Menurut Pramudiono (2006) Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Data Mining merupakan suatu proses kegiatan untuk untuk menemukan, menggali informasi /pengetahuan yang berguna secara otomatis dari sekumpulan data yang jumlah besar. Data Mining juga disebut analisis kumpulan data besar untuk menemukan pola dan menggunakan pola-pola itu untuk memperkirakan atau memprediksi kemungkinan peristiwa masa depan.
Seiring berkembangan dan kemajuan dibidang teknologi, yang diantaranya adalah artificial intelligence, database, statistic, pemodelan matematika, pengolahan citra dan sebagainya. Pemanfaatan IT sendiri telah masuk dan digunakan dalam banyak dalam bidang, salah satunya adalah dibidang kesehatan.
Data Mining memiliki potensi besar bagi di bidang kesehatan memungkinan sistem kesehatan untuk secara sistematis menggunakan data dan analitik. mengindentifikasi ketidakefiesien dan praktek terbaik yang meningkatkan kesehatannya. Â
Secara umum, penerapan data mining dalam bidang kesehatan berperan untuk mencegah kejadian medical error yang terbagi menjadi 3 mekanisme besar, yaitu :
1. Pencegahan (Adverse Event)
2. Respon Cepat
3. Umpan Balik.
Salah satu penerapan data mining yang paling tekenal pada saat ini adalah penggunaan data mining untuk sistem atau aplikasi yang dapat memprediksi atau mengperhitungan penyakit seseorang. Sebagai contohnya adalah mode data mining dapat memprediksi penyakit Hipertensi Kehamilan dengan Teknik Decision Tree dan juga diagnosa tingkat kesehatan pasien menggunakan Metode Decision Tree dengan pemodelan Data Mining.
Decision Tree merupakan salah satu teknik atau metode yang sangat banyak digunakan dalam penerapan data mining. Decision Tree adalah teknik klasifikasi dan prediksi yang sangat akurat serta mudah dipahami. Decision Tree sendiri terdapat lagi yang dikenal dengan nama algoritma C4.5 sebagai algoritma yang mendukung sistem keputusan dalam data mining. Algoritma C4.5 adalah salah satu algoritma yang digunakan dalam decision tree. Algoritma C4.5 merupakan pengembangan dari algoritma ID3 (Iterative Dichotomiser 3) yang dikembangkan oleh J.Ross Quinlan.
Secara umum, langkah-langkah algortima C4.5 dalam membangun decision tree adalah sebagai berikut.
1. Pilih atribut sebagai akar.
