Text

Penerapan Data Mining dalam Pengelompokan Data Penyakit Leptospirosis dengan Menggunakan Principal Component Analysis untuk Reduksi Dimensi dan Algoritma K-Means

---

ABSTRAK

Leptospirosis merupakan penyakit yang disebabkan oleh bakteri Leptospira yang disebarkan melalui urine atau darah hewan yang terinfeksi bakteri ini. Leptospirosis dapat menyerang manusia melalui paparan air atau tanah yang telah terkontaminasi urine hewan pembawa bakteri leptospira. Risiko leptospirosis dapat dikaitkan dengan aktivitas pekerjaan atau rekreasi. Risiko terbesar terjadi pada petani di daerah tropis yang memiliki curah hujan tinggi. Pasien dengan leptospirosis umumnya mengalami gejala seperti demam tinggi, sakit kepala, mual, muntah, anoreksia, dan nyeri otot. Gejala-gejala ini sering mengarah pada kesalahan diagnosis seperti influenza, hepatitis, dan demam berdarah. Pasien yang tidak segera diobati berisiko mengalami komplikasi sistem organ dan kematian. Diagnosis leptospirosis akut yang tepat waktu dan pemberian antibiotik akan berpotensi efektif dalam mengurangi dampak buruk dari leptospirosis. Leptospirosis yang hadir dengan berbagai manifestasi klinis dan memiliki kemiripan dengan penyakit lain menyebabkan tes laboratorium berupa tes urin dan darah selalu diperlukan untuk mengetahui ada tidaknya bakteri leptospira di dalam tubuh pasien. Salah satu metode yang dapat dilakukan adalah dengan Quantitative Polymerase Chain Reaction (qPCR). Penelitian ini mencoba untuk menganalisa data eksperimen qPCR dan data demografis pasien dengan menggunakan Principal Component Analysis (PCA) untuk reduksi dimensi dan mengelompokkannya menggunakan algoritma K-Means. Hasil penelitian ini menunjukkan bahwa penggunaan PCA dan algoritma K-Means memiliki performa akurasi (88,89%), precision (84,44%), dan recall (97,43%). Analisa data pada penelitian ini menunjukkan pasien yang bekerja sebagai petani dan berjenis kelamin pria memiliki persentase terbesar pada kasus leptospirosis.
Kata Kunci : Leptospirosis, Polymerase Chain Reaction, Quantitative Polymerase Chain Reaction, Principal Component Analysis, Algoritma K-Means

ABSTRACT

Leptospirosis is a disease caused by infection with the bacteria Leptospira that spreads through urine or animal blood which weakened by this bacterium. Humans can become infected through direct contact with the urine of infected animals or indirectly through contact with contaminated soil and water. Indirect contact with leptospires is much common, and can be associated with occupational or recreational activities. Agricultural workers and farming in high rainfall tropical regions are at the high risk of leptospirosis. Patients with leptospirosis usually experience symptoms such as high fever, headache, nausea, vomiting, anorexia, and muscle pain. These symptoms often occur in diagnoses for influenza, hepatitis, and dengue fever. Patients who are not treated immediately are at risk of developing system complications and death. There is a need for good awareness of leptospirosis and rapid antibiotic treatment to effectively reduce the adverse effects of leptospirosis. Leptospirosis infection that has minimal or no clinical manifestations is often misdiagnosed because of the similarities with other diseases. Therefore, laboratory tests in the form of urine and blood tests are always needed. The method that can be done is by using Quantitative Polymerase Chain Reaction (qPCR). This study was attempted to analyze qPCR experimental data and patient demographic data using Principal Component Analysis (PCA) for dimensionality reduction and cluster the principal component using the K-Means algorithm. The results of this study indicate that the use of PCA and the K-Means algorithm has accuracy performance (88,89%), precision (84,44%), dan recall (97,43%). Analysis of the data in this study shows that patients who work as a peasant have the largest percentage in cases of leptospirosis. Also, the incidence of leptospirosis is much higher in males than females.
Kata Kunci : Leptospirosis, Polymerase Chain Reaction, Quantitative Polymerase Chain Reaction, Principal Component Analysis, K-Means Algorithm

---

Ketersediaan

736F19III

736 F 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

736 F 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

530.44

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Theresia Laraswati Panggabean

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar