Penerapan Association Rules Menggunakan Algoritma Fp-Growth Untuk Identifikasi Pola Gejala Penyakit Anak Di Bawah Lima Tahun (Balita)
Usia lima tahun pertama merupakan masa kehidupan yang penting dan perlu perhatian yang serius. Penyakit pada anak memiliki indikasi yang beragam dan gejala yang muncul hampir memiliki kemiripan yang menyebabkan tenaga medis dan masyarakat awam kesulitan untuk mengenali jenis penyakit yang diderit...
Saved in:
Main Author: | |
---|---|
Format: | Theses and Dissertations NonPeerReviewed |
Language: | Indonesian Indonesian Indonesian Indonesian |
Published: |
2019
|
Subjects: | |
Online Access: | http://repository.unair.ac.id/91591/9/ABSTRAK%20ST.SI.37-19%20Tri%20p.pdf http://repository.unair.ac.id/91591/10/DAFTAR%20ISI%20ST.SI.37-19%20Tri%20p.pdf http://repository.unair.ac.id/91591/11/DAFTAR%20PUSTAKA%20ST.SI.37-19%20Tri%20p.pdf http://repository.unair.ac.id/91591/4/FULL%20TEXT%20ST.SI.37-19%20Tri%20p.pdf http://repository.unair.ac.id/91591/ http://lib.unair.ac.id |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Universitas Airlangga |
Language: | Indonesian Indonesian Indonesian Indonesian |
Summary: | Usia lima tahun pertama merupakan masa kehidupan yang penting dan perlu
perhatian yang serius. Penyakit pada anak memiliki indikasi yang beragam dan gejala yang
muncul hampir memiliki kemiripan yang menyebabkan tenaga medis dan masyarakat
awam kesulitan untuk mengenali jenis penyakit yang diderita. Dalam bidang kesehatan
ketersediaan data rekam medis sudah bukan lagi hal yang sulit diperoleh, namun data ini
sering kali diperlakukan hanya sebagai rekaman tanpa pengolahan lebih lanjut sehingga
tidak mempunyai nilai guna lebih untuk keperluan masa mendatang. Identifikasi dari
koleksi data rekam medis yang didapat dari Puskesmas Blabak Kabupaten Kediri akan
menghasilkan pengetahuan atau informasi berupa pola gejala penyakit dan hubungan
asosiasi pada data sebagai upaya menjaga kesehatan balita dan antisipasi sehingga dapat
mengurangi dampak terjadinya penyakit. Penelitian ini bertujuan untuk mengidentifikasi
pola gejala penyakit balita menggunakan algoritma FP-Growth untuk mengetahui atribut
pasien serta gejala penyakit manakah yang sering muncul secara bersamaan.
Tahapan identifikasi pola gejala penyakit pada balita dilakukan dalam enam tahap.
Tahap petama adalah pengumpulan data yaitu data berobat pasien. Tahap kedua adalah
pengolahan data dengan beberapa tahapan yaitu data cleaning, data selection dan data
transformation. Tahap ketiga adalah identifikasi pola penyakit menggunakan aplikasi
WEKA dengan meginputkan minimum support, minimum confidence dan memilih jenis
penyakit. Tahap keempat seleksi rules. Tahap kelima menghitung Lift ratio pada rules
untuk mengetahui apakah rules dapat digunakan untuk analisis. Tahap keenam analisis
rules, atribut pasien serta gejala penyakit apa saja yang muncul pada rules.
Data yang digunakan pada penelitian ini setelah dilakukan cleaning berjumlah 611
data berobat. Rules yang dihasilkan dari 12 penyakit yaitu Batuk bukan pneumonia,
Pneumonia, Pneumonia Berat, Diare tanpa dehidrasi, Diare dehidrasi ringan, Diare
dehidrasi berat, Diare Persisten, Disentri, Demam mungkin bukan DBD, Campak, Campak
dengan komplikasi dan Demam berdarah (DBD). Berdasarkan analisis terhadap data
berobat pasien balita menggunakan minimum support ≤0.3, minimum confidence 0.95 dan
kombinasi itemset lebih dari 1 pada antecedent, diperoleh hasil berupa rule setiap penyakit
yang mengandung gejala penyakit serta atribut pasien. Rules yang digunakan analisis
memiliki nilai confidence = 1 dan nilai Lift = 1 yang artinya setiap item yang dihasilkan
independent atau tidak ada korelasi dan rules yang dihasilkan dapat digunakan untuk
analisis. |
---|