PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA

Transkripsi

1 PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA OLEH HENDRA LUKITO NRP : G PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007 xix

2 PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA HENDRA LUKITO G Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains Pada Program Studi Ilmu Komputer PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 xxi

3 SEMINAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR Nama : Hendra Lukito Nomor Pokok : G Program Studi Judul Penelitian : Ilmu Komputer : Perumusan Pola Penyebaran Demam Berdarah Melalui Datamining Pada Database Dinas Kesehatan DKI Jakarta Komisi Pembimbing : Prof. Dr. Ir. Marimin, M.Sc ( Ketua ) Dr.drh. Hamdani Nasution ( Anggota ) Kelompok / Bidang Studi : Keteknikan dan Teknologi Informasi Hari / Tanggal : Kamis, 18 Januari 2007 Waktu : Tempat : Ruang Sidang Fateta, IPB Darmaga, Bogor xx

4 SURAT PERNYATAAN Saya menyatakan dengan sebenar benarnya bahwa segala pernyataan dalam tesis saya berjudul : PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA Merupakan gagasan atau hasil penelitian tesis saya sendiri, dengan arahan Komisi Pembimbing, kecuali yang dengan jelas ditunjukkan rujukannya. Tesis ini belum pernah diajukan untuk memperoleh gelar atau capaian akademik lainnya pada program sejenis di perguruan tinggi lain. Semua data dan informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya. Jakarta, 15 Maret 2007 Yang Membuat Pernyataan HENDRA LUKITO i

5 ABSTRACT HENDRA LUKITO, The Formulation of Demam Berdarah Dengue Spread Pattern Through Datamining of Dinas Kesehatan DKI Jakarta Database. Supervised by MARIMIN and HAMDANI NASUTION. The Objectives of this research were to identify the most important attributes and to formulate decision rules from Dinas Kesehatan DKI Jakarta database. The real survailance data set used collected from Dinas Kesehatan Jakarta from 2004 until 2005 which include DBD data in Jakarta area. We used data set only from Central Jakarta and South Jakarta area. There are two main steps considered for identification of the pattern of DBD, data mining process building which using Classification based association algorithm and creates application program to implement the algorithm. Three steps procedures are implemented for data mining process building. The first step is to deal with missing values. The second step is the discretization, where, each variable is devided into limited number of values groups. The thrid step is creating rule mining and classification. There are 68 data with yellow DBD condition and 134 data with red DBD condition and weather data set consisted of 14 variabels data such as: temperatures, rainy, humadity and sunny. The maximum predictive accuracy for DBD with red condition is 88% and for DBD with yellow condition is 77%. The decision rules are used to predict the condition of DBD. Prediction result from application will be used to forecast the future condition of DBD at certain district. Keywords : DBD (Demam Berdarah Dengue), Datamining, Fuzzy rule base, Winter s forecast method. ii

6 RINGKASAN HENDRA LUKITO, Perumusan Pola Penyebaran Demam Berdarah Melalui Datamining Pada Database Dinas Kesehatan DKI Jakarta, Dibawah bimbingan Prof. Dr. Ir. Marimin, M.Sc, Dr. drh. Hamdani Nasution. Siklus DBD yang terjadi setiap tahun di DKI Jakarta dengan jumlah kasus yang meningkat setiap tahunnya, membuat data survailance tentang DBD yang di catat secara rutin oleh Dinas Kesehatan DKI Jakarta akan menjadi semakin besar, akan tetapi data yang telah di kumpulkan tersebut tidak selalu dapat dimanfaatkan oleh semua pihak, hanya pihak tertentu saja yang dapat memanfaatkan data tersebut secara maksimal. Selain hal tersebut, pada permasalahan DBD terdapat suatu hipotesa awal tentang keterkaitan antara perindukan nyamuk Aedes aegypti dengan suhu, curah hujan dan penyinaran matahari. Dengan menerapkan konsep data mining pada database DBD dan data set cuaca, diharapkan dapat ditemukan pola keterkaitan antar variabel, pada akhirnya dapat dirumuskan pola penyebaran DBD. Tujuan penelitian ini adalah Merumuskan suatu sistem peringatan dini prediksi meledaknya DBD dan cara penanggulangannya, sehingga dari penelitian ini diharapakan akan didapat manfaat untuk membantu dalam memprediksi pola penyebaran DBD pada daerah DKI Jakarta, dan diambilnya suatu tindakan pencegahan agar DBD tersebut tidak meluas penyebarannya dengan menerapkan sistem pakar tata laksana DBD. Dalam penelitian ini digunakan datamining untuk menggali pola keterkaitan antar variabel pada database DBD khususnya di wilayah Jakarta Selatan dan Jakarta Pusat dan data cuaca pada wilayah yang sama. Metode yang digunakan adalah metode Classification based on Predictive Association Rules (CPAR). Output yang didapat dari pencarian dengan menggunakan CPAR tersebut berupa aturan aturan dengan kaidah aturan IF THEN, yang selanjutnya digunakan dalam membangun suatu sistem pakar untuk mengidentifikasi kemungkinan terjadi iii

