PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSIS PENYAKIT MENGGUNAKAN ALGORITMA C4.5. Rika Rosnelly, Sri Hartati

Rika, Penalaran Berbasis Kasus … 53

PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSIS PENYAKIT MENGGUNAKAN ALGORITMA C4.5

Rika Rosnelly, Sri Hartati Email : [email protected], [email protected] STMIK Potensi Utama, Jl. K.L.Yos Sudarso Km.6,5 No. 3A Tj.Mulia Medan FMIPA Universitas Gadjah Mada

ABSTRACT Penalaran berbasis kasus adalah salah satu metode penyelesaian masalah berdasarkan pengetahuan dari pengalaman masa lalu. Penalaran berbasis kasus banyak diterapkan dalam bidang kesehatan. Penalaran berbasis kasus di bidang kesehatan sering dilakukan oleh dokter untuk mendiagnosa penyakit pasiennya berdasarkan pengalaman dokter tersebut. Makalah ini mendeskripsikan rancangan konsep penalaran berbasis kasus yang dapat digunakan untuk mendiagnosa penyakit malaria, demam berdarah dan demam typoid. Penyakit malaria, demam berdarah dan demam typoid merupakan beberapa penyakit yang harus diwaspadai dan memiliki gejala yang hampir sama (tanpa hasil tes lab). Pengetahuan kasus dan gejala diperoleh dari data kasus diagnosis terdahulu yang tersimpan dalam rekam medis. Pengetahuan diproses menggunakan algoritma C4.5. Algoritma C4.5 mampu mengelompokkan beberapa gejala agar tersusun dengan baik sehingga menghasilkan Pohon keputusan. Pohon keputusan C4.5 kemudian digunakan untuk mendiagnosa ketiga penyakit yang disebutkan di atas. Kata Kunci: Penalaran berbasis kasus, penyakit malaria, demam berdarah, demam typoid, algoritmaC4.5.

ABSTRACT Case-based reasoning is one method of problem solving based on knowledge from past experience. Case-based reasoning applied in the field of health. Case-based reasoning in the health sector in often done by doctors to diagnose the patient’s diseases based on the doktor’s experience. This paper describes the design concept of case-based reasoning that can be used to diagnose malaria, dengue fever and typaid. Malaria, dengue fever and typoid are a few diseases to watch out and have almost the same symptoms (without a lab test results). Knowledge of cases and symptom date obtained from earlier diagnosis of cases stored in the medical record. Knowledgeis processed using C4.5 algorithm. C4.5 algorithm is capable of classifying some of the symptoms so well-stuctured so to produce a decision tree. C4.5 decision tree was then used diagnose the three diseases mentioned above. Key word : case based reasoning, malaria (tropical fever from parasite introduced to the body by mosquito bites), dengue fever and typhoid fever, algoritmaC4.5.

PENDAHULUAN Penalaran berbasis kasus adalah salah satu metode penyelesaian masalah berbasis pengetahuan dengan mempelajari dan memecahkan masalah berdasarkan pengalaman masa lalu. Penalaran berbasis kasus banyak diterapkan dalam bidang kesehatan. Penalaran berbasis kasus di bidang kese-

Rika, Penalaran Berbasis Kasus … 54

hatan sering dilakukan oleh dokter untuk mendiagnosa penyakit pasiennya berdasarkan pengalaman dokter tersebut. Makalah ini mendeskripsikan rancangan konsep penalaran berbasis kasus yang dapat digunakan untuk mendiagnosa penyakit malaria, demam berdarah dan demam typoid. Penyakit malaria, demam berdarah dan demam typoid merupakan beberapa penyakit yang harus diwaspadai dan memiliki gejala yang hampir sama (tanpa hasil tes lab). Pengetahuan kasus dan gejala diperoleh dari data kasus diagnosis terdahulu yang tersimpan dalam rekam medis. Permasalahan yang akan dibahas dalam makalah ini adalah bagaimana cara membangun pengetahuan yang bisa digunakan dalam aplikasi sistem pakar dengan menggunakan penalaran berbasis kasus (case based reasoning). Dalam penelitian ini data kasus yang diambil berasal dari data-data rekam medis pasien dimana algoritma yang dipakai adalah algoritma C4.5. Dasar Teori Penalaran Berbasis Kasus (Case Based Reasoning) Penalaran berbasis kasus (Case Based Reasoning) adalah salah satu pendekatan berbasis pengetahuan untuk mempelajari dan memecahkan problem berdasarkan pada pengalaman masa lalu. Pengalaman yang lalu disimpan dalam bentuk problem (“kasus‟) yang dipecahkan dalam tempat yang disebut “Basis Kasus”. Basis Kasus adalah kumpulan kasus-kasus [1]. Tahapan proses yang terjadi dalam penalaran berbasis kasus dapat dilihat pada Gambar 1:

