Kesimpulan PENGUJIAN DAN PEMBAHASAN

BABVII KESIMPULAN DAN SARAN

7.1. Kesimpulan

Berdasarkan penelitian ini dapat disimpulkan beberapa hal, sebagai berikut : 1. Penerapan datamining dengan metode CPAR pada database DINKES DKI Jakarta dikaitkan dengan data cuaca, menemukan adanya keterkaitan, yaitu : Kelembaban udara , Penyinaran matahari dan Curah hujan menjadi penentu utama apakah terjadi wabah DBD pada suatu wilayah. 2. Pola prediksi DBD berbeda untuk wilayah Jakarta Pusat dan Jakarta Selatan. Wilayah Jakarta Selatan, Faktor cuaca yang memicu DBD kondisi merah adalah : Kelembaban udara tinggi, penyinaran matahari rendah - sedang, curah hujan normal dan suhu udara normal Faktor cuaca yang memicu DBD kondisi kuning adalah : Kelembaban udara normal, penyinaran matahari normal, curah hujan rendah, dan suhu udara normal - tinggi Faktor cuaca yang memicu DBD kondisi hijau adalah : Penyinaran matahari penuh, curah hujan sangat rendah, dan suhu udara tinggi Wilayah Jakarta Pusat, Faktor cuaca yang memicu DBD kondisi merah adalah : Penyinaran matahari rendah, curah hujan sedang - normal, kelembaban udara tinggi, suhu udara sedang. Faktor cuaca yang me micu DBD kondisi kuning adalah : Curah hujan sangat rendah, kelembaban udara normal, penyinaran matahari penuh, suhu udara tinggi. Faktor cuaca yang memicu DBD kondisi hijau adalah : Penyinaran matahari penuh, curah hujan sangat rendah, dan suhu udara tinggi. 3. Kemungkinan DBD per minggu per wilayah berdasarkan data kejadian ; Jakarta Selatan : Kondisi DBD Merah : Minggu ke 1-7, 13-20 dan 42-52; selebihnya kondisi DBD kuning dan sebagian hijau atau tidak terjadi DBD. Jakarta Pusat : Kondisi DBD Merah : Minggu ke 2-7, dan 10 – 12; Selebihnya kondisi DBD kuning dan sebagian hijau tidak terjadi DBD. 4. Sebagai tindakan cegah dini wabah DBD, maka diprediksikan kemungkinan wabah DBD untuk tahun 2007 di wilayah Jakarta Selatan adalah : Sepanjang tahun 2007 kemungkianan terjadi wabah DBD dengan kondisi merah, kecuali pada minggu ke 31, 34 dan 35 kondisi wabah DBD menurun sesuai dengan factor cuaca ke kondisi kuning dan hijau, sedangkan pada tahun 2008, walaupun pada minggu 22, 27, 34-37 dan 51 tidak terjadi DBD, akan tetapi tetap harus diwaspadai karena selain minggu – minggu tersebut kemungkinan DBD tetap terjadi. 5. Menurunkan nilai Gain Similarity Ratio dapat menggali aturan – aturan lain yang sebelumnya tersembunyi. 7.2.Saran Berdasarkan hasil penelitian ini, maka dapat disarankan : 1. Perlu ditambahkan atribut – atribut selain atribut cuaca, misalnya data atribut kepadatan penduduk, data bebas jentik suatu wilayah dan data geografis dll yang mempunyai potensi untuk mempengaruhi terjadinya wabah DBD disuatu wilayah. 2. Pengelompokkan atribut lebih dipersempit rentangnya sehingga diharapkan dapat dihasilkan aturan yang lebih detil dan lebih baik. 3. Dalam menggunakan Aplikasi DBD ini maka perlu dipersiapkan antara lain : • Perangkat lunak Matlab 7.0 R 14 dan Perangkat lunak Minitab R 11 for Windows. • Data cuaca rata – rata per minggu wilayah Jakarta Selatan dan Jakarta Pusat. 94 DAFTAR PUSTAKA 1. Adriaans P, Zantinge D, Data Mining, Addison-Wesley Longman, London, England, 1996. 2. Berry M.J.A, Linoff, G.S, mastering Data Mining “The Art Science of CRM”, Willey , 2000. 3. Brookshear,J.G, Computer Science, Suatu Pengantar, Edisi 7, Erlangga, 2003 . 4. Breault J.L, Data Mining Diabetic Database:”Are Rough sets a Useful Addition”, Depart. Of health system management, Tulane university, 2000. 5. Brosette S.E, A Data Mining System for Infection Control Surveillance, www.medmined.comimagepdfMIMPaper.pdf, 2000. 