KLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION Oleh : Gunawan Abdillah, Agus Komarudin, Rachim Suherlan
ABSTRAK Kelainan jantung anak merupakan salah satu kelainan jantung yang menyerang bayi atau anak yang bisa mengakibatkan kematian. Kelainan jantung ini harus bisa dideteksi secara cepat untuk mengurangi resiko kematian pada anak atau bayi. Pada penelitian ini jenis kelainan jantung anak yang diteliti adalah VSD (ventrikel septum defect) dan ASD (atrial septum defect) yang didapat dari data rekam medik pasien kelainan jantung anak. Metode yang digunakan pada peneltian ini adalah menggunakan jaringan saraf tiruan algoritma backpropagation dengan masukan ke jaringan saraf tiruan adalah nilai fuzzy berdasarkan parameter-parameter pemeriksaan fisik dan gejala klinis untuk menentukan jenis kelainan jantung pada anak. Pada pengujian sistem dapat mengklasifikasi kelainan jantung pada anak dari 12 parameter yang terdiri dari pemeriksaan fisik dan gejala klinis dengan tingkat akurasi mencapai 85%. dengan 200 epoch, nilai error minimum sebesar 0.001 dalam waktu 4 jam 14 menit 43 detik pada proses pelatihan. Sistem dapat pula mengenali pola kelainan meskipun data parameter tidak lengkap dengan tingkat akurasi mencapai 66%. Peningkat akurasi klasifikasi diperoleh sebesar 4,93 % setelah mengurangi error minimum dari 0.01 menjadi 0.001 dan waktu pelatihan bertambah menjadi 4 jam 14 menit 43 detik. Kata Kunci :
Kelainan Jantung Anak, Backpropagation
LATAR BELAKANG MASALAH Kelainan jantung anak terjadi pada 810 anak diantara 1000 bayi atau anak lahir hidup. Kelainan ini merupakan kelainan bawaan yang paling sering terjadi (kirakira 30% dari seluruh kelainan bawaan), dan paling sering menimbulkan kematian khususnya pada neonatus. Setengah dari kasus kelainan jantung anak semestinya sudah dapat dideteksi pada bulan pertama kehidupan, karena memperlihatkan tandatanda yang memerlukan pertolongan segera. Kelainan jantung ini dapat dideteksi secara dini pada bulan-bulan pertama kelahiran bayi (Teddy Ontoseno, Divisi Kardiologi Bagian Ilmu Kesehatan
Anak Fk Unair – RSU Dr. Soetomo Surabaya). Beberapa masalah yang selama ini timbul adalah bagaimana mendeteksi adanya kelainan jantung pada anak. Sebagian dokter anak sulit mendiagnosa kelainan jantung anak ini karena kurang mempunyai informasi yang cukup tentang kelainan ini[7]. Sedangkan para orang tua juga seringkali sangat khawatir bila bayi atau anak mereka harus menjalani operasi bedah jantung terbuka sebagai konsekuensi didiagnosisnya anaknya sebagai
KLASIFIKASI KELAINAN JANTUNG … (Gunawan A., Agus K., Rachim Suherlan)
53
penderita kelainan jantung anak. Gejala-gejala sebagai ciri yang didapat pada anak sangat banyak dan dari gejala tersebut dapat menentukan jenis kelainan jantung anak. Kelainan jantung pada anak dapat dibagi menjadi kelainan jantung sianotik (cyanotic heart disease) dan non sianotik (noncyanotic heart disease). Penelitian ini menggunakan
Jaringan Saraf Tiruan algoritma backpropagation untuk klasifikasi kelainan jantung anak. Sebagai masukannya adalah pemeriksaan fisik dan gejala klinis yang dikonversi melalui proses fuzzification. Proses fuzzification didapat berdasarkan pendekatan risiko terjadinya kelainan jantung pada anak berdasarkan data riwayat pasien kelainan jantung anak.