Gambar 1. Tahapan Proses Penalaran Berbasis Kasus (Case Based Reasoning)

Pada gambar diatas dijelaskan bahwa dalam proses penalaran berbasis kasus (case based reasoning) dibutuhkan 4 tahap [3], yaitu : (a) Retrieve adalah mencari kasus yang mirip atau serupa dengan kasus baru atau dapat juga mencari kelompok kasus yang mirip dengan kasus baru. (b) Reuse adalah Menggunakan solusi dari kasus yang telah ditemukan (case retrieved) sebagai solusi dari kasus yang baru. (c) Revise adalah proses untuk mengadaptasi solusi dari kasus yang ditemukan kemudian dimodifikasi sebagai solusi yang ditawarkan terhadap kasus yang baru. (d) Retain adalah Jika kasus yang baru beserta solusinya sudah divalidasi maka selanjutnya akan disimpan dalam case base. Sebuah kasus yang ditemukan dicocokkan dengan kasus yang ada pada case based dan selanjutnya satu atau beberapa kasus yang mirip kemudian diambil. Pemecahan masalah yang berasal dari kasus yang serupa kemudian digunakan kembali diuji kebenarannya. Jika pemecahan

Rika, Penalaran Berbasis Kasus … 55

masalah yang digunakan hampir benar maka diperlukan perbaikan yang kemudian selanjutnya akan menghasilkan suatu kasus baru yang akan disimpan ke dalam case based [2]. Algoritma C4.5 Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kum-pulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Dengan masing-masing rangkaian pembagian, anggota himpunan hasil menjadi mirip satu dengan yang lain. [4]. Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variable tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi. Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari tiap-tiap record terhadap kategori-kategori tersebut atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel continue meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini. Banyak algoritma yang dapat dipakai dalam pembentukan pohon keputusan, antara lain ID3, CART, dan C4.5 [5]. Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut [5] : (a) Pilih atribut sebagai akar. (b) Buat cabang untuk tiap-tiap nilai. (c) Bagi kasus dalam cabang. (d) Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut – atribut Untuk Menghitung Gain digunakan rumus seperti tertera dalam persamaan 1 berikut :

n I Si I * Entropy (Si) ISI i=1

Gain (S,A) = Entropy (S) - ∑

Keterangan : S = himpunan kasus A= atribut n= jumlah partisi atribut A I Si I = jumlah kasus pada partisi ke - i I S I = jumlah kasus dalam S Sementara untuk perhitungan nilai entropi dapat dilihat sebagai berikut : n

Entropy (S) = ∑ - pi * log 2 pi i=1

Keterangan : S = himpunan kasus n=jumlah partisi S pi=proporsi dari Si terhadap S Jenis Penyakit Malaria

