UNAIR NEWS – Anak balita atau usia di bawah lima tahun sangat rentan terserang penyakit. Dari sejumlah potensi terjadinya penyakit itu, setidaknya ada empat penyakit yang paling rentan menyerang anak balita. Di antaranya, gejala flu, demam, muntah, serta tidak dapat minum atau menyusu.
Indah Werdiningsih mengungkapkan temuannya itu melalui penelitiannya bersama dengan Rimuljo Hendradi, Purbandini, Barry Nuqoba, dan Elly Ana. Yakni, dengan membaca data sistem informasi kesehatan melalui metode tertentu.
Pembacaan data sistem informasi kesehatan secara benar sangat penting dilakukan. Mengingat, pengetahuan atas temuan data tersebut dapat menjadi bahan diagnosa serta penentuan kebijakan tertentu.
”Diagnosa penyakit balita sering memakan waktu yang lama dan rentan terhadap kesalahan,” ujarnya.
Indah menjelaskan, sistem informasi kesehatan menghasilkan data yang besar. Namun, pengetahuan tersembunyi dalam data tidak dapat diakses jika didekati dengan menggunakan metode tradisional.
”Data mining merupakan salah satu solusi yang bisa diterapkan untuk menggali informasi tersembunyi dalam sistem informasi kesehatan. Data mining memungkinkan ekstraksi pengetahuan dalam data yang bervolume besar. Data tersebut dieksplorasi dan dianalisis untuk ditemukan pola dan rule yang bermakna,” ungkapnya.
Descriptive data mining, lanjut Indah, adalah salah satu jenis data mining untuk menemukan pola dari sekumpulan data. Di mana pengolahannya melibatkan clustering, association rule discovery, dan sequential pattern discovery.
Sementara itu, association rule mining adalah proses data mining yang digunakan untuk menemukan rule yang dapat mengatur asosiasi antar item dalam data set. Teknik asosiasi Apriori telah terbukti efektif dalam menemukan berbagai tren dalam sistem informasi kesehatan.
”Data penelitian ini diperoleh dari rumah sakit dan pusat kesehatan di Surabaya. Teknik pengumpulan data yang digunakan adalah wawancara dan analisis dokumen,” sebutnya.
Indah menyampaikan, wawancara dilakukan untuk mendapatkan informasi tentang faktor risiko dari penyakit balita. Hasilnya, ditemukan penyakit balita terkait erat dengan gejala tertentu, tapi pola dan faktor yang mempengaruhi penyakit anak usia dini belum dapat ditentukan.
”Analisis dokumen juga dilakukan untuk mengetahui jenis penyakit dan faktor risiko yang mempengaruhi penyakit balita,” katanya.
Sebanyak 16 faktor gejala penyakit balita dipakai dalam penelitian itu. Yakni, batuk tidak pneumonia; pneumonia; pneumonia berat; diare tanpa dehidrasi; diare dehidrasi ringan; diare dehidrasi berat; diare persisten; diare persisten berat; disentri; demam tidak tanda bahaya umum; demam dengan tanda bahaya umum; campak; campak dengan komplikasi berat; campak cengan komplikasi; demam terduga demam berdarah (DBD); serta DBD.
”Hasilnya, 21 faktor yang berpengaruh, yaitu berat, tinggi, jenis kelamin, flu, batuk, demam, diare, stridor, darah dalam tinja, muntah, kejang, tidak sadar, tidak mampu minum atau menyusu, mata cekung, rewel, haus abnormal, kekeruhan pada kornea, demam 2–7 hari, turgor, diare 14 hari atau lebih, dan napas sulit,” katanya.
Indah menyebut, salah satu rule yang dihasilkan dengan nilai confident yang paling besar adalah Antecedent (gejala flu, demam, muntah, tidak dapat minum atau menyusu), maka Consequent (terkena penyakit balita kelas medium) dengan support = 0.25 dan confident = 0.95. Jumlah item yang dihasilkan dengan Algoritma Apriori sebanyak 272 item, sedangkan dengan metode lain sebanyak 956 item. Hasil percobaan menunjukkan bahwa algoritma apriori dapat menghasilkan rule yang lebih lengkap dan kinerja komputasi yang lebih baik. (*)
Penulis: Feri Fenoria
Editor: Khefti Al Mawalia
Referensi:
https://content.sciendo.com/view/journals/cait/19/3/article-p154.xml?lang=en
Indah Werdiningsih, Rimuljo Hendradi, Purbandini, Barry Nuqoba, Elly Ana (2019). Identification of Risk Factors for Early Childhood Diseases Using Association Rules Algorithm with Feature Reduction. Cybernetics and Information Technologies. 19(3): 154 167
