1
BAB I
PENDAHULUAN 1.1
Latar Belakang dan Permasalahan Penyakit jantung merupakan salah satu penyakit yang berbahaya dan
penyebab kematian nomor satu di dunia jika tidak ditangani dengan baik. Di Indonesia khususnya pada provinsi Yogyakarta, menurut data rekam medik RSUP Dr. Sardjito Yogyakarta jumlah penderita penyakit jantung dari tahun ketahun terus meningkat. Dua puluh lima (25) besar jumlah pasien penderita penyakit jantung pada tahun 2012 sebanyak 807 orang, tahun 2013 bertambah menjadi 891 orang dan pada tahun 2014 mulai dari bulan Januari sampai pada bulan Nopember berjumlah 918 orang (Instalasi Catatan Medik, 2014). Untuk mendiagnosis pasien yang menderita penyakit jantung dapat diketahui dari gejala-gejala yang muncul atau dialami oleh pasien dan faktor resiko yang dirasakan pasien. Penanganan pada pasien penyakit jantung dilakukan oleh tenaga ahli yaitu dokter spesialis penyakit jantung, namun karena keterbatasan tenaga ahli mengakibatkan lambatnya penanganan pasien, sehingga dibutuhkan suatu alat yang dapat membantu untuk diagnosis pasien penyakit jantung. Kasus-kasus yang tersimpan dalam rekam medik mengenai diagnosis penyakit jantung oleh tenaga ahli untuk menentukan jenis penyakit jantung yang diderita oleh pasien dapat digunakan kembali sebagai acuan untuk menentukan jenis penyakit jantung ketika ada permasalahan baru. Pemanfaatan kasus yang telah terjadi sebelumnya atau kasus lama dikenal secara umum dengan istilah penalaran berbasis kasus atau case based reasoning (CBR). Rismawan dan Hartati (2012) dalam penelitiannya menggunakan CBR untuk diagnosis penyakit telinga hidung dan tenggorokan (THT) dengan hasil penelitian menunjukkan bahwa sistem penalaran berbasis kasus berdasarkan hasil uji coba sistem terhadap 111 data kasus, terdapat 9 kasus yang memiliki similarity dibawah 80. Abdiansah dan Hartati (2008) memanfaatkan konsep CBR untuk diagnosis penyakit kulit dan kelamin menghasilkan akurasi 90,00%. Sedangkan Faizal (2013) dengan
1
2
mengimplementasikan CBR, sistem mampu mengenali penyakit Penyakit Cardiovascular (I21) secara benar (sensitifitas) sebesar 100 %, mengenali penyakit bukan I21 (spesifisitas) sebesar 83,33 %, dengan tingkat akurasi sebesar 95,83% serta tingkat kesalahan (error rate) sebesar 4,17%. Dalam CBR sendiri ada beberapa proses yaitu retrieve, reuse, revise dan retain. Pada fase retrieve ada banyak metode yang di gunakan untuk pengambilan kasus lama yang relevan dengan permasalahan baru. Fase retrieve merupakan salah satu tahap penting dalam siklus CBR. Beberapa metode retrieve adalah dengan menggunakan metode nearest neighbor similarity, minkowski distance similarity dan euclidean distance similarity. Metode nearest neighbor pernah di gunakan oleh Abdiansah dan Hartati (2008), Nurdiansyah dan Hartati (2014), dan Mancasari, U.K., (2012). Sedangkan Salem, dkk (2005) menggunakan dua metode retrieval yaitu metode induksi dan nearest-neighbor. Hasil mengindikasikan bahwa retrieval dengan metode nearest neighbor lebih baik dibandingkan metode induksi dengan akurasi berturut-turut adalah 100% dan 53,8%. Ahli jantung telah mengevaluasi seluruh performa sistem ini dimana sistem mampu memberikan suatu hasil diagnosa yang benar untuk 13 permasalahan baru. Metode minkowski distance similarity pernah di gunakan oleh Faizal (2013) untuk mendiagnosis penyakit Cardiovascular (I21) yang akurasinya mencapai 100%. Penelitian Salamó, dkk (2000) menggunakan