Kriptografi Dengan Algoritma AES pada File Berformat Txt

IMPLEMENTASI TEXT MINING
METODE ASSOCIATION RULE
ANALYSIS PADA APLIKASI
PENYAKIT KARDIOVASKULER
Dinda Ayu Nurmalasarie
52412180
Pembimbing: Dr. Miftah Andriansyah, SSi, MSSI.
Latar Belakang
• Secara biologis, manusia terdiri dari sekumpulan organ-organ
yang bekerja dalam satu kesatuan dan menciptakan berbagai
macam proses yang membuat dirinya berfungsi secara
sempurna.
• Jantung dan pembuluh darah merupakan organ utama yang
sangat penting dalam tubuh manusia.
• Angka kematian di seluruh dunia akibat penyakit
kardiovaskuler adalah 30% dari semua penyebab kematian
(laporan WHO, 2004).
• Penyakit kardiovaskuler disebabkan oleh beberapa faktor.
• Cara mengantisipasinya yaitu mengetahui jenis-jenis penyakit
kardiovaskuler serta gejalanya.
• Kurangnya pemahaman tentang medis menyebabkan faktor
kebingungan bagi masyarakat awam.
• Perkembangan teknologi saat ini sangat pesat memberi
dampak bagi banyak pihak untuk menaikkan intensitas
operasinya, contoh: perangkat komputer.
• Oleh karena itu, Penulis akan menjelaskan masalah identifikasi
penyakit dalam sebuah aplikasi yaitu Implementasi Text
Mining Metode Association Rule Analysis pada Aplikasi
Penyakit Kardovaskuler.
Batasan Masalah
• Penulis akan membahas tentang cara membuat Implementasi
Text Mining pada Aplikasi.
• Data yang diambil berkaitan tentang penyakit kardiovaskuler
yaitu meliputi nama penyakit dan gejala-gejala dari penyakit
tersebut.
• Data diambil dari situs-situs web kedokteran, jurnal
kedokteran dan buku kedokteran. Aplikasi ini menggunakan
metode Association Rule Analysis, bahasa pemrograman PHP.
Tujuan Penulisan
• Memudahkan masyarakat awam untuk mengetahui dan
mengerti jenis penyakit yang diderita menurut gejala-gejala
yang dialami oleh penderita serta persentase keterkaitan antar
gejela-gejala penyakit kardiovaskuler.
Output
Tampilan
Awal
Input Kalimat yang Benar
Hasil Keluaran
Penjelasan
Persentase keterkaitan antar gejala didapat dari:
File  penyakit.txt
gejala.txt
a) Langkah 1
Input: Nyeri
Proses: Berapa jumlah jenis penyakit yang mengandung nama
gejala nyeri?
Hasil: Jumlah jenis penyakit yang mengandung nama gejala nyeri
yaitu 6 buah jenis penyakit
b) Langkah 2
Proses penggabungan:
• [Nyeri-Himpitan di bagian dada]
• [Nyeri-Nafas pendek]
• [Nyeri-Pingsan]
• [Nyeri-Gelisah]
• [Nyeri-Keringat dingin]
• [Nyeri-Pucat]
• [Nyeri-Mual]
Proses perhitungan:
Misal -> Berapa jumlah jenis penyakit yang mengandung nama
gejala nyeri dan mual?
Hasil: Jumlah jenis penyakit yang mengandung nama gejala nyeri
dan mual yaitu 3 buah jenis penyakit
c) Langkah 3
Proses perhitungan:
3 / 6 = 0.5 , 0.5 x 100% = 50%
Hasil: Persentase terbesar dari pembagian jumlah jenis penyakit
yaitu terletak pada nama gejala Nyeri - Mual. Maka dapat
dikatakan 50% yang mengalami nyeri juga mengalami mual
Detail Penyakit
Input Kalimat yang Salah
Hasil Keluaran
Kesimpulan
1. Implementasi Text Mining Menggunakan Metode
Association Rule Analysis untuk perhitungan persentase
keterkaitan antar gejala dan pencarian nama penyakit
berdasarkan jenis penyakit kardiovaskuler menghasilkan
suatu program aplikasi yang menangani proses-proses
berikut ini:
a) Penyaringan kata. Sistem menangani proses parsing, filtering
dan stemming.
b) Perhitungan persentase antar gejala. Sistem menangani
proses perhitungan yang didasari oleh Metode Association
Rule Analysis.
Angka persentase terbesar yaitu mencapai 100% yang didapat
dari beberapa pasangan nama gejala, yaitu salah satunya nama
gejala Nyeri – Himpitan di bagian dada dengan nama gejala
masukan yaitu Himpitan di bagian dada. Setelah itu angka
persentase terkecil yaitu 0% yang didapat dari beberapa pasangan
nama gejala, yaitu salah satunya nama gejala Nyeri – Lumpuh
dengan nama gejala masukan yaitu Nyeri.
c) Pencarian nama penyakit. Sistem menangani proses pencarian
nama penyakit, dalam hal ini nama penyakit akan muncul
berdasarkan keyword atau kata kunci yang telah diinputkan oleh
user.
d) Menampilkan detail penyakit. Sistem menangani proses
menampilkan detail penyakit sesuai dengan data yang telah
dimasukan dalam source code detail penyakit.
2. Dari hasil pengujian yang meliputi pengujian fungsional dan
pengujian konsep/struktural, dapat disimpulkan bahwa sistem
bisa menangani data input yang tidak valid dan menampilkan
output sesuai dengan apa yang direncanakan serta
melaksanakan mekanisme perhitungan dan mekanisme logika
sesuai dengan apa yang direncanakan .
Saran
• Diharapkan aplikasi berbasis web ini dapat dikembangkan
menjadi web online.
• Diharapkan aplikasi dapat dikembangkan pada perangkat
mobile.
• Diharapkan agar nantinya aplikasi dapat terhubung dengan web
instansi kesehatan resmi yang ada di Indonesia.