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
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
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
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
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.
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
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 ,
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.
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
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
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
RIWAYAT HIDUP
Penulis dilahirkan di Balikpapan pada tanggal 21 Oktober 1974, sebagai anak pertama dari 2 bersaudara pasangan bapak H. Suparman S dan ibu Hj. Purbawati Chalid. Pendidikan dasar di tempuh diberbagai temp at di wilayah Indonesia karena orang tua yang bertugas sebagai seorang Tentara TNI AD, antara lain di Singaraja, Kupang, dan menyelesaikannya di Bima – NTB tahun 1986. Pendidikan menengah pertama di selesaikan di SMPN 1 Denpasar Bali tahun 1989. Pendidikan menengah atas penulis jalani di 2 tempat yaitu di SMU 2 Ujung pandang dan diselesaikan di SMA 4 Jogjakarta dengan mengambil jurusan Biologi pada tahun 1992. Pendidikan sarjana ditempuh di Universitas Pembangunan Nasional ” Veteran” Jogjakarta dengan mengambil jurusan Teknik Geologi, Fakultas Teknologi Mineral dan diselesaikan pada tahun 1998. Tahun 2003, penulis meneruskan menimba ilmu di program Pascasarjana IPB, Institut Pertanian Bogor pada program ilmu Komputer .
Setelah menyelesaikan kuliah tingkat Sarjana penulis bekerja di PT. Mitratama dan bekerja paruh waktu di PT. Yanmar Indonesia (1998 – 2005). Sejak November 2005, penulis bergabung di PT. Charoen Pokphand Indonesia sebagai tenaga analisis data di bidang Security dan Community Development.
Saat ini penulis berdomisili di Cilangkap, Jakarta Timur dan dari hasil perkawinan penulis dengan Santhy Lestari, dikaruniai 3 orang anak, Shafira Larasati, M Farhan dan Jasmine Azahra.
DAFTAR ISI Halaman SURAT PERNYATAAN i ABSTRACT ii RINGKASAN iii LEMBAR PENGESAHAN v KATA PENGANTAR vi
RIWAYAT HIDUP viii
DAFTAR ISI ix
DAFTAR GAMBAR xiii
DAFTAR TABEL xv
DAFTAR LAMPIRAN xvii
I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Tujuan 3 1.3 Ruang Lingkup 3 1.4 Manfaat Penelitian 4 II TINJAUAN PUSTAKA 5
2.1 Demam Berdarah Dengue (DBD) 5
2.1.1 Definisi 5
2.1.2 Penyebab DBD 5
2.1.3 Kasus DBD di wilayah DKI Jakarta 6
2.2 Data Mining 7
2.2.1 Klasifikasi dan Prediksi 10
2.2.3 Teknik Datamining 12
2.2.3.1 Association Rule 12
2.2.3.2 Classification Based Association 13
2.2.4 Algoritma Appriori 14
2.2.5 Membuat Association Rule berdasarkan Frequent Itemset
16
2.2.6 Classification based on Predictive Association Rules (CPAR)
17
2.2.6.1 Membuat Rule dalam CPAR 18
2.2.7 Membangun Model Prediksi 18
2.3 Sistem Fuzzy 20
2.3.1 Himpunan Fuzzy 20
2.3.2 Fungsi Keanggotaan 20
2.3.3 Operator Himpunan Fuzzy 21
2.3.4 Fungsi Implikasi 22
2.3.5 Sistem Inferensi Fuzzy (FIS) 23
