EDY KURNIAWAN 2209205007
DOSEN PEMBIMBING Dr. I Ketut Eddy Purnama, S.T., M.T Dr. Surya Sumpeno, S.T., MS.c PROGRAM MAGISTER BIDANG KEAHLIAN JARINGAN CERDAS MULTIMEDIA (DATA MINING) JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011
LATAR BELAKANG Salah satu layanan kepada masyarakat oleh dinas kesehatan adalah memberikan penyuluhan tentang kesehatan masyarakat. Layanan kesehatan rumah sakit adalah memberikan pengobatan terhadap pasien sesuai dengan diagnosa yang dilakukan dan juga mendasar pada riwayat pasien.
Tujuan dan kegunaan rekam medis adalah menunjang tercapainya tertib administrasi dalam rangka upaya peningkatan pelayanan kesehatan.
LATAR BELAKANG Joint Commission on Accreditation of Healthcare Organization (JCAHO) melalui Pedoman Akreditasi untuk rumah sakit menetapkan tujuan rekam medis adalah 1. 2. 3. 4. 5.
Sebagai dasar pemberian pelayanan dan evaluasi terapi yang berkesinambungan Sebagai pelengkap evaluasi medis pasien, terapi dan perubahan kondisi pasien saat pasien berada dalam perawatan di rumah sakit, gawat darurat Untuk mendokumentasikan komunikasi yang terjadi antara dokter-dokter yang bertanggung jawab memberikan pelayanan medis kepada pasien Sebagai alat bantu hukum bagi pasien, rumah sakit dan dokter. Sebagai data yang dapat digunakan untuk pendidikan dan penelitian.
RUMUSAN MASALAH Dari penelitian terdahulu telah membahas tentang klasifikasi penyakit serebrovaskular dengan program pengobatannya dengan membandingkan tiga metode. (Duen-Yian Yeh, 2011)
T1
T2
T3
Sensitivity(SD)
Accuracy(SD)
Sensitivity(SD)
Accuracy(SD)
Sensitivity(SD)
Accuracy(SD)
Decision tree
95.29%
98.01%
94.68%
98.01%
62.81%
66.93%
Bayesian classifier
87.10%
91.30%
86.30%
91.36%
66.60%
71.83%
BPNN
94.82%
97.87%
93.80%
98.05%
64.21%
69.32%
Menggali informasi yang terkandung dalam tumpukan data rekam medis (tersandikan berdasarkan ICD-10), untuk di jadikan pengetahuan bagi rumah sakit, dinas kesehatan, serta masyarakat.
1. Algoritma yang digunakan adalah decision tree J48 2. Pengambilan data pada satu rumah sakit pada triwulan pertama tahun 2011 (Rumah sakit Aisiyah Ponorogo) 3. Untuk tujuan kode etik identitas/nama pasien dari data di hilangkan 4. Informasi penyakit yang di cari adalah dalam bentuk pengelompokan jenis penyakit 5. Umur dan alamat di kelompokkan menjadi kelompok wilayah dan kelompok umur 6. Rekam medis yang digunakan adalah ICD-10
DATA MINING Data mining adalah suatu proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database dalam jumlah besar.
Klasifikasi
Klasifikasi adalah pengelompokan penyakit berdasarkan persamaan umur, tempat tinggal, jenis kelamin untuk mencari informasi yang ada di dalamnya.
Decison Tree J48 J48 merupakan implementasi dari algoritma C4.5 yang memproduksi Decision Tree.
Tujuan utamanya adalah untuk memilih atribut , dimana atribut tersebut merupakan yang mampu untuk membagi data item kedalam kelas masing-masing
REKAM MEDIS Rekam medis adalah keterangan pasien tentang identitas, anamnesa, penentuan fisik , laboratorium, diagnosa segala pelayanan dan tindakan medik yang diberikan kepada pasien dan pengobatan baik yang dirawat inap, rawat jalan maupun yang mendapatkan pelayanan gawat darurat
ICD (International Classification of Diseases) » Volume 1 terdiri dari daftar kategori 3 karakter dan daftar tabel inklusi dan subkategori 4 karakter. Inti klasifikasi adalah daftar kategori 3 karakter yang dianjurkan untuk pelaporan ke WHO mortality database dan perbandingan umum internasional. » Volume 2 berisi petunjuk pemakaian ICD » Volume 3 berisi alfabet klasifikasi, dibagi dalam 3 bagian: bagian 1, terdiri atas indeks tentang penyakit dan luka alami. Bagian 2, merupakan indeks penyebab luar morbiditas dan mortalitas, berisi seluruh term yang diklasifikasi. Bagian 3, berisi tabel obat dan bahan kimia.
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file
Classification
Analisa
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file
Classification
Analisa
Pengambilan data rekam medis dari RS berupa file Excel
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file Jenis kelamin
Classification
Analisa
Umur
P
Alamat
Kode ICD 10
Kaporan 3/4 Kaporan Badegan
M 8010/3 C 53.9
L
45
Sukosari 1/1 Babadan
L
17
Gandu 1/2 Mlarak
P
0
Pctn
Z 38.0 P 00.9
METODOLOGI Struktur data
Pengelompokan Wilayah
Perkotaan Pedesaan
Cleaning data
Pegungungan
Selection data
Bayi dan Anak ≤ 15 tahun
Penyiapan file
Pengelompokan Umur
Muda dan Dewasa 15 s/d 50 tahun Tua ≥ 50 tahun
Classification
Pengelompokan ICD Analisa
Kode ICD yang mewakili Kelompok Penyakit
METODOLOGI Struktur data
Cleaning data ICD (berdasarkan kelompok penyakit)
Selection data
Diagnosa (ex.)
