ANALISIS TUBERKULOSIS PADA ANAK BERBASIS DATA MINING MENGGUNAKAN ALGORITMA FP-GROWTH

Tuberkulosis (TB) adalah penyakit menular yang merupakan penyebab utama kesehatan yang buruk, salah satu dari 10 penyebab kematian teratas di dunia dan penyebab utama kematian dari agen infeksi tunggal (peringkat di atas HIV/AIDS). Ketua UKK Respiralogi IDAI pada tahun 2016 mengatakan bahwa masalah yang dihadapi pada TB anak adalah kesulitan diagnosis, pengobatan dan belum optimalnya program pencegahan. Berdasarkan data yang diperoleh melalui pengisian kuesioner oleh orang tua pasien tuberkulosis anak Klinik Pediatrica Husada, terdapat beberapa variabel yang berhubungan dengan tuberkulosis anak. Dengan variabel tersebut, maka akan dilakukan asosiasi untuk mengetahui keterkaitan antar variabel tuberkulosis anak. Salah satu teknologi yang dapat digunakan adalah Data Mining dengan metode Association Rules. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma FP-Growth yang diujicobakan pada dataset tuberkulosis anak yang diperoleh dari Klinik Pediatrica Husada dengan jumlah data yang diolah sebanyak 211 kejadian, dengan menggunakan minimum support = 0.35 diperoleh sebanyak 253 frequent itemset. Dari frequent itemset, proses penemuan aturan asosiasi dilakukan dengan menerapkan minimum confidence = 0.9, maka didapatkan aturan asosiasi setiap kecamatan yang terdapat dalam dataset. Aturan asosiasi yang didapatkan pada setiap kecamatan dilakukan uji lift ratio untuk menentukan kekuatan dari aturan sebagai hasil akhir aturan asosiasi. Jika nilai lift ratio kurang dari atau sama dengan (?) 1, maka hubungan sebab-akibat yang terjadi bersifat saling lepas satu sama lain. Sedangkan, jika nilai lift ratio lebih dari (>) 1, maka hubungan sebab-akibat yang terjadi bersifat saling berhubungan satu sama lain dan dapat dikatakan kejadian tersebut bukan kebetulan dan akan berulang.