dua metode pembobotan fitur pengembangan CBR, yaitu rough sets theory dan sample correlation. similarity menggunakan fungsi minkowski metric. Sementara Rao, dkk (2012) melakukan pengenalan wajah dengan menggunakan 3 (tiga) fitur lokal yang berbeda yaitu manhattan distance, weighted angle distance dan minkowski distance. Hasil penelitian menunjukan minkowski distance memberikan hasil yang lebih baik. Metode euclidean distance similarity juga pernah di gunakan oleh Li dan Sun (2009), yaitu dengan mengkombinasikan metode hybrid (grey relational degree and decision support system) dengan metode eudclidean dan manhattan. Kosasi (2014) dalam penelitiannya menggunakan CBR untuk pemilihan tipe handphone menggunakan
menggunakan normalized
nearest euclidean
neighbor distance
dengan dengan
fungsi
similarity
hasil
penelitian
3
menunjukkan bahwa metode ini mampu melakukan perhitungan similaritas sesuai dengan pendefinisian. Sementara Dong (2007) melakukan penilaian kredit nasabah menggunakan CBR menggunakan similaritas manhattan distance dan euclidean distance. Hasil penelitian menunjukan euclidean distance memberikan hasil yang lebih baik. Sedangkan pada fase revise merupakan bagian dari adaptasi sistem terhadap kasus yang belum berhasil didiagnosis. Dimana permasalahan baru tidak diperoleh kasus yang identik atau tidak memiliki nilai similaritas tertinggi, maka solusi yang disarankan adalah menyerahkan kasus tersebut kepada pakar, dalam hal ini dokter spesialis penyakait jantung. Proses revisi terdiri dari dua tahap, yaitu evaluasi solusi dan perbaikan kesalahan (Aamodt & Plaza, 1994). Tahap evaluasi dapat dilakukan dengan beberapa cara, antara lain revisi kasus dilakukan oleh seorang pakar. Kasus tersebut disimpan untuk menunggu revisi pakar. Pakar akan merevisi nama penyakit berdasarkan gejala-gejala yang ada dalam kasus. Berdasarkan uraian beberapa penelitian diatas, penelitian dalam penerapan CBR untuk melakukan diagnosis telah banyak dilakukan dengan tingkat akurasi yang bervariasi. Sedangkan penerapan metode nearest neighbor similarity, minkowski distance similarity dan euclidean distance similarity juga telah banyak dilakukan dan menghasilkan tingkat akurasi yang cukup baik. Sehingga berdasarkan fakta-fakta di atas maka perlu dibuat sebuah sistem yang mampu mendiagnosis penyakit jantung. Penelitian ini akan menerapkan case-based reasoning untuk membangun sebuah sistem yang memiliki kemampuan untuk mendiagnosis penyakit jantung berdasarkan kemiripan pada kasus-kasus terdahulu mengunakan metode nearest neighbor similarity, minkowski distance similarity dan euclidean distance similarity. Metode dengan akurasi hasil diagnosis terbaik akan digunakan dalam membangun sistem CBR. Pembangunan
sistem
ini
diharapkan
dapat
membantu
menyelesaikan
permasalahan tenaga medis atau dokter jantung dalam melayani pasien dengan pelayanan yang cepat dan tepat.
4
1.2
Rumusan Masalah Berdasarkan latar belakang tersebut maka perumusan masalah dalam
penelitian ini adalah : Bagaimana membangun sistem case-based reasoning untuk kepentingan diagnosis penyakit jantung. 1.3
Batasan Masalah Batasan-batasan dalam penelitian ini meliputi :
1.
Dalam penelitian ini penulis akan membahas 6 jenis penyakit jantung, yakni Gagal Jantung Akut, Jantung Koroner, Jantung Hipertensi, Gagal Jantung Kronik, Jantung Katup dan Jantung Perikarditif.
2.
Data yang diambil adalah data tahun2014 di RS. Dr. Sardjito Yogyakarta.
3.
