BAB VI PENGUJIAN DAN PEMBAHASAN
6.1. Mekanisme Pengujian
Pengujian dilakukan terhadap model data mining yang dibangun. Tujuan pengujian adalah untuk menemukan model yang ideal. Sebelum dilakukan
pengujian terlebih dahulu dilakukan pembentukan model. Pembentukan model menggunakan data training adapun pengujian model menggunakan data testing.
Data training dan data testing memuat informasi tentang data input berupa suhu udara, curah hujan, penyinaran matahari, kelembaban udara dan data output
berupa kondisi DBD pada kondisi hijau, kuning, atau kondisi merah. Model yang sudah terbentuk dibandingkan dengan hasil pengujian pada data testing.
Semakin sama hasil perbandingan output kedua model berarti model semakin akurat.
Pengujian dilakukan terhadap data training dengan mengambil data sampel berdasarkan prosentase. Pada kedua kelompok data tersebut algoritme
data mining digunakan untuk mencari pola-pola dari nilai yang diprediksi. Selanjutnya model diperbaiki dengan menggunakan sampel data lain agar tidak
hanya bisa bekerja dengan data training.
6.2. Pembentukan Model Dengan Data Training
Proses pembentukan model data mining menggunakan algoritme CPAR.
Pembentukan dilakukan dengan mengambil sebanyak 202 sampel tahun 2004 – 2005, dari sampel tersebut 105adalah berasal dari data DBD untuk wilayah
Jakarta Pusat dan 97 berasal dari data wilayah Jakarta Selatan. Data tersebut
adalah kejadian DBD di suatu kecamatan di wilayah tersebut, dalam hal ini untuk wilayah Jakarta pusat terdapat 8 delapan kecamatan, sedangkan Jakarta selatan
10 sepuluh kecamatan. Dari data rata – rata ini diklasifikasikan kedalam pembagian kondisi DBD hijau, kuning dan merah yang telah disepakati
bersama. Karakteristik sampel data bisa dilihat pada Tabel 13 dan 14, sedangkan pada Tabel 15 dan 16 adalah Nilai rata-rata kasus DBD per kecamatan per
wilayah
Tabel 13 . Data Survalaince DBD Tahun 2005 Minggu 1 - 14
Minggu 1
2 3
4 5
6 7
8 9
10 11
12 13
14 Jakarta Pusat
25 30
42 50
54 71
98 87
67 44
35 37
44 39
Jakarta Selatan 29
49 78
74 102
140 192
149 124
110 71
69 68
58
Tabel 14. Data Survailance DBD Tahun 2004 Minggu 1 – 14
Minggu 1
2 3
4 5
6 7
8 9
10 11
12 13
14 Jakarta Pusat
41 36 35 55
57 90
102 260 438 417 272 182 127 83
Jakarta Selatan 40 78 103 112 138 173 170
421 652 636 318 231 154 161
Tabel 15. Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan Tahun 2005
Minggu 1
2 3
4 5
6 7
8 9
10 11
12 13
14 Jakarta Pusat
3 4
5 6
7 9 12 11
8 6
4 5
6 5
Jakarta Selatan 3
5 8
7 10
14 19
15 12
11 7
7 7
6
Tabel 16. Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan Tahun 2004
Minggu 1
2 3
4 5
6 7
8 9
10 11
12 13
14 Jakarta Pusat
5 5
4 7
7 11
13 33
55 52
34 23
16 10
Jakarta Selatan 4
8 10
11 14
17 17
42 65
64 32
23 15
16
Hasil proses data mining dari 97
sampel pada wilayah Jakarta Selatan Kecamatan Kebayoran Baru, dengan berbagai variasi gain similarity ratio GSR
dapat dilihat pada Tabel 17 sampai dengan Tabel 21 Tabel 17. Aturan Data Training Dengan GSR 99
No. Aturan
Akurasi Laplace
1
IF Kelembaban udara tinggi basah 75 Then Merah
0.71 2
IF Penyinaran matahari sedang 35 - 70 Then Merah
0.71 3
IF Curah hujan rendah 5-20mm Then Merah
0.7 4
IF Kelembaban udara Normal 60 - 75 Then Kuning
0.64 5
IF Penyinaran matahari penuh 70 Then Kuning
0.61 6
IF Curah hujan sangat rendah 5mm Then Kuning
0.45 Data pada Tabel 17. pada Gain similarity 99 didapatkan sebanyak 6 baris
aturan, data tersebut menunjukkan bahwa aturan IF Kelembaban udara tinggi basah 75 Then Merah serta IF Penyinaran matahari sedang 35 - 70
Then Merah mempunyai Akurasi Laplace yang sama tinggi pada klas merah ,
sebesar 71, ini berarti pada kelembaban udara tinggi basah dan pada penyinaran matahari sedang mempunyai peluang terjadi DBD dengan kondisi
merah, atau suatu situasi dimana jumlah pasian perkecamatan lebih dari 5 orang, Aturan IF Kelembaban udara Normal 60 - 75 Then Kuning mempunyai
Akurasi Laplace paling tinggi pada kelas kondisi DBD kuning, yaitu 64. Ini berarti pada kondisi kelembaban udara normal, kondisi DBD kuning mungkin
