Implementasi algoritma apriori untuk menemukan faktor penyebab stunting

INDONESIA:

Stunting adalah keadaan tinggi badan balita dibawah rata-rata. Pada tahun 2021, Indonesia berada pada peringkat keempat dunia dengan tingkat stunting yang tinggi. Sedangkan pada tingkat Asia Tenggara, Indonesia menempati peringkat tertinggi kedua. Akibat dari stunting sangat berbahaya. Diantaranya, memengaruhi kecerdasan otak dan mudah terinfeksi penyakit saat dewasa. Faktor penyebab stunting setiap wilayah berbeda, maka perlu dilakukan pencegahan dan penanganan yang tepat. Skripsi ini bertujuan untuk menemukan faktor penyebab yang paling memengaruhi stunting. Metode yang digunakan adalah algoritma apriori. Algoritma apriori adalah algoritma yang digunakan untuk mengetahui hubungan antar variabel. Proses yang dilakukan yaitu pemangkasan itemset yang tidak memenuhi nilai minimal support dan minimal confidence. Support adalah persentase kombinasi item yang ada di dalam database. Sedangkan confidence adalah nilai kepastian untuk mengetahui kuat atau tidaknya hubungan antar item dalam aturan asosiasi. Kelebihan dari algoritma apriori adalah algoritma yang sangat sederhana dan dapat digunakan untuk data yang besar. Selain confidence, nilai lift juga digunakan untuk melihat kekuatan dari aturan asosiasi yang terbentuk, yaitu nilai lift harus lebih dari satu. Data yang dipakai uji coba sebanyak 950 data yang diperoleh dari Dinas Kesehatan Kabupaten Jombang. Uji coba dilakukan sebanyak 30 kali dengan nilai mnimum support dan confidence yang bervariasi. Hasil uji coba dianalisa untuk dipilih association rules yang terbaik. Association rules terbaik yang memenuhi minimal support 0,2, minimal confidence 0,7 dan nilai lift diatas satu sebanyak 19. Hasil association rules dianalisa oleh pakar ahli gizi agar dapat menjadi rekomendasi untuk pemerintah dalam mengambil kebijakan. Association rules yang sama dengan pendapat pakar sebesar 78%. Maka algoritma apriori dapat digunakan untuk menemukan faktor penyebab stunting

ENGLISH:

Stunting is a condition where the toddler's height is below average. In 2021, Indonesia is ranked fourth in the world with a high stunting rate. Meanwhile, at the Southeast Asian level, Indonesia ranks second highest. The consequences of stunting are very dangerous. Among them, affect the intelligence of the brain and easily infected with diseases as adults. The causes of stunting in each region are different, so it is necessary to do proper prevention and treatment. This thesis aims to find the causal factors that most influence stunting. The method used is apriori algorithm. Apriori algorithm is an algorithm used to determine the relationship between variables. The process carried out is pruning itemsets that do not meet the minimum support and minimum confidence values. Support is the percentage of item combinations in the database. Meanwhile, confidence is the certainty value to find out whether or not the relationship between items in the association rules is strong or not. The advantage of the apriori algorithm is that the algorithm is very simple and can be used for large data. In addition to confidence, the lift value is also used to see the strength of the association rules formed, namely the lift value must be more than one. The data used in the trial were 950 data obtained from the Jombang District Health Office. The trial was carried out 30 times with varying minimum support and confidence values. The test results were analyzed to select the best association rules. The best association rules that meet a minimum support of 0,2, a minimum confidence of 0,7 and a lift value above one are 19. The results of the association rules are analyzed by nutrition experts so that they can become recommendations for the government in making policies. The same association rules with expert opinion are 78%. Then the apriori algorithm can be used to find the factors causing stunting.

ARABIC:

التقزم هو حالة يكون فيها ارتفاع الطفل أقل من المتوسط. في عام 2021 ، احتلت إندونيسيا المرتبة الرابعة في العالم من حيث معدل التقزم المرتفع. وفي الوقت نفسه ، على مستوى جنوب شرق آسيا ، تحتل إندونيسيا المرتبة الثانية. عواقب التقزم خطيرة للغاية. من بينها ، تؤثر على ذكاء الدماغ وتصاب بسهولة بالأمراض عند البالغين. تختلف أسباب التقزم في كل منطقة ، لذلك من الضروري القيام بالوقاية والعلاج المناسبين. تهدف هذه الأطروحة إلى معرفة العوامل المسببة التي تؤثر بشكل كبير على التقزم. الطريقة المستخدمة هي خوارزمية مسبقة. الخوارزمية المسبقة هي خوارزمية تستخدم لتحديد العلاقة بين المتغيرات. العملية المنفذة هي تقليم مجموعات العناصر التي لا تلبي الحد الأدنى من الدعم وقيم الثقة الدنيا. الدعم هو النسبة المئوية لتركيبات العناصر في قاعدة البيانات. وفي الوقت نفسه ، الثقة هي قيمة اليقين لمعرفة ما إذا كانت العلاقة بين العناصر في قواعد الارتباط قوية أم لا. تتمثل ميزة الخوارزمية المسبقة في أن الخوارزمية بسيطة جدًا ويمكن استخدامها للبيانات الكبيرة. بالإضافة إلى الثقة ، تُستخدم قيمة المصعد أيضًا لمعرفة قوة قواعد الارتباط المتكونة ، أي يجب أن تكون قيمة المصعد أكثر من واحدة. كانت البيانات المستخدمة في التجربة 950 معطيات تم الحصول عليها من مكتب الصحة في مقاطعة جومبانغ. تم إجراء التجربة 30 مرة مع قيم متفاوتة للدعم والثقة. تم تحليل نتائج الاختبار لتحديد أفضل قواعد الارتباط. أفضل قواعد الارتباط التي تلبي الحد الأدنى من الدعم 0.2 ، والحد الأدنى من الثقة 0.7 وقيمة الرفع فوق واحد هي 19. يتم تحليل نتائج قواعد الارتباط من قبل خبراء التغذية بحيث يمكن أن تصبح توصيات للحكومة في وضع السياسات. نفس قواعد الارتباط مع رأي الخبراء هي 78٪. ثم يمكن استخدام الخوارزمية المسبقة لإيجاد العوامل المسببة للتقزم