Pencarian Pola Asosiasi Spasial Kasus DBD Di Surabaya Menggunakan Algoritma Apriori

Oktavianto, Hardian (2007) Pencarian Pola Asosiasi Spasial Kasus DBD Di Surabaya Menggunakan Algoritma Apriori. Other thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 1200100072-Undregraduate_Thesis.pdf - Accepted Version Download (4MB)

Abstract

Spatial association rule adalah salah satu metode pada data mining spasial untuk mendapatkan suatu hubungan/relasi, asosiasi, dan korelasi dalam suatu basis data spatial. Proses rule mining terdiri dari dua buah tahap yaitu pencarian frequent itemset dan generate rule. Rule yang terbentuk merupakan kombinasi diantara item - item pada frequent itemset. Preproses data dilakukan untuk mendapatkan data yang siap digunakan pada keseluruhan proses mining. Pada tugas akhir ini diaplikasikan metode spatial association rule mining dalam bidang kesehatan dengan focus kasus penyakit menular Demam Berdarah Dengue (DBD) di kotamadya surabaya menggunakan algoritma apriori. Data spasial yang digunakan adalah data letak geografis rawa dan fasilitas kesehatan, sedangkan untuk data non spasial yang digunakan adalah data jumlah kasus DBD dan data kepadatan penduduk di kotamadya Surabaya. Pada preproses data dilakukan kategorisasi berdasarkan parameter yang dimasukkan oleh user, kategorisasi untuk jumlah kasus DBD dan kepadatan penduduk adalah rendah, sedang, atau tinggi, sedangkan kategorisasi untuk fasilitas kesehatan dan rawa adalah dekat atau jauh. Pada pencarian frequent itemset digunakan algoritma apriori. Dari hasil penelitian didapatkan pola asosiasi yang sering terjadi adalah suatu kelurahan dengan tingkat kepadatan yang tinggi akan memiliki jumlah kasus DBD yang tinggi
===================================================================================================================================
Spatial association rule is a method in spatial data mining to obtain relationships, associations and correlations in a spatial database. The rule mining process consists of two stages, namely searching for frequent itemsets and generating rules. The rule formed is a combination of items in the frequent itemset. Data preprocessing is carried out to obtain data that is ready to be used in the entire mining process. In this final project, the spatial association rule mining method is applied in the health sector with a focus on cases of the infectious disease Dengue Hemorrhagic Fever (DHF) in the municipality of Surabaya using an a priori algorithm. The spatial data used is data on the geographical location of swamps and health facilities, while the non-spatial data used is data on the number of dengue fever cases and population density data in the Surabaya municipality. In data preprocessing, categorization is carried out based on parameters entered by the user, categorization for the number of dengue cases and population density is low, medium or high, while categorization for health facilities and swamps is near or far. In frequent itemset search, an a priori algorithm is used. From the research results, it was found that a pattern of association that often occurs is that a sub-district with a high level of density will have a high number of dengue fever cases

Item Type:	Thesis (Other)
Additional Information:	RSMa 518.1 okt p-1 2007
Uncontrolled Keywords:	Data Mining, Spatial Data Mining, Association Rule, Spatial Association Rule
Subjects:	Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	07 May 2024 02:58
Last Modified:	07 May 2024 02:58
URI:	http://repository.its.ac.id/id/eprint/107940

Actions (login required)

View Item