7 DBD di suatu wilayah didasarkan pada keadaan cuaca di wilayah tersebut. Sistem pakar berbasiskan logika fuzzy ini diberi nama Aplikasi DBD. Aplikasi DBD dibangun menggunakan Matlab 7.0 R 14, dengan menggunakan fungsi toolbox fuzzy untuk membangun SIF (Sistem Inferensi Fuzzy) dan fasilitas GUI (graphical users interface) untuk antarmukanya. Data masukkan yang digunakan adalah data cuaca yang meliputi suhu udara, curah hujan, penyinaran matahari, kelembaban udara. Data tersebut menjadi acuan untuk melakukan prediksi terhadap kondisi DBD serta tatalaksana tentang DBD. Data cuaca ini kemudian di dekomposisi menjadi himpunan himpunan fuzzy. Evaluasi aturan fuzzy kemudian diubah menjadi suatu harga numerik untuk menetukan aksi dari output, atau disebut defuzzifikasi. Metode defuzzifikasi yang digunakan adalah metode centroid. Dengan menggunakan himpunan fuzzy, aturan atau rule dan metode defuzzifikasi, maka dapat disusun sistem inferensi fuzzy dengan menggunakan toolbox fuzzy (fuzzy logic toolbox) pada Matlab7.0 R14, proses inferensi yang digunakan adalah model fuzzy Mamdani. Hasil prediksi dari aplikasi DBD ini dapat digunakan oleh pihak pihak yang berkepentingan dalam hal penganggulangan wabah DBD, sehingga mereka dapat melakukan tindakan cegah dini dari kemungkinan terjadinya wabah DBD disuatu wilayah. Untuk melakukan prediksi pada tahun selanjutnya dimana data cuaca belum diketahui, maka digunakan metode Winter s yang dapat memprediksi kemungkinan keadaan cuaca berdasarkan pada data cuaca di tahun sebelumnya, sehingga Aplikasi DBD ini dapat digunakan dalam memprediksi kemungkinan terjadinya DBD di tahun yang akan datang. Hasil prediksi menggunakan datamining pada database Dinkes DKI Jakarta dikaitkan dengan data cuaca menghasilkan aturan sebanyak 22 aturan untuk Jakarta Selatan dan 29 aturan untuk Jakarta Pusat. Dari hasil penelitian ini dapat disimpulkan sebagai berikut : Penerapan datamining dengan metode CPAR pada database DINKES DKI Jakarta dikaitkan dengan variabel cuaca, menemukan adanya keterkaitan, yaitu : Kelembaban udara, iv

8 Penyinaran matahari dan Curah hujan menjadi penentu utama apakah terjadi wabah DBD pada suatu wilayah, Sebagai tindakan cegah dini wabah DBD, maka diprediksikan kemungkinan wabah DBD untuk tahun 2007 di wilayah Jakarta Selatan adalah : Sepanjang tahun 2007 kemungkianan terjadi wabah DBD dengan kondisi merah, kecuali pada minggu ke 31, 34 dan 35 kondisi wabah DBD menurun sesuai dengan factor cuaca ke kondisi kuning. Dari kesimpulan hasil penelitian tersebut maka dapat diberikan saran saran sebagai berikut : Perlu ditambahkan atribut atribut selain atribut cuaca, misalnya data atribut kepadatan penduduk, data bebas jentik suatu wilayah dan data geografis dll yang mempunyai potensi untuk mempengaruhi terjadinya wabah DBD disuatu wilayah, Pengelompokkan atribut lebih dipersempit rentangnya sehingga diharapkan dapat dihasilkan aturan yang lebih detil dan lebih baik. Kata kunci : Demam Berdarah Dengue (DBD), Datamining, Fuzzy rule base, Metode prediksi Winter s. v

