LAPORAN PRAKTIKUM

DATA MINING PELAYANAN KESEHATAN

Disusun Oleh:
Nama : Rahesti Sadnaprila
NIM : D22.2019.02900
Kelp : D22.53

PROGRAM STUDI DIII REKAM MEDIS DAN INFORMASI KESEHATAN

FAKULTAS KESEHATAN UNIVERSITAS DIAN NUSWANTORO
SEMARANG
Pertemuan : Ke 6

Pokok Bahasan : Pre-processing Data 2

Laporan Praktikum

A. Tujuan Praktikum
1. Mahasiswa dapat memahami proses Pre-processing data 2.
2. Mahasiswa dapat mempraktekkan reduksi data baik menggunakan PCA, SVD,
maupun filter approach.
3. Mahasiswa dapat mempraktekkan discretize data menggunakan discretize by
size maupun discratize by binning.

B. Tahapan Praktikum
Langkah-langkah Reduction data kanker payudara sebagai berikut :
1. Buka aplikasi rapidminer maka akan muncul halaman awal seperti gambar
dibawah ini.
2. Untuk praktek reduksi data, pilih data kanker payudara yang sudah ada
kemudian drop di bagian proses seperti pada gambar dibawah ini.

3. Klik play untuk mengetahui data kanker payudara.

4. Selanjutnya, kita akan mencoba mereduksi data menggunakan cara pertama

yaitu “Principal Component Analysis” dengan mencari pada bagian operators.
 Jika sudah lihat pada bagian parameters, untuk dimensi reduksi diganti dengan
“Fixed number” dan nomor komponennya isi dengan angka 5 lalu klik play.

5. Hasil dari reduksi PCA adalah sebagai berikut.

6. Praktek reduksi kedua menggunakan “Singular Value Decomposition” dengan
mencari pada bagian operators. Jika sudah lihat pada bagian parameters, untuk
reduksi dengan “Fixed number” dan dimensi di isi dengan angka 5 lalu klik play.

7. Hasil dari reduksi data menggunakan SVD seperti pada gambar dibawah ini.
8. Praktek reduksi ketiga menggunakan filter approach dengan mencari pada
operators yaitu “Weight by Information Gain”. Kemudian pada parameters sort
direction dapat memilih ascending ataupun descending tergantung dengan
keinginan masing-masing.

9. Hasil dari praktek weight by information gain dengan memilih sort direction
ascending sebagai berikut.
10. Untuk hasil weight by information gain dengan memilih descending sebagai
berikut.

11. Selanjutnya, jika ingin melakukan normalisai weight dapat klik checklis bagian
normalize weight dan akan menghasilkan data seperti dibawah ini.
12. Kemudian praktek selanjutnya memilih “Select by Weight” pada operators dan
drop di bagian proses. Pada langkah ini kita dapat memilih relasi berat dan
ukurannya. Disini saya memilih “Top P%” dengan P 0.5 dimana berarti bahwa
datanya akan di proses sesuai dengan prosentase tertinggi. Kemudian klik play.
13. Hasil akhir dari praktek reduksi data kanker payudara dapat dilihat pada gambar
dibawah ini.

Langkah-langkah praktek Discretize data kanker payudara sebagai berikut :

1. Langkah yang pertama, buka lembar baru pada rapidminer. Kemudian masukkan
data kanker payudara yang sudah tersimpan pada laptop masing-masing. Jika
sudah, cari di operators discretize by size dan lihat pada bagian parameters.
Untuk atribut type nya diganti dengan “single” kemudian “age” size bins di isi 10
sorting direction pilih descending dan range diganti dengan interval. Jika sudah
klik play.
2. Pada gambar di bawah ini menunjukkan hasil discretize by size baik secara data
maupun secara statistik.
3. Untuk praktek selanjutnya mencoba menggunakan discretize by binning dengan
mencari pada operators setelah itu drop di proses. Perbedaan discretize by size
dan by binning adalah pada number of bins. Jika discretize size number bins nya
10 sedangkan binning number of bins nya 5. Kemudian klik play.
4. Pada gambar di bawah ini menunjukkan hasil discretize by binning baik secara
data maupun secara statistik.

5. Untuk praktekn discretize sudah selesai, kita dapat menggunakan discretize by

size maupun discretize by binning.
C. Hasil Praktikum
Hasil praktikum reduksi data kanker payudara sebagai berikut :
1. Hasil praktek reduksi menggunakan PCA.

2. Hasil praktek reduksi menggunakan SVD.

3. Hasil praktek reduksi menggunakan filter approach weight by information gain
ascending.

4. Hasil praktek reduksi menggunakan filter approach weight by information gain

descending.
5. Hasil praktek reduksi menggunakan filter approach weight by information gain
normalize.

6. Hasil praktek Select by Weights.

Hasil praktikum discretize data kanker payudara sebagai berikut :
1. Hasil praktek discretize menggunakan discratize by size.

2. Hasil praktek discretize menggunakan discretize by binning.

D. Deskripsi Hasil Praktikum
Hasil praktikum Reduction data kanker payudara sebagai berikut :
1. Praktek reduction data menggunakan PCA menghasilkan 5 komponen data.
2. Praktek reduction data menggunakan SVD menghasilkan 5 komponen data yang
dominan dengan nilai minus.
3. Praktek reduction data menggunakan filter approach weight by information gain
ascending menghasilkan data berat dari atribut yang berperan dalam kanker
payudara diurutkan mulai dari efek yang terkecil sampai ke terbesar.
4. Praktek reduction data menggunakan filter approach weight by infprmation gain
descending menghasilkan data berat dari atribut yang berperan dalam kanker
payudara diurutkan mulai dari efek yang terbesar sampai ke terkecil.
5. Praktek reduction data menggunakan filter approach weight by information gain
normalize menghasilkan berat atribut data menjadi lebih kecil.
6. Praktek Select by Weights menghasilkan data nilai terbesar.

Hasil praktikum Discretize data kanker payudara sebagai berikut :

1. Praktek discretize menggunakan by size menghasilkan bin dengan ukuran yang
ditentukan oleh pengguna yaitu 10.
2. Praktek discretize menggunakan by binning menghasilkan data rentan 5.