Gambar 1. Alur Proses Klasifikasi Kelainan Jantung Anak
ARISTOTELES VOL. 10 NO. 1, OKTOBER 2012 : 1 – 7
54
Jaringan Saraf Tiruan Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Terdapat beberapa tipe jaringan
syaraf tiruan, namun demikian hampir semuanya memiliki komponenkomponen yang sama. Seperti halnya otak manusia, jaringan syaraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron-neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron-neuron yang lain. Pada jaringan syaraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut. Gambar 2. menunjukkan struktur neuron pada jaringan syaraf.
Gambar 2. Struktur neuron jaringan syaraf tiruan euron buatan ini sebenarnya mirip dengan sel neuron biologis. Neuronneuron buatan tersebut bekerja dengan cara yang sama pula dengan neuronneuron biologis. Informasi disebut dengan input akan dikirim ke neuron dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan yang akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai ambang (threshold) tertentu melalui fungsi aktivasi setiap neuron. Apabila input tersebut melewati suatu nilai ambang tertentu, maka neuron akan
diaktifkan. Apabila neuron tersebut diaktifkan, maka neuron akan mengirimkan output melalui bobotbobot keluarannya ke semua neuron yang berhubungan dengannya, demikian seterusnya. Pada jaringan syaraf, neuronneuron akan dikumpulkan dalam lapisan-lapisan (layer) yang disebut dengan lapisan neuron (neuron layers). Biasanya neuron-neuron pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelumnya dan sesudahnya kecuali lapisan input dan lapisan output. Informasi yang diberikan pada jaringan syaraf akan dirambatkan lapisan ke lapisan, mulai
KLASIFIKASI KELAINAN JANTUNG … (Gunawan A., Agus K., Rachim Suherlan)
55
dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya, yang sering dikenal dengan nama lapisan tersembunyi (hidden layer). Tergantung pada algoritma pembelajarannya, bisa jadi informasi tersebut akan dirambatkan secara mundur pada jaringan. Analisa Data Input Berdasarkan analisis data rekam medik yang didapat dari pasien kelainan jantung anak maka terdapat 12 (dua belas) parameter untuk masukan ke jaringan saraf tiruan backpropagation yang berupa pemeriksaan fisik dan gejala klinis dari kelainan jantung anak. Data yang nantinya akan dimasukan ke dalam jaringan saraf tiruan backpropagation berupa nilai antara 0 - 1 yang sebelumnya telah dikonversi berdasarkan pemeriksaan fisik dan gejala-gejala pasien. Penentuan nilai ini ditentukan berdasarkan kemungkinan risiko terjadinya kelainan jantung pada anak. Fungsi keanggotaan fuzzy dari setiap himpunan ada yang dibangun berdasarkan pendekatan linear dan ada juga yang bernilai diskrit. Dari representasi masukan adalah berdasarkan pendekatan risiko kemungkinan terjadinya kelainan jantung pada anak.
Tabel 1. Nilai Keanggotaan Representasi Masukan
ARISTOTELES VOL. 10 NO. 1, OKTOBER 2012 : 1 – 7
56
Implementasi dan Pengujian Implementasi serta pengujian yang dilakukan terhadap program yang dikembangkan berdasarkan perancangan sistem. Sebelum transformasi dari perancangan ke dalam bentuk program, dilakukan pencarian konfigurasi yang paling tepat untuk arsitektur jaringan saraf tiruan backpropagation untuk mendeteksi kelainan jantung anak dengan bantuan Matlab 6.5. Pada form utama sistem deteksi kelainan jantung pada anak terdapat 5 (lima) pilihan menu yang semuanya bisa diakses oleh user, yaitu menu
utama (home), menu inisialisasi pelatihan, menu pelatihan, menu pengujian dan menu keluar. Form pengujian berfungsi untuk melakukan proses pengujian terhadap data bobot yang dihasilkan dari proses pelatihan jaringan saraf tiruan backpropagation. Pada form pengujian terdapat menu gejala-gejala kelainan jantung anak dan tombol deteksi untuk melakukan proses pengujian yang nantinya akan menghasilkan kelas dan keterangan berdasarkan dari gejalagejala kelainan jantung anak yang telah dimasukan. Form pengujian dapat dilihat pada gambar berikut :
Gambar 3. Form Pengujian Uji Akurasi Terhadap Data yang Belum Dilatihkan Pada pengujian yang kedua akan diujikan terhadap data yang belum sama sekali dilatihkan. Data ini didapat dari rekam medik pasien kelainan
jantung anak di Rumah Sakit Dustira periode Agustus 2008 sampai April 2012 sebanyak 27 pasien. Uji akurasi terhadap data yang belum dilatihkan dapat dilihat pada tabel 2.