terjadi, atau suatu kondisi dimana jumlah pasien berkisar antara 1- 5 orang per kecamatan. Pada kondisi ini kelembaban udara masih cukup disenangi oleh
nyamuk Aedes Aegypti, contoh kondisi cuaca pada sore hari, dimana biasanya kelembaban udara berkisar pada 60 - 75, situasi ini masih memungkinkan
nyamuk bergerak, walau tidak seaktif pada kondisi kelembaban udara 75. Tabel 18. Aturan Data Training Dengan GSR 80
No. Aturan
Akurasi Laplace
1
IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 - 70
Then Merah
0.71 2
IF Curah hujan rendah 5-20mm Then Merah
0.7 3
IF Kelembaban udara Normal 60 - 75 Then Kuning
0.64 4
IF Penyinaran matahari penuh 70 Then Kuning
0.61 5
IF Curah hujan sangat rendah 5mm Then Kuning
0.45 Pada tabel 18, dengan gain similarity 80 didapatkan 5 baris aturan, dari data
tersebut, aturan IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 – 70 Then Merah, mempunyai tingkat keakurasian
71, ini berarti pada kondisi kelembaban udara tinggi yang disertai dengan penyinaran matahari sedang sangat memungkinkan terjadi DBD pada kondisi
merah. Sedangkan pada aturan yang menhasilkan kondisi DBD kuning terdapat 3 aturan yang sama dengan gain similarity 99
Tabel 19. Aturan Data Training Dengan GSR 60
No. Aturan
Akurasi Laplace
1
IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 - 70
Then Merah
0.71 2
IF Curah hujan rendah 5-20mm Then Merah
0.70 3
IF Kelembaban udara Normal 60 - 75 and Penyinaran matahari penuh 70 Then kuning
0.63 Pada tabel 19, dengan gain similarity rasio 60, didapatkan aturan untuk
DBD pada kondisi merah sama dengan pada gain similarity 80, akan tetapi untuk kondisi kuning, didapatkan suatu aturan IF Kelembaban udara Normal
60 - 75 and Penyinaran matahari penuh 70 Then kuning, sehingga jika pada saat kondisi kelembaban udara normal dan penyinaran matahari penuh,
maka dapat terjadi DBD dengan jumlah pasien 1-5 orang per kecamatan. Tabel 20. Aturan Data Training Dengan GSR 20
No. Aturan
Akurasi Laplace
1
IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 - 70 and
Curah hujan rendah 5-20mm Then Merah
0.71 2
IF Kelembaban udara Normal 60 - 75 and Penyinaran matahari penuh 70 Then kuning
0.63 3
IF Curah hujan sangat rendah 5mm Then Kuning
0.45 Pada Gain similarity 20 , didapatkan 3 aturan, 1 aturan untuk kondisi merah,
yaitu aturan IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 - 70 and Curah hujan rendah 5-20mm Then Merah,
dengan tingkat akurasian 71, sehingga menurut aturan ini pada kondisi kelembaban udara tinggi dan penyinaran matahari sedang dan curah hujan rendah
sangat mungkin terjadi DBD dengan kondisi merah, sehingga kemunginan jumlah penderita DBD pun banyak. Sedangkan pada kondisi kuning, aturan yang berlaku
pada gain similarity ini adalah aturan IF Curah hujan sangat rendah 5mm Then Kuning, akan tetapi tingkat keakurasiannya hanya 45.
Tabel 21. Aturan Data Training Dengan GSR 10
No. Aturan
Akurasi Laplace
1
IF Kelembaban udara tinggi basah 75 and Penyinaran matahari sedang 35 - 70 and Curah
hujan rendah 5-20mm Then Merah
0.71 2
IF Temperatur sedang 24
o
C – 27
o
C then Merah
0.65 3
IF Kelembaban udara Normal 60- 75 and Penyinaran matahari penuh 70 Then Kuning
0.63 4
IF Curah hujan sangat rendah 5mm Then Kuning
0.45 5
IF temperatur tinggi 27
o
C Then Kuning
0.40 Pada gain similarity 10 didapatkan 5 baris aturan, dimana terdapat 2
aturan untuk kondisi merah dan 3 aturan untuk kondisi kuning. Untuk merah terdapat tambahan yang pada gain similarity rasio sebelumnya aturan ini tidak
didapatkan, yaitu pada temperature sedang 24
o
C – 27
o
C juga memungkinkan untuk terjadi DBD pada kondisi merah, akan tetapi hal ini hanya akan terjadi jika
kondisi sebelumnya yaitu Kelembaban udara tinggi dan penyinaran matahari sedang dan curah hujan rendah terjadi. Kemungkinan hal ini terjadi sebesar 65 .
Sedangkan pada aturan untuk kondisi kuning, terdapat tambahan aturan akan terjadi jika kondisi Temperatur Tinggi 27
o
C, kemungkinan hal ini terjadi dan mempengaruhi adalah sebesar 40.
6.3. Pelatihan Dengan Data Testing
Kategori