Rika, Penalaran Berbasis Kasus … 56

Malaria adalah suatu penyakit yang disebabkan oleh sporozoa dari genus Plasmodium, yang secara klinis ditandai dengan serangan paroksismal dan periodik, disertai anemia, pembesaran limpa dan kadang-kadang dengan komplikasi pernisiosa seperti ikterik, diare, black water fever, acute tubular necrosis dan malaria cerebral [6]. Penduduk yang terancam malaria pada umumnya adalah penduduk yang bertempat tinggal di daerah endemis malaria tinggi dan daerah endemis malaria sedang diperkirakan ada sekitar 15 juta. Proses terjadinya penularan malaria di suatu daerah meliputi tiga faktor utama [7]: (a) adanya penderita baik dengan adanya gejala klinis ataupun tanpa gejala klinis. (b) adanya nyamuk atau vector. (c) adanya manusia yang sehat. Malaria sebagai penyakit infeksi yang disebabkan oleh plasmodium mempunyai gejala utama demam. Diduga terjadinya demam berhubungan dengan proses skizogoni (pecahnya merozoit/ski-zon). Gambaran karakteristik malaria ialah demam periodik, anemia dan splenomegali. Berat ringan manifestasi malaria bergantung pada jenis plasmodium yang menyebabkan infeksi [8]. Demam Berdarah Dengue (DBD) Penyakit Demam Berdarah Dengue (DBD) adalah suatu penyakit menular yang disebabkan oleh virus dengue terutama menyerang anak-anak dengan ciri-ciri demam tinggi mendadak disertai manifestasi perdarahan dan bertendensi menimbulkan syok dan kematian. Infeksi virus dengue dapat memperlihatkan spektrum klinis bervariasi dari derajat paling ringan sampai berat. Infeksi dengue yang paling ringan adalah demam tanpa penyebab yang jelas (undifferentiated febrile illness), diikuti dengan demam dengue (DD), demam berdarah dengue (DBD) dan sindrom syok dengue (SSD) [9]. Demam Typoid (Typhoid Fever) Demam typoid masih merupakan penyakit infeksi tropik sistemik, bersifat endemis, dan masih merupakan problema kesehatan masyarakat pada negara-negara sedang berkembang di dunia, termasuk Indonesia. Data secara epidemiologi setiap tahun diperoleh dari beberapa negara yang mencatat hasil laporannya dari diagnosis klinik atau isolat laboratorium, karena data yang benarbenar dapat menggambarkan insiden penyakit ini di masyarakat sukar didapatkan. Hal ini disebabkan karena gambaran klinik penyakit demam typoid menyerupai penyakit infeksi lainnya dan juga konfirmasi laboratorik tidak selalu dapat dikerjakan pada semua daerah. Dengan melihat data tersebut di atas, baik insiden penyakit demam typoid yang makin meningkat maupun angka kematian yang disebabkan penyakit tersebut, maka diagnosis dini demam typoid perlu segera ditegakkan, oleh karena itu pemeriksaan baku atau rutin secara serologi yang sampai saat ini masih dikerjakan hampir pada semua pasien yang dirawat dengan demam di Rumah Sakit, yaitu uji Widal [10]. Rekam Medis Yang dimaksud dengan rekam medis adalah berkas yang berisikan catatan dan dokumen tentang identitas pasien, pemeriksaan, pengobatan, tindakan dan pelayanan lain yang telah diberikan kepada pasien [2].

METODE PENELITIAN Langkah-langkah yang dilakukan dalam penenlitian ini adalah : (1) Pengumpulan data, Data-data yang dikumpulkan adalah data-data dari rekam medis. (2) Studi Literatur, Dalam tahap ini, peneliti akan mempelajari beberapa literatur terkait dengan algoritma C4.5. (3) Analisis, Menganalisis penerapan algoritma C4.5 terkait dengan studi kasus yaitu untuk membentuk pohon keputusan diagnosis penyakit. Di analisis ini, akan dicari variable-variabel yang ada dalam rekam medis pasien yang mungkin bisa mempengaruhi variable tujuan yaitu diagnosis penyakit. (4) Perancangan, Pada tahap ini, peneliti akan membangun arsitektur sistem, model konseptual sistem, melakukan perancangan basis data dan merancang antar muka pengguna sistem. (5) Implementasi Sistem, Tahap ini merupakan tahap pembangunan prototype aplikasi dengan dida-

Rika, Penalaran Berbasis Kasus … 57

sarkan pada hasil perancangan. Implementasi dilakukan dengan menggunakan bahasa pemrograman borland Delphi dan DBMS Interbase.

