IDENTIFIKASI POLA DATA HIPERTENSI DENGAN IMPLEMENTASI METODE ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI

Aprian Hidayat, Rifan (2019) IDENTIFIKASI POLA DATA HIPERTENSI DENGAN IMPLEMENTASI METODE ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. COVER.pdf

Download (13kB)
[img] Text
3. ABSTRAK.pdf

Download (105kB)
[img] Text
4. KATA PENGANTAR.pdf

Download (258kB)
[img] Text
5. DAFTAR ISI.pdf

Download (91kB)
[img] Text
6 BAB I - PENDAHULUAN.pdf

Download (291kB)
[img] Text
7 BAB II - LANDASAN TEORI.pdf

Download (482kB)
[img] Text
8 BAB III - METODOLOGI.pdf

Download (171kB)
[img] Text
9 BAB IV - PEMBAHASAN.pdf
Restricted to Registered users only

Download (894kB)
[img] Text
10 BAB V - KESIMPULAN DAN SARAN.pdf
Restricted to Registered users only

Download (186kB)
[img] Text
11 DAFTAR PUSTAKA.pdf

Download (90kB)

Abstract

Penyakit Hipertensi atau penyakit darah tinggi sudah yang dianggap ‘biasa’ bagi masyarakat Indonesia karena intensitas kejadiannya yang semakin tinggi di setiap tahunnya. Wilayah Kota Tasikmalaya menjadi perhatian pihak praktisi kesehatan terkait masalah penyakit hipertensi atau darah tinggi. Salah satu analisis data yang dapat dilakukan untuk mengetahui pola data penyakit hipertensi yang terjadi adalah dengan menggunakan teknik data mining dengan metode analisa asosiatif menggunakan algoritma Apriori. Pola hubungan antar data dapat dicari dengan melihat relasi variabel antar pasien penyakit hipertensi, data yang dikumpulkan meliputi data identitas diri pasien diantaranya Jenis kelamin, Usia, Profesi dan Klasifikasi Hipertensi pasien. Rumus perhitungan metode asosiatif melibatkan 3 proses pehitungan yaitu pencarian nilai support, confidence dan lift ratio dengan batas minimum dari ketiganya yaitu minimum support 0,15, minimum confidence 70% dan lift ratio 1,1. Proses perhitungan melibatkan dua cara pengerjaan yaitu secara manual dan menggunakan software data mining Tanagra 1.4, pada masing-masing perhitungan menghasilkan 3 iterasi itemset, dengan jumlah dan nilai yang berbeda sebab aturan pengambilan angka dibelakang koma serta aturan pembulatan yang berbeda. Pola kombinasi yang terjadi sebanyak 3 iterasi diketahui bahwa terdapat variabel data personal pasien hipertensi yang memiliki kecenderungan muncul pada setiap relasi data hipertensi yaitu relasi yang didapat antara variabel Jenis Kelamin ∩ Profesi kombinasi itemnya Perempan ∩ Mengurus Rumah Tangga, Jenis Kelamin ∩ Klasifikasi kombinasi itemnya Perempuan ∩ Hipertensi2, Usia ∩ Jenis Kelamin kombinasi itemnya 41-50 ∩ Perempuan, dan Klasifikasi ∩ Jenis Kelamin ∩ Profesi kombinasi itemnya yaitu Hipertensi2 ∩ Perempuan ∩ Mengurus Rumah Tangga. Kata Kunci: Apriori, Analisa, Asosiatif, Data Mining, Hipertensi.

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 09 Aug 2019 08:43
Last Modified: 13 Aug 2019 08:09
URI: http://repositori.unsil.ac.id/id/eprint/244

Actions (login required)

View Item View Item