6. Box E.P.G, Jenkins, M Gwilym, Time Series Analysis : Forecasting and Control, 1970. 7. Coenen F, The LUCS-KDD Implementations of CPAR Classification Based on Predictive Association Rules, Department of Computer Science The University of Liverfool, 2004. 8. Corey M, Abbey M, Abramson I, Taub B, Oracle 8i: Data Warehousing, Osborne McGraw-Hill. 2001. 9. Dinas Kesehatan Propinsi DKI Jakarta, “Data Surveilans Penyakit Tahun 2003”. 2004. 10. Dinas Kesehatan DKI Jakarta, Demam Berdarah Aedes Aegypti, www. Dinkesdkijakarta.gov. 2003. 11. Fayyad U, Piatetsky-Shapiro G, Smyth P, From Data Mining to Knowledge Discovery in Database, AAAI, 1996. 12. Ferren G, Merwe M, Fleaming G, Murphy K, Fuzzy Expert System and GIS for Cholera Health Risk Prediction in Southern Africa, The South African Council for Scientific and Industrial research CSIR, 2004. 13. Grosman Robert, Data Mining Research : Opportunities and Challenges “ A Report of three NSF workshops on mining large, massive, and distributed data”, January 1999. 95 14. Herwanto, Pembangunan Sistem Data mining untuk Mendiagnosa Penyakit Diabetes Menggunakan Algoritma CPAR Classification Based on Predictive Association Rules, Thesis Pascasarjana, IPB, 2006. 15. Hirota K and Pedrycz W, Linguistic Data Mining and Fuzzy Modeling, Procceding of IEEE fifth International Fuzzy System, New Orleans, LA, 1996. 16. Ishwar K Seti, Data mining : An Introduction, Intelligent Information Engineering Laboratory, Departement of Computer Scie nce and Engineering, Oakland University, 2002 17. Jeffrey W, Data Mining : An Overview, CRS report for Congress, 2004. 18. Kantardzic M, Data Mining : Concepts, Models, Methods, and Algorithms, A john wiley sons, inc., Publication, 2003. 19. Marimin, Teori dan Aplikasi Sistem Pakar dalam teknologi Manajerial, IPB Press, Bogor, 2002. 20. Ramachandran R, Application of fuzzy logic in data mining, computer science department university of Alabama, 1998. 21. Scales R, Embrechts M, Computational Intelligence Technique for Medical Diagnostics, Walter Lincoln Hawkins, 2002. 22. Sucahyo, Data Mining : Menggali Informasi yang Terpendam, www. Ilmu Komputer.com , 2003. 23. Yin X, Han J, CPAR : Classification based on Predictive Association Rules, University of Illinois at Urbana – Champaign, 2003. 24. Zimmermann HJ, Fuzzy Sets, Decission Making and Expert System, Kluwer Academic Publisher, Boston, 1987. xix PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA OLEH HENDRA LUKITO NRP : G 651030184 PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007 xxi PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA HENDRA LUKITO G 651030184 Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains Pada Program Studi Ilmu Komputer PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 xx SEMINAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR Nama : Hendra Lukito Nomor Pokok : G 651030184 Program Studi : Ilmu Komputer Judul Penelitian : Perumusan Pola Penye baran Demam Berdarah Melalui Datamining Pada Database Dinas Kesehatan DKI Jakarta Komisi Pembimbing : Prof. Dr. Ir. Marimin, M.Sc Ketua Dr.drh. Hamdani Nasution Anggota Kelompok Bidang Studi : Keteknikan dan Teknologi Informasi Hari Tanggal : Kamis, 18 Januari 2007 Waktu : 09.00 – 10.00 Tempat : Ruang Sidang Fateta, IPB Darmaga, Bogor i SURAT PERNYATAAN Saya menyatakan dengan sebenar – benarnya bahwa segala pernyataan dalam tesis saya berjudul : PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA Merupakan gagasan atau hasil penelitian tesis saya sendiri, dengan arahan Komisi Pembimbing, kecuali yang