Kelompok ICD
DHF +
Penyiapan file
Kode ICD (ex.)
A 09 + A 01.0 A00 - B99
Thypoid
Keterangan
Certain infectious and parasitic diseases
Classification
Ca Mamae
C 50.9
C00 - D48
Neoplasms
SOP +
F 48.8 + R42
F00 - F99
Mental,
Vertigo
behavioural disorders
Analisa
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file
Classification
Analisa
Alamat
Kecamatan
Kel. Wilayah
Jl. Budi Utomo No. 102, Siman
Siman
Perkotaan
Tulung 1/1 Sampung
Sampung
Pedesaan
Jl. Batoro Katong No. 122, babadan
Babadan
Perkotaan
Pulung
Pegunungan
Munggung 2/2 Pulung Dk. Patuk Tranjang
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file
Classification
Penyiapan file dalam bentuk Analisa
*.CSV atau *.ARFF
METODOLOGI Struktur data
Cleaning data
Selection data
Penyiapan file
Classification
Analisa
Decison Tree J48
HASIL DAN PEMBAHASAN Ada 4 atribut rekam medis yang digunakan dalam penelitian ini Jenis Kelamin Umur
Kode ICD Alamat
HASIL DAN PEMBAHASAN Data yang di dapat setelah melakukan cleaning data
dan selection data, maka di dapat data bersih sebesar 1628 Data Rekam Medis 542 1084
Training test Uji
HASIL DAN PEMBAHASAN
RM Gender
Kelompok Umur
Wilayah
Kelompok ICD
1
P
Muda dan Dewasa
Perkotaan
O00 - O99
2
P
Muda dan Dewasa
Pedesaan
O00 - O99
3
P
TUA
Pegunungan
D50 - D89
......
......
.......
.......
Anak-anak dan Bayi
Pedesaan
Z00 - Z99
..... n
L
HASIL DAN PEMBAHASAN Jumlah Pasien Perempuan
280
Laki-laki
254
Jumlah Total Pasien
542
𝑐
𝐸𝑛𝑡𝑟𝑜𝑝𝑦 𝑅𝑀 =
−𝑃𝑖 . 𝑙𝑜𝑔2 (𝑃𝑖 )
0,9983
𝑖=1
Jumlah Pasien Perempuan
633
Laki-laki
451
Jumlah Total Pasien
1084
𝑐
𝐸𝑛𝑡𝑟𝑜𝑝𝑦 𝑅𝑀 =
−𝑃𝑖 . 𝑙𝑜𝑔2 (𝑃𝑖 ) 𝑖=1
0,9795
Confidence Factor Confidence Faktor 0.1
0.2
0.3
0.4
0.5
0.6
0.7
Correctly Classified Instances
66.24%
66.61%
68.27%
68.82%
69.19%
69.19%
69.19%
Incorrectly Classified Instances
33.76%
33.39%
31.73%
31.18%
30.81%
30.81%
30.81%
80 70 60 50
40 30 20 10 0 0
0,1
0,2
0,3
Correctly Classified Instances
0,4
0,5
0,6
Incorrectly Classified Instances
0,7
0,8
Uji Cross Validation Fold
Data Uji
1
2
3
4
5
73,7
78,8
77,4
71
49,1
Rata-rata
70%
Fold Rata-rata
Data Uji
1
2
3
4
5
6
7
8
9
10
53,2
33
67,9
52,3
51,9
49,1
76,9
51,9
44,4
57,4
Fold
Data Uji
5
10
70%
53,8%
53,8%
Decision Tree J48 dari Hasil Rekam Medis
Rule dari Decison Tree J48 if kelompok umur = anak-anak dan bayi then if Gender = P then if (wilayah = perkotaan) then A00-B99 else if wilayah = pedesaan then Z00-Z99 else P00-P96 end if else A00-B99 end if else if kelompok umur = muda dan dewasa then if Gender = L then if wilayah = perkotaan then S00-T98 else if wilayah = pedesaan then A00-B99 else S00-T98 end if else O00-O99 end if else I00-I99
end if
KESIMPULAN DAN SARAN KESIMPULAN Dari 1921 data kotor setelah dilakukan pembersihan data tidak lengkap dan melalui proses seleksi sesuai yang dibutuhkan dalam analisa rekam medis maka didapat data 1628 data bersih. Dari data yang ada dilakukan split untuk digunakan 1/3(542) data training dan 2/3(1082) data test. Hasil pengujian keseluruhan data dengan memakai cross validation 5 fold di dapat akurasi pengujian sebesar 70%. Dari hasil pohon keputusan memberikan informasi bahwa untuk kelompok usia tua di dominasi dengan kelompok penyakit I00-I99 (atau kelompok penyakit yang berhubungan dengan pembuluh darah. Sedangkan pada kelompok umur anak-anak serta muda dan dewasa mempunyai sebaran kelompok penyakitnya
KESIMPULAN DAN SARAN SARAN Penelitian ini menggunakan metode offline dalam melakukan pengolahan dari database rekam medis yang ada di rumah sakit. Untuk memberikan kemudahan dalam pengambilan sampling data yang akan di olah untuk di cari pengetahuan yang ada didalamnya, maka diperlukan interkoneksi database rekam medis dengan sistem analisa data mining.
TERIMA KASIH