TINJAUAN PUSTAKA
PENGUJIAN DAN PEMBAHASAN
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 (24oC – 27oC ) 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 (> 27oC ) 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 (24oC – 27oC) 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 (>27oC), kemungkinan hal ini terjadi dan mempengaruhi adalah sebesar 40%.