2.4 Prakiraan / Forecasting 25
2.4.1 Teknik Prakiraan Pemulus Eksponensial 25
2.4.2 Metode Winters 26
2.5 Penelitian terdahulu 28
2.5.1 Perbedaan dari penelitian sebelumnya 30
III METODOLOGI 31
3.1 Kerangka Pemikiran 31
3.2 Tata Laksana 34
3.2.1 Pengumpulan Data 34
3.2.2 Data Yang Digunakan 34
3.3. Pembuatan Program Aplikasi 38
3.3.1 Data mining 38
3.3.2 Pembentukan Basis Aturan 39
3.3.3 Aplikasi DBD 39
3.3.4 Prediksi Cuaca Menggunakan Metode Winter’s
40
IV PERANCANGAN SISTEM 41
4.1 Gambaran Umum Sistem 41
4.2 Analisa Kebutuhan Sistem 42
4.3 Desain Sistem 42
4.3.1 Tahapan Data mining 42
4.3.2 Tahapan Aplikasi DBD 44
4.4 Antar muka 50
V IMPLEMENTASI SISTEM 51
5.1 Implementasi Sistem 51
5.2 Pembangunan Sistem Data mining 52
5.2.1 Pembentukan Sampel Positif dan Sampel Negatif
52
5.2.2 Pembentukan Basis Aturan / Rule Base 53
5.3 Program Aplikasi 55
5.3.1 Input Sistem 55
5.3.2 Proses Evaluasi Sistem 58
5.3.3 Output Sistem 65
5.3.4 Prediksi DBD Tahun Selanjutnya 66
VI PENGUJIAN DAN PEMBAHASAN 68
6.1 Mekanisme Pengujian 68
6.2 Pembentukan Model Dengan Data Training 68
6.3 Pelatihan Dengan Data Testing 72
6.4 Pembahasan 73
6.5 Penerapan Aplikasi DBD Per Kecamatan 74 6.5.1 Pembentukan Model Dengan Data Training 75
6.5.2 Pembahasan 81
6.5 Prediksi DBD Tahun 2007 84
6.6 Implikasi Manajerial 89
VII KESIMPULAN DAN SARAN 92
7.1 7.2 Kesimpulan 92 Saran 93 DAFTAR PUSTAKA 94 LAMPIRAN 96
DAFTAR GAMBAR
Halaman Gambar 1 Jumlah Kasus DBD Bersumber Survailans Aktif RS per Bulan
di DKI Jakarta, 2001 – 2006 ( s/d 17 mei 2006)
6
Gambar 2 Peningkatan data dalam 2 dekade terakhir (Sumber: Fayyad, Piatetsky-Shapiro dan Smyth, 1996)
7
Gambar 3 Pembuatan Model dalam Datamining (adaptasi dari Berry,MJA and Linoff,GS)
9
Gambar 4 Model Proses Pembuatan Datamining 11
Gambar 5 Langkah – Langkah Membangun Model Prediksi 19 Gambar 6 Fungsi Keanggotaan “USIA” dengan representasi Sigmoid 21
Gambar 7 Fungsi Implikasi MIN 23
Gambar 8 Fungsi implikasi DOT 23
Gambar 9 Data mining, multimodel dan fuzzy Model (adaptasi dari Hirota et al)
29
Gambar 10 Sistem Peringatan Dini Prediksi Meledaknya DBD dan Cara Penanggulannya
32
Gambar 11 Tahapan Penelitian 33
Gambar 12 Arsitektur system Aplikasi DBD 37
Gambar 13 Model Aplikasi DBD 41
Gambar 14 Fuzzifikasi Suhu 46
Gambar 15 Fuzzifikasi Curah Hujan 47
Gambar 16 Fuzzifikasi Penyinaran Matahari 47
Gambar 17 Fuzzifikasi Kelembaban Udara 48
Gambar 18 Antarmuka Aplikasi DBD 50
Gambar 19 Tabel Data Selama 1 Tahun 55
Gambar 20 Grafik Selama 2 Tahun 56
Halaman Gambar 22 Tatalaksana Berdasarkan SOP Dinkes DKI Jakarta 57 Gambar 23 FIS Editor Untuk Data Atribut Cuaca dan Kondisi DBD,
Wilayah Jakarta Selatan
58
Gambar 24 Membership Function Untuk Atribut Suhu 59 Gambar 25 Membership Function Untuk Atribut Curah Hujan 60 Gambar 26 Membership Function Untuk Atribut Matahari 60 Gambar 27 Membership Function Untuk Atribut Kelembaban 61
Gambar 28 Rule Editor Jakarta Selatan 62
Gambar 29 Rule Editor Jakarta Pusat 63
Gambar 30 Rule Viewer Untuk Jakarta Selatan 64