dengan jelas ditunjukkan rujukannya. Tesis ini belum pernah diajukan untuk memperoleh gelar atau capaian akademik lainnya pada program sejenis di perguruan tinggi lain. Semua data dan informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya. Jakarta, 15 Maret 2007 Yang Membuat Pernyataan HENDRA LUKITO ii ABSTRACT HENDRA LUKITO, The Formulation of Demam Berdarah Dengue Spread Pattern Through Datamining of Dinas Kesehatan DKI Jakarta Database. Supervised by MARIMIN and HAMDANI NASUTION. The Objectives of this research were to identify the most important attributes and to formulate decision rules from Dinas Kesehatan DKI Jakarta database. The real survailance data set used collected from Dinas Kesehatan Jakarta from 2004 until 2005 which include DBD data in Jakarta area. We used data set only from Central Jakarta and South Jakarta area. There are two main steps considered for identification of the pattern of DBD, data mining process building which using Classification based association algorithm and creates application program to implement the algorithm. Three steps procedures are implemented for data mining process building. The first step is to deal with mi ssing values. The second step is the discretization, where, each variable is devided into limited number of values groups. The thrid step is creating rule mining and classification. There are 68 data with yellow DBD condition and 134 data with red DBD cond ition and weather data set consisted of 14 variabels data such as: temperatures, rainy, humadity and sunny. The maximum predictive accuracy for DBD with red condition is 88 and for DBD with yellow condition is 77. The decision rules are used to predict the condition of DBD. Prediction result from application will be used to forecast the future condition of DBD at certain district. Keywords : DBD Demam Berdarah Dengue, Datamining, Fuzzy rule base, Winter’s forecast method. iii RINGKASAN HENDRA LUKITO, Perumusan Pola Penyebaran Demam Berdarah Melalui Datamining Pada Database Dinas Kesehatan DKI Jakarta, Dibawah bimbingan Prof. Dr. Ir. Marimin, M.Sc, Dr. drh. Hamdani Nasution. Siklus DBD yang terjadi setiap tahun di DKI Jakarta dengan jumlah kasus yang meningkat setiap tahunnya, membuat data survailance tentang DBD yang di catat secara rutin oleh Dinas Kesehatan DKI Jakarta akan menjadi semakin besar, akan tetapi data yang telah di kumpulkan tersebut tidak selalu dapat dimanfaatkan oleh semua pihak, hanya pihak tertentu saja yang dapat memanfaatkan data tersebut secara maksimal. Selain hal tersebut, pada permasalahan DBD terdapat suatu hipotesa awal tentang keterkaitan antara perindukan nyamuk Aedes aegypti dengan suhu, curah hujan dan penyinaran matahari. Dengan menerapkan konsep data mining pada database DBD dan data set cuaca, diharapkan dapat ditemukan pola keterkaitan antar variabel, pada akhirnya dapat dirumuskan pola penyebaran DBD . Tujuan penelitian ini adalah Merumuskan suatu sistem peringatan dini prediksi meledaknya DBD dan cara penanggulangannya, sehingga dari penelitian ini diharapakan akan didapat manfaat untuk membantu dalam memprediksi pola penyebaran DBD pada daerah DKI Jakarta, dan diambilnya suatu tindakan pencegahan agar DBD tersebut tidak meluas penyebarannya dengan menerapkan sistem pakar tata laksana DBD. Dalam penelitian ini digunakan datamining untuk menggali pola keterkaitan antar variabel pada database DBD khususnya di wilayah Jakarta Selatan dan Jakarta Pusat dan data cuaca pada wilayah yang sama. Metode yang digunakan adalah metode Classification based on Predictive Association Rules CPAR. Output