Yunus, Mahmud (2014) Sistem Penunjang Keputusan Pemilihan Calon Pendonor Darah Potensial dengan Algoritma Data Mining C4.5 dan Database Fuzzy Tahani. Magister thesis, Universitas Brawijaya.
Abstract
Salah satu masalah utama yang dihadapi dalam sistem pelayanan kesehatan di negara berkembang, adalah kurangnya persediaan darah aman yang memadai untuk keperluan transfusi darah bagi yang membutuhkannya. Unit Transfusi Darah Cabang (UTDC) PMI Kota Malang seringkali mengalami kondisi minimnya persediaan darah aman yang dibutuhkan masyarakat. Metode yang digunakan pada kondisi tersebut adalah menghubungi beberapa orang secara acak atau tidak terpola untuk melakukan donor darah. Metode tersebut dirasa kurang efektif karena data calon pendonor yang terkumpul seringkali tidak memenuhi persyaratan donor darah . Pemilihan calon pendonor darah potensial dapat dikategorikan sebagai tindakan pengambilan keputusan. Salah satu metode pengambilan keputusan yang sistematis adalah dengan menyusun sebuah pohon keputusan ( decision tree ). Pohon keputusan merupakan salah satu metode klasifikasi dengan mengubah data menjadi pohon keputusan dan aturan-aturan keputusan ( rule ), yang dapat digunakan untuk memprediksi atau mengklarifikasi suatu kejadian. Penelitian ini bertujuan untuk membangun sebuah Aplikasi Sistem Penunjang Keputusan yang dapat menghasilkan daftar calon pendonor darah potensial berdasarkan hasil penambangan data pada database transaksi pelayanan donor darah dengan menggunakan algoritma data mining C4.5 dan database Fuzzy Tahani. Algoritma data mining C4.5 digunakan untuk melakukan explorasi data guna menemukan hubungan tersembunyi antara sejumlah variabel input dengan variabel target dalam bentuk pohon keputusan ( decision tree ). Variabel input meliputi atribut (1) golongan darah; (2) jenis kelamin; (3) usia; (4) berat badan; (5) tekanan darah; (6) kadar hemoglobin (HB); dan (7) kadar hematocrit (HCT), sedangkan variabel output/targetnya adalah atribut Donor Lagi yang berisikan nilai ‘Ya` atau ‘Tidak`. Metode database fuzzy model Tahani digunakan untuk melakukan perangkingan data hasil penambangan dengan melakukan query fuzzy yang melibatkan variabel fuzzy (1) usia; (2) tekanan darah; (3) berat badan dan (4) kedekatan tempat tinggal. Data pembelajaran untuk membentuk aturan pohon keputusan adalah data transaksi donor darah yang terjadi pada tahun 2010 dan tahun 2011. Pengukuran keakuratan prediksi terhadap data calon pendonor darah potensial yang dihasilkan, dilakukan dengan membandingkannya dengan data transaksi donor darah yang terjadi pada periode tahun 2011 dan tahun 2012. Rata-rata akurasi hasil prediksinya adalah (1) 93,07% untuk semua golongan darah; (2) 87,84% untuk golongan darah A; (3) 89,58% untuk golongan darah B; (4) 100% untuk golongan darah AB dan (5) akurasi prediksi sebesar 91,47% untuk golongan darah O. Rata-rata tingkat akurasi prediksi hasil pemilihan calon pendonor darah potensial dengan algoritma data mining C4.5 adalah sebesar 92,39%.
English Abstract
One of the major problems facing the health care systems in growth countries, is the lack of an adequate supply of safe blood for transfusion purposes for those who need it. Red Cross Blood Transfusion Unit Branch Malang condition often experience a lack of blood supply needed by the community. The method used in these conditions is to contact some people at random or not patterned to conduct blood donation. The method is less effective because the data collected donors often do not meet the requirements of a blood donor. Selection of potential blood donors can be categorized as an act of decision making. One method is a systematic decision-making to construct a decision tree. Decision tree classification is one method to transform data into decision trees and decision rules, which can be used to predict or clarify an event. This study aims to build a Decision Support System Applications can generate a list of potential blood donors based on the results of data mining on the blood donor service transaction database using data mining algorithms C4.5 and Fuzzy databases Tahani. C4.5 data mining algorithm is used to perform exploration of data to discover the hidden relationship between the number of input variables to the target variables in the form of a decision tree. Input variables include attributes (1) gender; (2) age; (3) weight; (4) blood pressure; (5) levels of hemoglobin (HB) and (6) levels of hematocrit (HTC), while the output variable are the attribute ‘Donor Again`. This attribute contains the value Yes or No. The method of fuzzy database models Tahani used to perform ranking of data mining results by performing fuzzy queries involving fuzzy variables (1) age, (2) blood pressure, (3) weight and (4) the proximity of residential. Learning data to establish the rules of the decision tree is a blood donor transaction data that occurred in 2010 and 2011. Measurement accuracy of prediction of potential blood donors of data generated, the data is done by comparing the blood donation transaction that occurred in the period between 2011 and 2012 . average prediction accuracy results are (1) 93.07% of all blood types; (2) 87.84% for blood group A; (3) 89.58% for blood group B; (4) 100% for blood group AB and (5) the prediction accuracy of 91.47% for blood group O. The average level of prediction accuracy results of selection of candidates for potential blood donors with the C4.5 data mining algorithm is equal to 92.39%.
Item Type: | Thesis (Magister) |
---|---|
Identification Number: | TES/006.312/YUN/s/041403674 |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence |
Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
Depositing User: | Endro Setyobudi |
Date Deposited: | 28 Aug 2014 12:21 |
Last Modified: | 28 Aug 2014 12:21 |
URI: | http://repository.ub.ac.id/id/eprint/155429 |
Actions (login required)
![]() |
View Item |