Gambar 31 Rule Viewer Untuk Jakarta Pusat 64
Gambar 32 Tombol Mendapatkan Output dan Input Data 65
Gambar 33 Interface Metode Winter’s 66
Gambar 34 Prediksi Suhu Tahun 2007 Dengan Metode Winter’s 85 Gambar 35 Prediksi Curah Hujan Tahun 2007 Dengan Metode Winter’s 85 Gambar 36 Prediksi Matahari Tahun 2007 Dengan Metode Winter’s 85 Gambar 37 Prediksi Kelembaban Tahun 2007 Dengan Metode Winter’s 86 Gambar 38 Hasil Prediksi DBD Tahun 2006 – 2007 Wilayah Kebayoran
Baru
87
DAFTAR TABEL
Halaman Tabel 1 Klasifikasi Daerah Berdasarkan Kasus DBD di Suatu
Wilayah
6
Tabel 2 Transaksi Penjualan Barang 15
Tabel 3 Contoh Data Penjualan yang Bersifat Musiman 26
Tabel 4 Contoh Hasil Penerapan Metode Winter’s 28
Tabel 5 Atribut yang Digunakan Dalam Algoritma CPAR 43
Tabel 6 Atribut Cuaca dan Himpunan Fuzzy 45
Tabel 7 Selang Nilai untuk Hasil Output pada Hi mpunan Fuzzy 49
Tabel 8 Input dan Output Aplikasi DBD 50
Tabel 9 Tabel Diskrit Untuk Wilayah Yakarta Selatan 52
Tabel 10 Sampel Data Positif 53
Tabel 11 Sampel Data Negatif 53
Tabel 12 Hasil Pemasukkan Data Untuk Wilayah Jakarta Selatan 54 Tabel 13 Data Survailans DBD Tahun 2005 Minggu 1 - 4 69 Tabel 14 Data Survailans DBD Tahun 2004 Minggu 1 - 4 69 Tabel 15 Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan
Tahun 2005
69
Tabel 16 Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan Tahun 2004
69
Tabel 17 Aturan Data Training Dengan GSR 99% 69
Tabel 18 Aturan Data Training Dengan GSR 80% 70
Tabel 19 Aturan Data Training Dengan GSR 60% 71
Tabel 20 Aturan Data Training Dengan GSR 20% 71
Tabel 21 Aturan Data Training Dengan GSR 10% 72
Tabel 22 Data Testing Untuk Wilayah Jakarta Selatan 73
Tabel 24 Data Survailance DBD Tahun 2005 Untuk Kecamatan Wil. Jak-Pus
76
Tabel 25 Data Survailance DBD Tahun 2005 Untuk Kecamatan Wil. Jak - Sel
76
Tabel 26 Aturan Data Training Dengan GSR 99% 76
Tabel 27 Aturan Data Training Dengan GSR 20% 77
Tabel 28 Aturan Data Training Dengan GSR 10% 78
Tabel 29 Aturan Data Training Dengan GSR 99% 79
Tabel 30 Aturan Data Training Dengan GSR 60% 80
Tabel 31 Aturan Data Training Dengan GSR 20% 80
Tabel 32 Aturan Data Training Dengan GSR 10% 81
Tabel 33 Data Cuaca Jakarta Selatan Tahun 2005 84
Tabel 34 Data Cuaca Jakarta Selatan Tahun 2006 84
DAFTAR LAMPIRAN
Lampiran 1 Cara Perolehan Dan Pengolahan Data 95
Lampiran 2 Data Cuaca dan DBD Wilayah Jakarta Selatan Tahun 2004 97 Lampiran 3 Data Cuaca dan DBD Wilayah Jakarta Selatan Tahun 2005 98 Lampiran 4 Data Cuaca dan DBD Wilayah Jakarta Pusat Tahun 2004 99 Lampiran 5 Data Cuaca dan DBD Wilayah Jakarta Pusat Tahun 2005 100 Lampiran 6 Data Diskrit Cuaca Dan DBD Jakarta Selatan Tahun 2004 101 Lampiran 7 Data Diskrit Cuaca Dan DBD Jakarta Selatan Tahun 2005 102 Lampiran 8 Data Diskrit Cuaca Dan DBD Jakarta Pusat Tahun 2004 103 Lampiran 9 Data Diskrit Cuaca Dan DBD Jakarta Pusat Tahun 2005 104 Lampiran 10 Aturan – Aturan Hasil Datamining Menggunakan Metode
CPAR
105
Lampiran 11 Hasil Prediksi Cuaca Menggunakan Metode Winter’s Tahun 2007