yang didapat dari pencarian dengan menggunakan CPAR tersebut berupa aturan – aturan dengan kaidah aturan IF – THEN, yang selanjutnya digunakan dalam membangun suatu sistem pakar untuk mengidentifikasi kemungkinan terjadi iv DBD di suatu wilayah didasarkan pada keadaan cuaca di wilayah tersebut. Sistem pakar berbasiskan logika fuzzy ini diberi nama Aplikasi DBD. Aplikasi DBD dibangun menggunakan Matlab 7.0 R 14, dengan menggunakan fungsi toolbox fuzzy untuk membangun SIF Sistem Inferensi Fuzzy dan fasilitas GUI graphical users interface untuk antarmukanya. Data masukkan yang digunakan adalah data cuaca yang meliputi suhu udara, curah hujan, penyinaran matahari, kelembaban udara. Data tersebut menjadi acuan untuk melakukan prediksi terhadap kondisi DBD serta tatalaksana tentang DBD. Data cuaca ini kemudian di dekomposisi menjadi himpunan – himpunan fuzzy. Evaluasi aturan fuzzy kemudian diubah menjadi suatu harga numerik untuk menetukan aksi dari output, atau disebut defuzzifikasi. Metode defuzzifikasi yang digunakan adalah metode centroid. Dengan menggunakan himpunan fuzzy, aturan atau rule dan metode defuzzifikasi, maka dapat disusun sistem inferensi fuzzy dengan menggunakan toolbox fuzzy fuzzy logic toolbox pada Matlab7.0 R14, proses inferensi yang digunakan adalah model fuzzy Mamdani. Hasil prediksi dari aplikasi DBD ini dapat digunakan oleh pihak – pihak yang berkepentingan dalam hal penganggulangan wabah DBD, sehingga mereka dapat melakukan tindakan cegah dini dari kemungkinan terjadinya wabah DBD disuatu wilayah. Untuk melakukan prediksi pada tahun selanjutnya dimana data cuaca belum diketahui, maka digunakan metode Winter’s yang dapat memprediksi kemungkinan keadaan cuaca berdasarkan pada data cuaca di tahun sebelumnya, sehingga Aplikasi DBD ini dapat digunakan dalam memprediksi kemungkinan terjadinya DBD di tahun yang akan datang. Hasil prediksi menggunakan datamining pada database Dinkes DKI Jakarta dikaitkan dengan data cuaca menghasilkan aturan sebanyak 22 aturan untuk Jakarta Selatan dan 29 aturan untuk Jakarta Pusat. Dari hasil penelitian ini dapat disimpulkan sebagai berikut : Penerapan datamining dengan metode CPAR pada database DINKES DKI Jakarta dikaitkan dengan variabel cuaca, menemukan adanya keterkaitan, yaitu : Kelembaban udara , v Penyinaran matahari dan Curah hujan menjadi penentu utama apakah terjadi wabah DBD pada suatu wilayah, Sebagai tindakan cegah dini wabah DBD, maka diprediksikan kemungkinan wabah DBD untuk tahun 2007 di wilayah Jakarta Selatan adalah : Sepanjang tahun 2007 kemungkianan terjadi wabah DBD dengan kondisi merah, kecuali pada minggu ke 31, 34 dan 35 kondisi wabah DBD menurun sesuai dengan factor cuaca ke kondisi kuning. Dari kesimpulan hasil penelitian tersebut maka dapat diberikan saran – saran sebagai berikut : Perlu ditambahkan atribut – atribut selain atribut cuaca, misalnya data atribut kepadatan penduduk, data bebas jentik suatu wilayah dan data geografis dll yang mempunyai potensi untuk mempengaruhi terjadinya wabah DBD disuatu wilayah, Pengelompokkan atribut lebih dipersempit rentangnya sehingga diharapkan dapat dihasilkan aturan yang lebih detil dan lebih baik. Kata kunci : Demam Berdarah Dengue DBD, Datamining, Fuzzy rule base, Metode prediksi Winter’s. vi Judul Penelitian : Perumusan Pola Penyebaran Demam Berdarah Melalui Data Mining Pada Database Dinas Kesehatan DKI Jakarta Nama : Hendra Lukito NRP : G651030184 Program Studi : Ilmu Komputer Menyetujui, Komisi Pembimbing Prof. Dr. Ir. Marimin, M.Sc Dr. drh. S.Hamdani Nasution Ketua Anggota Mengetahui, Ketua Program Studi Dekan