KLASIFIKASI KELAINAN JANTUNG … (Gunawan A., Agus K., Rachim Suherlan)
57
Tabel 2. Uji akurasi terhadap data yang belum dilatihkan
Tabel 2. Uji akurasi terhadap data yang belum dilatihkan (lanjutan)
Keterangan : T = target, HU= hasil uji, K = keterangan, = Error Berdasarkan tabel 4.9 sebanyak 27 data pasien yang diujikan yang belum sama sekali dilatihkan. Terdapat 27 data yang diujikan sebanyak 22 data dapat dikenali sesuai dengan target dan sebanyak 5 data tidak sesuai dengan target (*) .
Kesimpulan Berdasarkan pada penelitian ini sistem dapat mengklasifikasi kelainan jantung anak dari 12 parameter yang terdiri dari pemeriksaan fisik dan gejala klinis dengan tingkat akurasi mencapai 85%. Penelitian yang menggunakan JST backpropagation ini melalui 200 epoch dengan nilai error minimum sebesar 0.001 dalam waktu 4 jam 14 menit 43 detik pada proses pelatihan. Sementara pengujian
ARISTOTELES VOL. 10 NO. 1, OKTOBER 2012 : 1 – 7
58
terhadap data latih diperoleh 100% ketepatannya. Sistem kelainan jantung anak dapat pula mengenali pola kelainan meskipun data parameter tidak lengkap dengan tingkat akurasi mencapai 66%. Peningkat akurasi klasifikasi diperoleh sebesar 4,93 % setelah mengurangi error minimum dari 0.01 menjadi 0.001 dan waktu pelatihan bertambah menjadi 4 jam 14 menit 43 detik. Selain itu untuk input JST dengan proses fuzzification berdasarkan pendekatan risiko terjadinya kelainan jantung pada anak dapat menjadi pola masukan yang dapat menentukan keakurasian pengenalan pola.
[6]. Saravanan, Sahoo, Etc. Designing an Artificial Neural Network Model for the Prediction of Thrombo-embolic Stroke. International Journals of Biometric and Bioinformatics (IJBB), Volume (3). [7]. Soebiono Poppy. Kompas. 25 Maret 2011. [8]. WHO. Pedoman Pelayanan Kesehatan Anak Di Rumah Sakit. Departemen Kesehatan RI. 2008.
DAFTAR PUSTAKA
Program Studi Informatika/Ilmu Komputer Fakultas MIPA Universitas Jenderal Achmad Yani (UNJANI), Jl. Terusan Jenderal Sudirman, Cimahi, Jawa Barat
[1]. Effendy Nazrul, Subagja, Etc. Prediksi Penyakit Jantung Koroner (PJK) Berdasarkan Faktor Risiko Menggunakan Jaringan Syaraf Tiruan Backpropagation. Seminar Nasional Aplikasi Teknologi Informasi 2008. 2008. [2]. Kusumadewi, kiki sri. Jaringan Saraf Tiruan Dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi. Media Informatika, Vol. 2. 2004. [3]. Mansjoer Arif, Suprohaita, dkk. Kapita Selekta Kedokteran. Media Aesculapius. 2000. [4]. Ontoseno Teddy. Diagnosis Dan Tatalaksana Penyakit Jantung Bawaan Yang Kritis Pada Neonatus. Divisi Kardiologi Bagian Ilmu Kesehatan Anak FK Unair RSU Dr. Soetomo Surabaya. [5]. Roger S. Pressman, Ph.D. Rekayasa Perangkat Lunak (Edisi Ke 1). Penerbit Andi. 2002.
BIODATA PENULIS Gunawan Abdillah, S.Si., M.Cs Agus Komarudin, ST., MT. Rachim Suherlan, S.Kom
--------- oo0oo ---------
KLASIFIKASI KELAINAN JANTUNG … (Gunawan A., Agus K., Rachim Suherlan)
59