9 Judul Penelitian Nama NRP Program Studi : Perumusan Pola Penyebaran Demam Berdarah Melalui Data Mining Pada Database Dinas Kesehatan DKI Jakarta : Hendra Lukito : G : Ilmu Komputer Menyetujui, Komisi Pembimbing Prof. Dr. Ir. Marimin, M.Sc Ketua Dr. drh. S.Hamdani Nasution Anggota Mengetahui, Ketua Program Studi Ilmu Komputer Dekan Sekolah Pascasarjana Dr. Sugi Guritman Prof. Dr. Ir. Khairil Anwar N, MS Tanggal Ujian : 01 Maret 2007 Tanggal Lulus : vi

10 KATA PENGANTAR Puji syukur penulis sampaikan kehadirat Allah SWT, atas berkah dan rahmat- Nya, akhirnya penulis dapat menyelesaikan tugas penelitian ini dengan judul PERUMUSAN POLA PENYEBARAN DEMAM BERDARAH MELALUI DATA MINING PADA DATABASE DINAS KESEHATAN DKI JAKARTA. Tugas penelitian ini dibuat untuk memenuhi salah satu persyaratan studi pada program Studi Ilmu Komputer, Sekolah Pascasarjana IPB. Tugas penelitian ini dapat terselesaikan atas bantuan dari berbagai pihak. Oleh karena itu ijinkan penulis untuk menyampaikan ucapan terima kasih yang sebesar sebesarnya kepada : 1. Bapak Prof. Dr. Ir. Marimin, M.Sc dan Bapak Dr. drh. Sjahrun Hamdani Nasution, selaku Dosen pembimbing, yang telah sangat membantu dalam membimbing dan mengarahkan penulis, sehingga ide yang sederhana ini dapat menjadi sesuatu yang berguna. 2. Staf pengajar dan karyawan di Program Studi Ilmu Komputer, Sekolah Pascasarjana IPB yang telah membantu selama masa menimba ilmu di kampus Baranangsiang, dan Karyawan Pascasarjana IPB,khususnya ibu Henny, yang telah sangat membantu. 3. Orang Tua tercinta Bapak dan Ibu Suparman, yang selalu mendoakan penulis di dalam setiap nafasnya, dan menjadi motivasi penulis dalam mengejar ilmu sehingga bisa menjadi yang lebih tinggi lagi. Terima Kasih atas doanya dan karya ini saya persembahkan untuk Bapak dan Ibu berdua. 4. Bapak dan Mama Bambang Pribadi yang mendukung dan mengerti dengan situasi serta kondisi sebagai seorang mahasiswa. 5. Istriku tercinta Santhy Lestari dan anak anak tersayang, Shafira, Farhan dan Jasmine yang selalu memberi dukungan penuh dan menjadi penyejuk disaat rasa lelah dan jenuh mulai datang me nghampiri. Semoga ini bisa menjadi vii

