IMPLEMENTASI ALGORITMA APRIORI PADA PENYEBAB KEMATIAN BAYI


Purnama, Rya Dita (2021) IMPLEMENTASI ALGORITMA APRIORI PADA PENYEBAB KEMATIAN BAYI. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Full text] Text (Full text)
D42116002_skripsi.pdf

Download (2MB)
[thumbnail of Bab I & II] Text (Bab I & II)
D42116002_skripsi_bab 1-2.pdf

Download (1MB)
[thumbnail of Cover]
Preview
Image (Cover)
D42116002_skripsi_cove1.jpg

Download (258kB) | Preview
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
D42116002_skripsi_dp.pdf

Download (682kB)

Abstract (Abstrak)

Angka Kematian Bayi (AKB) merupakan salah satu indikator kesejahteraan suatu bangsa yang mencerminkan tingkat masalah kesehatan masyarakat dan dapat menggambarkan status kesehatan penduduk secara umum. Angka Kematian Bayi (AKB) adalah kematian anak usia kurang dari satu tahun.
Berdasarkan data dari RSIA Sitti Khadijah 1 Muhammadiyah Cabang Makassar, RSIA Sitti Fatimah Makassar, RSIA Bahagia, dan RSUD Labuang Baji tahun 2014 s.d 2021, terdapat beberapa indikator penyebab yang menyebabkan kematian pada bayi. Dengan beberapa indikator penyebab kematian tersebut, maka akan dilakukan asosiasi untuk mengetahui keterkaitan antar faktor penyebab pada kematian bayi. Salah satu teknologi yang dapat digunakan adalah Data Mining dengan metode Association Rule.
Pada penelitian ini algoritma dari metode Association Rule yang diterapkan adalah algortima apriori. Faktor penyebab yang menjadi fitur dalam penelitian ini yaitu sianosis, kelainan kongenital, sepsis, hygroma colli, asfiksia, BBLR (Berat Badan Lahir Rendah), prematur, placenta pravia, RDS (Respiratory Distress Syndrom), dan pendarahan.
Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma apriori yang diujicobakan pada dataset penyebab kematian pada bayi dari RSIA Sitti Khadijah 1 Muhammadiyah Cabang Makassar, RSIA Sitti Fatimah Makassar, RSIA Bahagia, dan RSUD Labuang Baji tahun 2014 s.d 2021, dengan jumlah data yang diolah sebanyak 969 kejadian, dengan menggunakan nilai minimum support = 0.75 diperoleh panjang kombinasi item yang terbentuk sebanyak 2-itemset. Dari large itemset yang diperoleh proses penemuan aturan asosiasi dilakukan dengan menerapkan minimum confidence = 0.95 maka didapatkan 1 aturan asosiasi. Aturan asosiasi yang didapatkan yaitu jika terjadi kematian bayi akibat Sianosis maka berhubungan dengan penyebab kematian Kelainan Kongenital dengan keyakinan sebesar 95%. Nilai lift ratio pada hasil penelitian ini lebih dari 1, yaitu 1.17 yang menunjukkan bahwa hubungan dari aturan asosiasi bisa dikatakan kuat.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: data mining, algoritma apriori, pola keterkaitan, penyebab kematian bayi
Subjects: T Technology > T Technology (General)
Depositing User: Andi Milu
Date Deposited: 22 Aug 2022 07:30
Last Modified: 22 Aug 2022 07:30
URI: http://repository.unhas.ac.id:443/id/eprint/18204

Actions (login required)

View Item
View Item