Evaluasi Performa Metode Rough Set dan Algoritma Apriori dalam Mengidentifikasi Pola Penyakit Demam Tifoid
DOI:
https://doi.org/10.58918/cmws6d52Keywords:
Metode Rough Set, Algoritma Apriori, Demam, Demam TifoidAbstract
Informasi merupakan kebutuhan vital dalam kehidupan sehari-hari dan memiliki peranan penting dalam proses pengambilan keputusan. Namun, memperoleh informasi yang tepat dan akurat sering kali menjadi tantangan tersendiri. Penelitian ini bertujuan untuk membantu pengambil keputusan dengan membandingkan kinerja metode Rough Set dan algoritma Apriori dalam proses analisis data. Metode Rough Set dimanfaatkan untuk menghasilkan aturan yang ringkas melalui proses reduksi, sedangkan algoritma Apriori digunakan untuk menemukan kombinasi itemset yang sering muncul dalam basis data berdasarkan nilai minimum support (minsup), dengan tahapan utama berupa proses join dan prune. Tujuan utama dari penelitian ini adalah meningkatkan akurasi kedua metode dalam mengidentifikasi penyakit demam tifoid. Penelitian ini menggunakan tujuh variabel input utama, dan berdasarkan pengujian terhadap dataset demam tifoid, metode Rough Set menghasilkan aturan dengan panjang empat, sedangkan algoritma Apriori menghasilkan aturan dengan panjang tiga. Hasil akhir menunjukkan bahwa kedua metode memberikan rata-rata akurasi sebesar 87,4%.
Downloads
References
O. O. Adeyemo, T. O. Adeyeye, and O. Ogunbiyi, “Comparative study of ID3/C4.5 decision tree and multilayer perceptron algorithms for the prediction of typhoid fever,” Afr. J. Comput. ICTs, vol. 8, no. 1, pp. 103–112, 2015.
M. J. A. Berry and G. S. Linoff, Data Mining Techniques for Marketing, Sales, and Customer Relationship Management, 2nd ed. Indianapolis, IN: Wiley Publishing, Inc., 2004.
T. Connolly and C. Begg, Database Systems: A Practical Approach to Design, Implementation, and Management. Boston, MA: Addison Wesley, 2004.
M. L. Hakim and M. Rusli, “Data mining menggunakan metode Rough Set untuk menentukan bakat mahasiswa,” Prosessor, pp. 5–11, 2013.
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Waltham, MA: Elsevier Inc., 2012.
S. Kurniawati, “Penerapan metode Rough Set pada tingkat kepuasan konsumen terhadap kualitas pelayanan hotel,” Inf. dan Tek. Ilmiah (INTI), vol. 4, no. 2, pp. 138–142, 2015.
Analisa Sistem Pakar Penyakit Menular Pada Anak-Anak Dengan Metode Forward Chaining. (2023). LOFIAN: Jurnal Teknologi Informasi Dan Komunikasi, 2(2), 20-25. https://doi.org/10.58918/lofian.v2i2.207
K. Thangavel, Q. Shen, and A. Pethalakshmi, “Application of clustering for feature selection based on Rough Set theory approach,” Int. J. Artif. Intell. Mach. Learn. (AIML), vol. 6, no. 1, pp. 19–27, 2006.
E. Turban, J. E. Aronson, and T. P. Liang, Decision Support Systems and Intelligent Systems, 7th ed. Upper Saddle River, NJ: Prentice Hall, 2005.
X. Yin and J. Han, “CPAR: Classification based on predictive association rules,” in Proc. SIAM Int. Conf. Data Mining (SDM’03), San Francisco, 2003, pp. 331–335.
P. Berka, “Knowledge Discovery in Databases and Data Mining,” in *Encyclopedia of Information Science and Technology*, IGI Global, 2024. [Online]. Available: https://www.igi-global.com/chapter/knowledge-discovery-in-databases-and-data-mining/112586
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Beny Irawan, Erwin Daniel Sitanggang
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