11 motivasi bagi kalian nanti untuk melangkah di masa depan dan kalian harus bisa lebih dari Babab saat ini. 6. Rekan rekan mahasiswa Pascasarjana Ilmu Komputer angkatan Matrix, yang telah membantu dalam memberi saran dan masukkan, khususnya kepada dokter Syafeii yang telah membantu dalam memberikan data dan menjadi tempat penulis berkonsultasi tentang DBD, Herwanto yang telah sangat sangat membantu dalam mengolah data menggunakan algoritma CPAR yang telah dimodifikasinya, Nana Supriatna yang sama sama jatuh bangun dalam menyusun tesis ini. Rekan - rekan satu bimbingan Bapak Marimin, khususnya, mas Janawir, mas Hari dan Rein atas dukungan soft copy dan hard copy tesisnya. 7. Segenap keluarga yang telah memberikan dukunga n moral dan spirit, tanpa dukungan kalian, karya ini mungkin tidak akan tersusun sebaik ini. 8. Pimpinan dan rekan sejawat di kantor tempat penulis bekerja, baik selama bekerja di PT. Mitratama, Bapak Viktor Pardede (alm), Bapak Haryanto, dan selama penulis bekerja di PT. Charoen Pokphand Indonesia, khususnya Bapak Bambang Pangestoe dan Bapak Jimmy Perangin angin yang telah mengijinkan penulis untuk menyelesaikan langkah terakhir dalam langkah yang cukup panjang ini. 9. Semua pihak yang telah sangat membantu dalam penulisan ini namun tidak dapat penulis sebutkan satu persatu. Terima kasih atas dukungan kalian semua, sehingga tesis ini dapat menjadi sesuatu yang berguna. Berbagai usaha telah penulis upayakan guna terselesaikannya tugas penelitian ini dengan baik, namun penulis menyadari akan kekurangan dan keterbatasan penulis. Oleh karena itu penulis memohon maaf apabila terdapat kesalahan. Akhir kata penulis berharap agar tesis ini dapat berguna bagi masyarakat dalam memerangi masalah DBD yang selalu terjadi. Amin Jakarta, Februari 2007 Penulis viii

12 RIWAYAT HIDUP Penulis dilahirkan di Balikpapan pada tanggal 21 Oktober 1974, sebagai anak pertama dari 2 bersaudara pasangan bapak H. Suparman S dan ibu Hj. Purbawati Chalid. Pendidikan dasar di tempuh diberbagai tempat di wilayah Indonesia karena orang tua yang bertugas sebagai seorang Tentara TNI AD, antara lain di Singaraja, Kupang, dan menyelesaikannya di Bima NTB tahun Pendidikan menengah pertama di selesaikan di SMPN 1 Denpasar Bali tahun Pendidikan menengah atas penulis jalani di 2 tempat yaitu di SMU 2 Ujung pandang dan diselesaikan di SMA 4 Jogjakarta dengan mengambil jurusan Biologi pada tahun Pendidikan sarjana ditempuh di Universitas Pembangunan Nasional Veteran Jogjakarta dengan mengambil jurusan Teknik Geologi, Fakultas Teknologi Mineral dan diselesaikan pada tahun Tahun 2003, penulis meneruskan menimba ilmu di program Pascasarjana IPB, Institut Pertanian Bogor pada program ilmu Komputer. Setelah menyelesaikan kuliah tingkat Sarjana penulis bekerja di PT. Mitratama dan bekerja paruh waktu di PT. Yanmar Indonesia ( ). Sejak November 2005, penulis bergabung di PT. Charoen Pokphand Indonesia sebagai tenaga analisis data di bidang Security dan Community Development. Saat ini penulis berdomisili di Cilangkap, Jakarta Timur dan dari hasil perkawinan penulis dengan Santhy Lestari, dikaruniai 3 orang anak, Shafira Larasati, M Farhan dan Jasmine Azahra. ix

13 DAFTAR ISI Halaman SURAT PERNYATAAN ABSTRACT RINGKASAN LEMBAR PENGESAHAN KATA PENGANTAR RIWAYAT HIDUP DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN i ii iii v vi viii ix xiii xv xvii I PENDAHULUAN Latar Belakang Tujuan Ruang Lingkup Manfaat Penelitian 4 II TINJAUAN PUSTAKA Demam Berdarah Dengue (DBD) Definisi Penyebab DBD Kasus DBD di wilayah DKI Jakarta Data Mining Klasifikasi dan Prediksi Metodologi Datamining 11 x

14 2.2.3 Teknik Datamining Association Rule Classification Based Association Algoritma Appriori Membuat Association Rule berdasarkan 16 Frequent Itemset Classification based on Predictive 17 Association Rules (CPAR) Membuat Rule dalam CPAR Membangun Model Prediksi Sistem Fuzzy Himpunan Fuzzy Fungsi Keanggotaan Operator Himpunan Fuzzy Fungsi Implikasi Sistem Inferensi Fuzzy (FIS) Prakiraan / Forecasting Teknik Prakiraan Pemulus Eksponensial Metode Winters Penelitian terdahulu Perbedaan dari penelitian sebelumnya 30 III METODOLOGI Kerangka Pemikiran Tata Laksana Pengumpulan Data Data Yang Digunakan Pengolahan Data 36 xi