Data kasus didasarkan pada rekam medik pasien penderita penyakit jantung sebanyak 100 data kasus dengan 70% sebagai basis kasus dan 30% sebagai data uji.
1.4
Tujuan Penelitian Tujuan dari penelitian ini adalah membangun sistem case-based reasoning
untuk kepentingan diagnosis penyakit jantung. 1.5
Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini adalah untuk membantu dokter
khususnya tenaga medis penyakit jantung maupun asisten dokter agar mampu melakukan diagnosis penyakit jantung dengan baik, sehingga pasien dapat ditangani dengan lebih mudah dan cepat. 1.6
Keaslian Penelitian Penelitian yang mengimplentasikan case-based reasoning untuk melakukan
diagnosis penyakit telah dilakukan banyak peneliti sebelumnya. Namun demikian berdasarkan referensi dan studi literatur, penelitian mengenai implementasi CBR untuk diagnosis penyakit jantung dengan membandingkan tiga metode similaritas, yaitu metode nearest neighbor similarity, minkowski distance similarity dan euclidean distance similarity belum pernah dilakukan sebagai penelitian yang diajukan sebagai Thesis S2 Ilmu Komputer Universitas Gadjah Mada Yogyakarta.
5
1.7
Metodologi Penelitian Penelitian ini menggunakan metode pengembangan perangkat lunak yang
terdiri dari tahap-tahap berikut ini: 1.
Observasi awal: tahap ini merupakan tahap pengumpulan data awal. Seiring dengan jalannya penelitian maka data diobservasi akan terus bertambah. Penelitian ini berhubungan dengan pengetahuan seorang pakar (dokter spesialis jantung) sehingga pengumpulan pengetahuan akan memerlukan waktu yang cukup lama.
2.
Analisa kasus: tahap ini merupakan tahap untuk menganalisa kasus yang di dapat dari observasi. Setiap kasus umumnya disertai gejala dan faktor resiko yang menyertai penyakit pada kasus tersebut.
3.
Perancangan: pada tahap ini akan dilakukan perancangan terhadap representasi kasus, proses retrieval kasus, proses retaining kasus dan mekanisme penambahan case-base. Sistem yang akan dibuat melibatkan data kasus sehingga memerlukan penyimpanan dengan menggunakan database.
4.
Implementasi: tahap ini merupakan tahap untuk mengimplementasikan hasil rancangan sistem menjadi perangkat lunak (software).
5.
Pengujian: pada tahap ini akan dilakukan uji coba dari perangkat lunak yang dibuat terhadap data kasus nyata.
1.8
Sistematika Penulisan Penulisan Tesis ini akan dibagi dalam 7 bab, dengan rincian masing-masing
sebagai berikut : BAB I.
PENDAHULUAN
Bab pendahuluan ini membahas mengenai latar belakang penelitian dan permasahan, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, keaslian penelitian, metodologi penelitian, dan sistematika penulisan. BAB II.
TINJAUAN PUSTAKA
Pada bab ini diuraikan secara sistematis penelitian terdahulu dan menghubungkan dengan penelitian yang sedang dilakukan.
6
BAB III.
LANDASAN TEORI
Landasan teori meliputi teori-teori yang digunakan dalam penelitian yaitu case-based reasoning dan penyakit jantung. BAB IV.
ANALISA DAN PERANCANGAN SISTEM
Pada bab ini akan dibahas mengenai rancangan sistem penalaran berbasis kasus untuk mendiagnosa penyakit jantung. BAB V.
IMPLEMENTASI SISTEM
Bab ini berisi implementasi dari rancangan sistem yang sudah dibuat menjadi sebuah aplikasi perangkat lunak. BAB VI.
HASIL DAN PEMBAHASAN
Pada bab ini membahas hasil dari implementasi yang sudah dilakukan dan di dalam bab ini juga ditampilkan hasil dari implementasi. BAB VII. KESIMPULAN DAN SARAN Bab terakhir ini berisi kesimpulan dari penelitian dan juga diberikan saransaran yang mungkin bisa dipertimbangkan untuk dapat menghasilkan suatu sistem penalaran berbasis kasus yang baik.