Sekolah Pascasarjana Ilmu Komputer Dr. Sugi Guritman Prof. Dr. Ir. Khairil Anwar N, MS Tanggal Ujian : 01 Maret 2007 Tanggal Lulus : vii KATA PENGANTAR Puji syukur penulis sampaikan kehadirat Allah SWT, atas berkah dan rahmat- Nya, akhirnya penulis dapat menyelesaikan tugas penelitian ini dengan judul ”PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA”. Tugas penelitian ini dibuat untuk memenuhi salah satu persyaratan studi pada program Studi Ilmu Komputer, Sekolah Pascasarjana IPB. Tugas penelitian ini dapat terselesaikan atas bantuan dari berbagai pihak. Oleh karena itu ijinkan penulis untuk menyampaikan ucapan terima kasih yang sebesar – sebesarnya kepada : 1. Bapak Prof. Dr. Ir. Marimin, M.Sc dan Bapak Dr. drh. Sjahrun Hamdani Nasution, selaku Dosen pembimbing, yang telah sangat membantu dalam membimbing dan mengarahkan penulis, sehingga ide yang sederhana ini dapat menjadi sesuatu yang berguna. 2. Staf pengajar dan karyawan di Program Studi Ilmu Komputer, Sekolah Pascasarjana IPB yang telah membantu selama masa menimba ilmu di kampus Baranangsiang, dan Karyawan Pascasarjana IPB,khususnya ibu Henny, yang telah sangat membantu. 3. Orang Tua tercinta Bapak dan Ibu Suparman, yang selalu mendoakan penulis di dalam setiap nafasnya, dan menjadi motivasi penulis dalam mengejar ilmu sehingga bisa menjadi yang lebih tinggi lagi. ”Terima Kasih atas doanya dan karya ini saya persembahkan untuk Bapak dan Ibu berdua ”. 4. Bapak dan Mama Bambang Pribadi yang mendukung dan mengerti dengan situasi serta kondisi sebagai seorang mahasiswa. 5. Istriku tercinta Santhy Lestari dan anak – anak tersayang, Shafira, Farhan dan Jasmine yang selalu memberi dukungan penuh dan menjadi penyejuk disaat rasa lelah dan jenuh mulai datang me nghampiri. ” Semoga ini bisa menjadi viii motivasi bagi kalian nanti untuk melangkah di masa depan dan kalian harus bisa lebih dari Babab saat ini ”.

6. Rekan – rekan mahasiswa Pascasarjana Ilmu Komputer angkatan ”Matrix”,

yang telah membantu dalam memberi saran dan masukkan, khususnya kepada dokter Syafeii yang telah membantu dalam memberikan data dan menjadi tempat penulis berkonsultasi tentang DBD, Herwanto yang telah sangat – sangat membantu dalam mengolah data menggunakan algoritma CPAR yang telah dimodifikasinya, Nana Supriatna yang sama – sama jatuh bangun dalam menyusun tesis ini. Rekan - rekan satu bimbingan Bapak Marimin, khususnya, mas Janawir, mas Hari dan Rein atas dukungan soft copy dan hard copy tesisnya. 7. Segenap keluarga yang telah memberikan dukunga n moral dan spirit, ”tanpa dukungan kalian, karya ini mungkin tidak akan tersusun sebaik ini”. 8. Pimpinan dan rekan sejawat di kantor tempat penulis bekerja, baik selama bekerja di PT. Mitratama, Bapak Viktor Pardede alm, Bapak Haryanto, dan selama penulis bekerja di PT. Charoen Pokphand Indonesia, khususnya Bapak Bambang Pangestoe dan Bapak Jimmy Perangin angin yang telah mengijinkan penulis untuk menyelesaikan langkah terakhir dalam langkah yang cukup panjang ini. 9. Semua pihak yang telah sangat membantu dalam penulisan ini namun tidak dapat penulis sebutkan satu persatu. ”Terima kasih atas dukungan kalian semua, sehingga tesis ini dapat menjadi sesuatu yang berguna ”. Berbagai usaha telah penulis upayakan guna terselesaikannya tugas penelitian ini dengan baik, namun penulis menyadari akan kekurangan dan keterbatasan penulis. Oleh karena itu penulis memohon maaf apabila terdapat kesalahan. Akhir kata penulis berharap agar tesis ini dapat berguna bagi masyarakat dalam memerangi masalah DBD yang selalu terjadi. Amin Jakarta, Februari 2007 Penulis