15 3.3. Pembuatan Program Aplikasi Data mining Pembentukan Basis Aturan Aplikasi DBD Prediksi Cuaca Menggunakan Metode 40 Winter s IV PERANCANGAN SISTEM Gambaran Umum Sistem Analisa Kebutuhan Sistem Desain Sistem Tahapan Data mining Tahapan Aplikasi DBD Antar muka 50 V IMPLEMENTASI SISTEM Implementasi Sistem Pembangunan Sistem Data mining Pembentukan Sampel Positif dan Sampel 52 Negatif Pembentukan Basis Aturan / Rule Base Program Aplikasi Input Sistem Proses Evaluasi Sistem Output Sistem Prediksi DBD Tahun Selanjutnya Kompleksitas Sistem 67 xii

16 VI PENGUJIAN DAN PEMBAHASAN Mekanisme Pengujian Pembentukan Model Dengan Data Training Pelatihan Dengan Data Testing Pembahasan Penerapan Aplikasi DBD Per Kecamatan Pembentukan Model Dengan Data Training Pembahasan Prediksi DBD Tahun Implikasi Manajerial 89 VII KESIMPULAN DAN SARAN Kesimpulan Saran 93 DAFTAR PUSTAKA 94 LAMPIRAN 96 xiii

17 DAFTAR GAMBAR Halaman Gambar 1 Jumlah Kasus DBD Bersumber Survailans Aktif RS per Bulan 6 di DKI Jakarta, ( s/d 17 mei 2006) Gambar 2 Peningkatan data dalam 2 dekade terakhir (Sumber: Fayyad, Piatetsky-Shapiro dan Smyth, 1996) 7 Gambar 3 Pembuatan Model dalam Datamining (adaptasi dari 9 Berry,MJA and Linoff,GS) Gambar 4 Model Proses Pembuatan Datamining 11 Gambar 5 Langkah Langkah Membangun Model Prediksi 19 Gambar 6 Fungsi Keanggotaan USIA dengan representasi Sigmoid 21 Gambar 7 Fungsi Implikasi MIN 23 Gambar 8 Fungsi implikasi DOT 23 Gambar 9 Data mining, multimodel dan fuzzy Model (adaptasi dari 29 Hirota et al) Gambar 10 Sistem Peringatan Dini Prediksi Meledaknya DBD dan Cara 32 Penanggulannya Gambar 11 Tahapan Penelitian 33 Gambar 12 Arsitektur system Aplikasi DBD 37 Gambar 13 Model Aplikasi DBD 41 Gambar 14 Fuzzifikasi Suhu 46 Gambar 15 Fuzzifikasi Curah Hujan 47 Gambar 16 Fuzzifikasi Penyinaran Matahari 47 Gambar 17 Fuzzifikasi Kelembaban Udara 48 Gambar 18 Antarmuka Aplikasi DBD 50 Gambar 19 Tabel Data Selama 1 Tahun 55 Gambar 20 Grafik Selama 2 Tahun 56 Gambar 21 Antar muka Aplikasi DBD 57 xiv

18 Halaman Gambar 22 Tatalaksana Berdasarkan SOP Dinkes DKI Jakarta 57 Gambar 23 FIS Editor Untuk Data Atribut Cuaca dan Kondisi DBD, 58 Wilayah Jakarta Selatan Gambar 24 Membership Function Untuk Atribut Suhu 59 Gambar 25 Membership Function Untuk Atribut Curah Hujan 60 Gambar 26 Membership Function Untuk Atribut Matahari 60 Gambar 27 Membership Function Untuk Atribut Kelembaban 61 Gambar 28 Rule Editor Jakarta Selatan 62 Gambar 29 Rule Editor Jakarta Pusat 63 Gambar 30 Rule Viewer Untuk Jakarta Selatan 64 Gambar 31 Rule Viewer Untuk Jakarta Pusat 64 Gambar 32 Tombol Mendapatkan Output dan Input Data 65 Gambar 33 Interface Metode Winter s 66 Gambar 34 Prediksi Suhu Tahun 2007 Dengan Metode Winter s 85 Gambar 35 Prediksi Curah Hujan Tahun 2007 Dengan Metode Winter s 85 Gambar 36 Prediksi Matahari Tahun 2007 Dengan Metode Winter s 85 Gambar 37 Prediksi Kelembaban Tahun 2007 Dengan Metode Winter s 86 Gambar 38 Hasil Prediksi DBD Tahun Wilayah Kebayoran 87 Baru Gambar 39 Hasil Prediksi DBD Tahun Wilayah Tebet 88 xv