HASIL dan ANALISA Dalam makalah ini akan dibuat beberapa tabel sebagai berikut : (1) Tabel Atribut, berisi nama_atribut, is_aktif, is_hasil, keterangan. (2) Tabel Kasus, field yang berisi semua atribut pada tabel atribut yang nilai is_aktif „Y‟. (3) Tabel Aturan, berisi aturan hasil ekstrak dari pohon keputusan Data Flow Diagram rancangan prototype sistem penalaran berbasis kasus untuk diagnosis penyakit menggunakan algoritma C4.5 terdapat pada Gambar 2 : nama atribut yg ingin diaktifkan Admin daftar atribut

D1

Atribut

D2

Kasus

1.0 aktifasi atribut (premis dan konklusi)

atribut teraktifasi

atribut_kasus_aktif

data kasus data kasus tersimpan

hasil pohon keputusan

2.0

perintah pembuatan pohon keputusan

manipulasi kasus

data kasus_valid data kasus tersimpan

atribut kasus aktif

3.0 membuat pohon keputusan

pohon keputusan_valid D3

konfirmasi atribut User

4.0 menelusuri pohon keputusan

Pohon Keputusan

pertanyaan atribut

hasil diagnosa

Gambar 2. Data Flow Diagram rancangan prototype sistem penalaran berbasis kasus untuk diagnosis penyakit menggunakan algoritma C4.5

Rika, Penalaran Berbasis Kasus … 58

Hasil pembentukan pohon keputusan bisa seperti pohon keputusan yang tampak pada gambar 3.

Atr-1

M1

M2

Atr-2 M3

Atr-3 M4

M7

M5 M6

H1

H2

Atr-5

Atr-4 M8

M10

M9

Atr11

Atr-6

H3 M11

Atr-8

M14

M15

H4

Atr-9

Atr10 M17

H5 Gambar 3. Pohon Keputusan

M13

M12

Atr-7

M16

H7

H6

Rika, Penalaran Berbasis Kasus … 59

Lambang bulat pada pohon keputusan melambangkan sebagai node akar atau cabang (bukan daun) sedangkan kotak melambangkan node daun. Pengetahuan yang terbentuk berupa kaidah produksi dengan format : Jika Premis maka Konklusi Node-node akar akan menjadi Premis dari aturan sedangkan node daun akan menjadi bagian konklusi. Dari gambar pohon keputusan pada gambar 4, dapat dibentuk aturan sebagai berikut : 1. Jika Atr-1 = M1 5. Jika Atr-1 = M2 Dan Atr-2 = M3 Dan Atr-3 = M6 Maka H1 Dan Atr-5 = M9 2. Jika Atr-1 = M1 Dan Atr-6 = M12 Dan Atr-2 = M4 Dan Atr-8 = M15 Maka H2 Dan Atr-9 = M16 3. Jika Atr-1 = M2 Dan Atr-10= M17 Dan Atr-3 = M5 Maka H5 Dan Atr-4 = M8 6. Jika Atr-1 = M2 Maka H3 Dan Atr-3 = M6 4. Jika Atr-1 = M2 Dan Atr-5 = M10 Dan Atr-3 = M6 Dan Atr-11 = M13 Dan Atr-5 = M9 Maka H6 Dan Atr-6 = M11 7. Jika Atr-1 = M2 Dan Atr-7 = M14 Dan Atr-3 = M7 Maka H4 Maka H7

SIMPULAN Model Penalaran berbasis kasus (case based reasoning) dapat digunakan sebagai metode akuisisi pengetahuan dalam aplikasi sistem pakar diagnosis penyakit. Model Penalaran berbasis kasus (case based reasoning) dengan menggunakan algoritma C4.5 mampu mengelompokkan beberapa gejala agar tersusun dengan baik sehingga menghasilkan Pohon keputusan. Pohon keputusan C4.5 kemudian digunakan untuk mendiagnosa penyakit malaria, demam berdarah dan demam typoid. Aturan yang dihasilkan sistem ini mampu digunakan untuk mendiagnosis penyakit berdasarkan data-data pasien yang disimpan dalam rekam medis Penalaran berbasis kasus (case based reasoning) membutuhkan kasus yang banyak dan lengkap. Semakin banyak kasus yang tersedia, maka akan didapatkan solusi yang lebih tepat. . DAFTAR RUJUKAN Suwardi Iping Supriana, Juwairiah (2006), Pengembangan Sistem Penalaran Berbasis Kasus Untuk Mengantisipasi Masalah Kegagalan Sistem Informasi, Seminar Nasional Teknologi Informasi,. Kusrini, Hartati Sri, Penggunaan Penalaran Berbasis Kasus Untuk Membangun Basis Pengetahuan Dalam Sistem Diagnosis Penyakit. Sankar K. Pal & