Sistem Diagnosa Penyakit Anak Di Bawah Lima Tahun (Balita) Menggunakan Principal Component Analysis (PCA) Dan Algoritma Apriori

• Main Authors: Rimuljo Hendradi, Indah Werdiningsih, Purbandini, Elly Ana
• Format: Monograph NonPeerReviewed
• Language: Indonesian
• Published: UNIVERSITAS AIRLANGGA 2018
• Subjects: R735-854 Medical education. Medical schools. Research
• Online Access: https://repository.unair.ac.id/115691/1/KKC%20KK%20LP%2045-19%20Hen%20s.pdf; https://repository.unair.ac.id/115691/; http://www.lib.unair.ac.id
• Institution: Universitas Airlangga

Tujuan utama dari penelitian ini membangun Sistem Diagnosa Penyakit Anak di Bawah Lima Tahun (Balita) Menggunakan Principal Component Analysis (PCA) dan Algoritma Apriori. Principal Component Analysis (PCA) digunakan untuk mereduksi fitur yang mempengaruhi penyakit anak di Bawah Lima Tahun (Balita) berdasarkan korelasi antar atribut. Klasifikasi penyakit anak di Bawah Lima Tahun dibagi menjadi 16 penyakit yaitu: Batuk, Pneumonia, Pneumonia Berat, Diare, Diare Dehidrasi Ringan, Diare Dehidrasi Berat, Diare Persisten, Diare Persisten Bcrat, Disentri, Demam, Demam dengan Tanda Bahaya Umum, Campak, Campak dengan Komplikasi Berat, Campak dengan Kornplikasi, Demam mungkin Demam Berdarah Dengue (DBD), dan DBD, Penelitian ini terdapat tiga tahapan yang harus dilakukan, yaitu reduksi variabel, identifikasi dan klasifikasi. Tahap identifikasi dilakukan pada tahun pertama dan klasifikasi dilakukan pada tahun kedua. Sedangkan reduksi variabel dilakukan di kedua tahun. Hasil dari reduksi digunakan untuk proses identifikasi dan klasifikasi. Variabel yang digunakan adalah umur, jenis kelarnin, berat badan, tinggi badan, dan 26 gejala. Data yang digunakan merupakan data rekam medis pasien dari balai kesehatan di Desa Soko, Kecamatan Glagah, Kabupaten Lamongan dan salah satu rumah sakit di Surabaya. Reduksi variabel merupakan pengurangan variabel dengan mengeliminasi komponen yang lemah. Hasil dari reduksi variabel berupa variabel yang berpengaruh untuk proses identifikasi dan klasifikasi. Setelah mengetahui pola yang terjadi langlath selanjutnya adalah mengklasifilasikan penyakit tersebut. Klasifikasi digunakan untuk mendiagnosa penyakit balita. Kiasifilcasi menggunakan K-Nearest Neighbor (KNN) Classifier dan rule based system. Rule based system terdiri dari forward chaining dan CBR. CBR berfokus pada 3 perhitungan, yaitu Nearest Neighbor Similarity (NNS), Minskowski Distancc Similarity (MDS) dan Euclidean Distance Similarity (EDS). Evaluasi system dilakukan dengan membandingkan nilai akurasi klasifikasi tanpa reduksi fitur dan menggunakan PCA dan KNN classifier, PCA dan Forward chaining, PCA dan Case Base Reasoning (CBR) classifier. Berdasarkan hasil uji coba dengan menggunalcan data sebanyak 600 data diperoleh akurasi yang optimal diperoleh sebesar 93% menggunakan CBR-MDS classifier menggunakan reduksi variabel. Pada penelitian ini diharapkan dapat dibangun system diagnosa penyakit balita yang dapat digunakan masyarakat dan membantu tenaga medis di balai kesehatan untuk mendiagnosa secara dini dari penyakit balita.