19 DAFTAR TABEL Halaman Tabel 1 Klasifikasi Daerah Berdasarkan Kasus DBD di Suatu 6 Wilayah Tabel 2 Transaksi Penjualan Barang 15 Tabel 3 Contoh Data Penjualan yang Bersifat Musiman 26 Tabel 4 Contoh Hasil Penerapan Metode Winter s 28 Tabel 5 Atribut yang Digunakan Dalam Algoritma CPAR 43 Tabel 6 Atribut Cuaca dan Himpunan Fuzzy 45 Tabel 7 Selang Nilai untuk Hasil Output pada Hi mpunan Fuzzy 49 Tabel 8 Input dan Output Aplikasi DBD 50 Tabel 9 Tabel Diskrit Untuk Wilayah Yakarta Selatan 52 Tabel 10 Sampel Data Positif 53 Tabel 11 Sampel Data Negatif 53 Tabel 12 Hasil Pemasukkan Data Untuk Wilayah Jakarta Selatan 54 Tabel 13 Data Survailans DBD Tahun 2005 Minggu Tabel 14 Data Survailans DBD Tahun 2004 Minggu Tabel 15 Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan 69 Tahun 2005 Tabel 16 Data DBD Setelah Dibagi Berdasarkan Jumlah Kecamatan 69 Tahun 2004 Tabel 17 Aturan Data Training Dengan GSR 99% 69 Tabel 18 Aturan Data Training Dengan GSR 80% 70 Tabel 19 Aturan Data Training Dengan GSR 60% 71 Tabel 20 Aturan Data Training Dengan GSR 20% 71 Tabel 21 Aturan Data Training Dengan GSR 10% 72 Tabel 22 Data Testing Untuk Wilayah Jakarta Selatan 73 Tabel 23 Data DBD Untuk Wilayah Jakarta Selatan 73 xvi

20 Tabel 24 Data Survailance DBD Tahun 2005 Untuk Kecamatan Wil. 76 Jak-Pus Tabel 25 Data Survailance DBD Tahun 2005 Untuk Kecamatan Wil. 76 Jak - Sel Tabel 26 Aturan Data Training Dengan GSR 99% 76 Tabel 27 Aturan Data Training Dengan GSR 20% 77 Tabel 28 Aturan Data Training Dengan GSR 10% 78 Tabel 29 Aturan Data Training Dengan GSR 99% 79 Tabel 30 Aturan Data Training Dengan GSR 60% 80 Tabel 31 Aturan Data Training Dengan GSR 20% 80 Tabel 32 Aturan Data Training Dengan GSR 10% 81 Tabel 33 Data Cuaca Jakarta Selatan Tahun Tabel 34 Data Cuaca Jakarta Selatan Tahun Tabel 35 Hasil Prediksi Cuaca Tahun xvii

21 DAFTAR LAMPIRAN Lampiran 1 Cara Perolehan Dan Pengolahan Data 95 Lampiran 2 Data Cuaca dan DBD Wilayah Jakarta Selatan Tahun Lampiran 3 Data Cuaca dan DBD Wilayah Jakarta Selatan Tahun Lampiran 4 Data Cuaca dan DBD Wilayah Jakarta Pusat Tahun Lampiran 5 Data Cuaca dan DBD Wilayah Jakarta Pusat Tahun Lampiran 6 Data Diskrit Cuaca Dan DBD Jakarta Selatan Tahun Lampiran 7 Data Diskrit Cuaca Dan DBD Jakarta Selatan Tahun Lampiran 8 Data Diskrit Cuaca Dan DBD Jakarta Pusat Tahun Lampiran 9 Data Diskrit Cuaca Dan DBD Jakarta Pusat Tahun Lampiran 10 Aturan Aturan Hasil Datamining Menggunakan Metode 105 CPAR Lampiran 11 Hasil Prediksi Cuaca Menggunakan Metode Winter s Tahun xviii