Diagnosa Gejala yang Muncul Bersamaan pada Penderita Tuberculosis Menggunakan Algoritma Apriori dengan Substitusi Metode Bayesian pada Nilai Confidence

Abstract

Tuberculosis merupakan salah satu penyakit infeksi yang menyerang saluran pernapasan manusia yang berasal dari bakteri mycobacterium. Berdasarkan data WHO pada tahun 2012, Tuberculosis adalah salah satu penyakit menular yang menyebabkan masalah kesehatan terbesar kedua di dunia. Agar permasalahan tersebut dapat diatasi, diperlukan metode yang dapat mendiagnosa gejala yang muncul bersamaan pada penyakit Tuberculosis. Pada penelitian ini, digunakan metode Association Rules dengan algoritma Apriori yang dimodifikasi dengan metode Bayesian untuk mendapatkan aturan asosiasi yang memenuhi nilai minimum support dan nilai minimum confidence dengan beberapa jumlah itemset dalam keseluruhan gejala tuberculosis untuk mencapai nilai persentase support dan nilai persentase confidence terbaik dalam mendiagnosa gejala yang muncul bersamaan pada penderita tuberculosis. Modifikasi algoritma apriori dilakukan dengan mensubstitusi metode bayesian pada formula confidence di apriori standar. Tujuan penggunaan algoritma Apriori pada permasalahan ini adalah untuk mengetahui gejala apa saja yang muncul bersamaan pada penderita tuberculosis. Adapun hasil dari penelitian ini adalah rule pertama pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 100% dan nilai confidence pada apriori yang dimodifikasi sebesar 39,6%. Sedangkan rule kedua pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 75% dan nilai confidence pada apriori yang dimodifikasi sebesar 90%.