OPTIMASI BASIS PENGETAHUAN MENGGUNAKAN ALGORITMA FP-GROWTH UNTUK MEMBANGUN STRUKTUR BAYESIAN NETWORK(Studi Kasus Penyakit Mata di Rumah Sakit Mata Pekanbaru)
Daftar Isi:
- Salah satu kelemahanBayesian Networkadalahsulit dalam mengambil kesepakatan beberapa pakar, pakar akan sulit menentukan nilai probabilitas, dan pakar akan memerlukan waktu yang lama hanya untuk membangun struktur Bayesian Network. Untuk mengatasi kelemahan Bayesian Networkmakadiperlukanlah ilmu kecerdasan buatan lain yaitu data miningdengan teknik Association Rulemenggunakanalgoritma FP-Growth. Penelitian ini mengambil kasus pada penyakit mata dengan tujuan untuk membangun struktur Bayesian Networkdan menghasilkan nilai probabilitas untuk mendapatkan mana gejala yang paling berpengaruh dalam penyakit mata tesebut. Pengujian dilakukandengan tools dataminingWEKA 3.7.10didapat 24 rulesyang memenuhi ketentuan dan hasil pengujian kualitatif sebesar 99% benar, sehingga mendapatkan nilai probabilitas untuk penyakit presbiopia, jenis kelamin yang paling berpengaruhadalahperempuan,dibuktikan dengan nilai probabilitas sebesar 60%. Untuk umur yang paling berpengaruh adalah dewasa tengah dari 31-59 tahun sebesar 65%, dan gejalayang paling berpengaruhadalah kabur dekat sebesar 98%. Sedangkan untuk penyakit conjungtivitis, jenis kelamin yang paling berpengaruh laki-laki sebesar 53%. Untuk umur yang paling berpengaruh adalah dewasa tengah dari 31-59 tahun sebesar 43%, dan gejala yang paling bepengaruh adalah mata lengket sebesar 100%.Berdasarkan hasil pengujian tersebut dapat disimpulkan bahwa teknik Association Ruleberhasil dalam mengatasi kelemahan Bayesian Networkberdasarkan fakta dan data.Kata Kunci:Association Rule, Bayesian Network, Data Mining, FP-Growth, Penyakit Mata