulan masuk pasien ke Rumah Sakit. Hasil penelitian menunjukkan bahwa ada 5 jenis klasifikasi penyakit, yaitu A00-B99, I00-I99, J00-J99, O00-O99 dan Z00Z99. Sehingga dari data rekam medis tersebut dapat membantu mengklasifikasikan data rekam medis pasien sesuai dengan kode penyakit internasional. Dengan algoritma C4.5 dengan output pohon keputusan memberikan informasi rule diagnosa kode penyakit yang sering terjadi dengan mengklasifikasikan diagnosa penyakit berdasarkan jenis kelamin, umur dan tanggal pasien dirawat.
       Selain untuk mengklasifikasikan data rekam medis yang terdapat di Rumah Sakit, data mining juga dapat digunakan untuk memprediksi penyakit jantung yang mungkin akan di derita oleh para pasien Rumah Sakit. Penyakit jantung merupakan penyakit nomor satu yang mendorong angka kematian yang cukup tinggi di Indonesia, sehingga penyakit tersebut masih ditkuti oleh manusia. Oleh karena itu penyakit jantung perlu diprediksi sehingga praktisi kesehatan di Rumah Sakit dapat lebih tepat dan akurat dalam mengambil keputusan.
       Berdasarkan penelitian-penelitian yang telah dilakukan untuk memprediksi penyakit jantung, diperoleh hasil bahwa data mining menggunakan metode Decision Tree mempunyai hasil yang terbaik. Akan tetapi penerapan algoritma Decision Tree (C4.5) dalam prediksi penyakit jantung akurasinya masih belum mencapai level excellence sehingga akurasi metode algoritma Decision Tree ditingkatkan dengan metode Adaboost dalam memecahkan masalah prediksi jantung.
       Ternyata terdapat perbedaan antara hasil penelitian prediksi penyakit jantung dengan menggunakan algoritma C4.5 dengan hasil penilitan yang menggunakan algoritma C4.5 berbasis Adaboost. Terbukti setelah melakukan penelitian Penerarpan Algoritma C4.5 Berbasis Adaboost  Untuk  Prediksi Penyakit Jantung, peneliti tersebut memperoleh hasil yang positif. Saat peneliti menggunakan data mining dengan algoritma C4.5 saja diperoleh hasil dengan akurasi sebesar 86,59% sedangkan untuk penelitian yang menggunakan algoritma C4.5 berbasis Adaboost memiliki nilai akurasi sebesar 92.24% dengan selisih akurasi 5,65%.
