Penerapan Generalized Association Rule Minning Sebagai Analisa Pasien Penderita Kanker Paru Paru Berdasarkan Data Rekam Medis
Article Sidebar
Main Article Content
Abstract
Penggunaan pada data rekam medis yang diambil dari database rumah sakit atau badan kesehatan bertujuan untuk mengetahui secara nyata riwayat pasien yang sebelumnya dinyatakan terkena kanker paru-paru. Namun potensi untuk mengetahui suatu pola penyakit secara manual berupa informasi secara langsung sangat memakan waktu sehingga dilakukan proses kegiatan analisa medis secara manual oleh dokter. Salah satunya adalah pola urutan penyakit pasien yang juga merupakan sebagai atribut pasien. Analisa diagnosa penyakit kanekr paru-paru dengan metode Association Rule menjadi teknik dari data mining yang diperlukan dalam menentukan model atribut dari database rekam medis dari atribut yang sebelumnya dimiliki oleh seorang pasien. Berdasarkan data rekam medis yang akan diperiksa terdapat 1000 data dengan 3 kategori yaitu risiko rendah, risiko sedang dan risiko tinggi. batasan dari aturan asosiasi tersebut tak terhingga sehingga nilai support dan nilai confidence akan terdeteksi oleh program secara otomatis dan nilai tersebut akan dijadikan sebagai variabel evaluasi untuk melakukan klasifikasi untuk menentukan kategori yang mendekati.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
D. Pembimbing and J. Matematika, “Klasifikasi Kanker Paru Dengan Menggunakan Algoritma Classify By Sequence ( Cbs ) Lung Cancer Classification Using Classify By Sequence ( Cbs ) Algorithm,” 2015.
R. T. Prasetio and S. Susanti, “Prediksi Harapan Hidup Pasien Kanker Paru Pasca Operasi Bedah Toraks Menggunakan Boosted k-Nearest Neighbor,” J. RESPONSIF Ris. Sains & …, vol. 1, no. 1, pp. 64–69, 2019, [Online]. Available: http://ejurnal.ars.ac.id/index.php/jti/article/view/66.
F. T. Waruwu, E. Buulolo, E. Ndruru, K. Kunci, A. Apriori, and R. Penyakit, “KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Implementasi Algoritma Apriori Pada Analisa Pola Data Penyakit Manusia Yang Disebabkan Oleh Rokok,” vol. I, pp. 176–182, 2017.
K. Auliasari, Y. Susanti, J. K. Raya Karanglo, and J. Timur, “Analisis Keterkaitan Penyakit Pasien pada Puskesmas Menggunakan Metode Association Rule,” Informatics J., vol. 1, no. 2, pp. 59–66, 2016.
X. Zhu, Y. Liu, Q. Li, Y. Zhang, and C. Wen, “Mining effective patterns of Chinese medicinal formulae using top-K weighted association rules for the internet of medical things,” IEEE Access, vol. 6, pp. 57840–57855, 2018, doi: 10.1109/ACCESS.2018.2873677.
J. K. Abdul Aziz Priatna, Rani Megasari, “Penerapan Association Rules Menggunakan Algoritma Apriori Pada Sistem Rekomendasi Pemilihan Resep Obat Berdasarkan Data Rekam Medis,” … J. Apl. dan …, vol. 1, no. 2, pp. 55–60, 2018, [Online]. Available:http://jatikom.cs.upi.edu/index.php/jatikom/article/view/18.
J. A. Delgado-Osuna, C. García-Martínez, J. Gómez-Barbadillo, and S. Ventura, “Heuristics for interesting class association rule mining a colorectal cancer database,” Inf. Process. Manag., vol. 57, no. 3, p. 102207, 2020, doi: 10.1016/j.ipm.2020.102207.
C. A. Chou, Q. Cao, S. J. Weng, and C. H. Tsai, “Mixed-integer optimization approach to learning association rules for unplanned ICU transfer,” Artif. Intell. Med., vol. 103, no. March 2019, p. 101806, 2020, doi: 10.1016/j.artmed.2020.101806.
Z. Abidin, M. Mauladi, and I. Weni, “Penerapan Metode Association Rules Dalam Menentukan Pola Penyakit Dan Usia Pasien Berdasarkan Data Rekam,” JUSS (jurnal sains dan Sist. informasi), vol. 1, no. 1, pp. 1–4, 2018.
N. Ramadhani and B. Said, “Analisis Pola Asosiasi Dan Sekuensial Data Rekam Dengan Teknik Data Mining Menggunakan Algoritma,” Semin. Nas. Sist. Inf. Indones., no. September, 2014.
A. -, F. Marisa, and D. Purnomo, “Penerapan Algoritma Apriori Terhadap Data Penjualan di Toko Gudang BM,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 1, no. 1, pp. 1–5, 2016, doi: 10.31328/jointecs.v1i1.408.
D. Listriani, A. H. Setyaningrum, and F. Eka, “Penerapan Metode Asosiasi Menggunakan Algoritma Apriori Pada Aplikasi Analisa Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro),” J. Tek. Inform., vol. 9, no. 2, pp. 120–127, 2018, doi: 10.15408/jti.v9i2.5602.
J. R. Rajan, A. C. Chelvan, and J. S. Duela, “Multi-Class Neural Networks to Predict Lung Cancer,” J. Med. Syst., vol. 43, no. 7, 2019, doi: 10.1007/s10916-019-1355-9.
P. R. Radhika, R. A. S. Nair, and G. Veena, “A Comparative Study of Lung
Cancer Detection using Machine Learning Algorithms,” Proc. 2019 3rd IEEE Int. Conf. Electr. Comput. Commun. Technol. ICECCT 2019, pp. 1–4, 2019, doi: 10.1109/ICECCT.2019.8869001.
A. W. Oktavia Gama, I. K. Gede Darma Putra, and I. P. Agung Bayupati, “Implementasi Algoritma Apriori Untuk Menemukan Frequent Itemset Dalam Keranjang Belanja,” Maj. Ilm.Teknol. Elektro, vol. 15, no. 2, pp. 21–26, 2016, doi: 10.24843/mite.1502.04.
E. Muningsih, “Penentuan rekomendasi produk dengan metode data mining asosiasi generalized sequence pattern (gsp),” pp. 218–224, 2016.
P. R. K. Varma, V. V. Kumari, and S. S. Kumar, Progress in Computing, Analytics and Networking, vol. 710, no. Dmd. Springer Singapore, 2018.
S. Beniwal and J. Arora, “Classification and Feature Selection Techniques in Data Mining,” Int. J. Eng. Res. Technol., vol. 1, no. 6, pp. 1–6, 2012.
V. Gligorijević and N. Pržulj, “Methods for biological data integration: Perspectives and challenges,” J. R. Soc. Interface, vol. 12, no. 112, 2015, doi: 10.1098/rsif.2015.0571.
A. Izzah and R. Widyastuti, “Prediksi Kelulusan Mata Kuliah Menggunakan Hybrid Fuzzy Inference System,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 2, no. 2, p. 60, 2016, doi: 10.26594/r.v2i2.548