ANALISIS DATA MINING PENYAKIT DEMAM BERDARAH MENGGUNAKAN TEKNIK KLASTERING DAN ASOSIASI = DATA MINING ANALYSIS OF DENGUE FEVER USING CLUSTERING AND ASSOCIATION TECHNIQUES

Pemanfaatan data mining dengan teknik clustering dan asosiasi menjadi solusi dalam mengelompokkan data dan mencari karakteristik berdasarkan wilayah atau alamat hasil cluster data penyakit demam berdarah di Kota Makassar, serta pada pemanfaatan asosiasi menjadi solusi dalam membantu analisis pola-pola variabel terhadap penyakit demam berdarah untuk mengurangi,menanggulangi kenaikan penyakit demam berdarah. Penelitian ini mengimplementasikan dua metode yaitu metode asosiasi dengan algoritma FP-Growth dan metode clustering dengan algoritma K-Means. Set data yang digunakan adalah data pasien Demam Berdarah (DBD) pada Rumah Sakit Bhayangkara dari tahun 2019 hingga tahun 2022. Penerapan algoritma FP-Growth dilakukan dengan beberapa tahapan yaitu dalam peng-input-an dataset, menentukan minimum support dan minimum confidence, tahap Pembangunan FP-Tree, pembangkitan conditional pattern base, pembangkitan conditional FP-Tree, pencarian frequent itemset, aturan asosiasi dan perhitungan nilai Lift ratio. Digunakan nilai minimum support sebesar 0,09 dan nilai minimum confidence sebesar 0,8 dimana menghasilkan aturan asosiasi untuk beberapa Kecamatan yang ada pada dataset. Dengan variabel yang berkaitan diantaranya, Pasien tidak pernah vaksin, Pasien mengalami gejala DBD, Pasien pernah Opname, Pasien pernah mengalami gejala DBD, Keluarga pasien tidak pernah DBD, Kondisi IMT pasien normal, Jendela/Ventilasi berkawat, dan jenis kelamin laki-laki. Penggunaan algoritma k-means clustering dalam mengelompokkan data DBD dari 23 Kecamatan di Kota Makassar dan Kabupaten Gowa dengan 22 parameter menghasilkan sebanyak 6 clustering dengan parameter yang berbeda-beda diantaranya. Adapun nilai Silhouette Coefficient, yaitu sebesar 0,5228, 0,6231, 0,6595, 0,3207, 0,5874, dan 0,7606. Dan nilai SSE nya yaitu sebesar 9,1974, 12,049, 13,9711, 21,2452, 7,4372, dan 8,5803. Dimana tiap kecamatan dapat termasuk dalam 1 cluster atau lebih yang menunjukkan cluster yang paling berpengaruh terhadap DBD di kecamatan tersebut.

Keyword : DBD, FP-Growth, K-Means, data mining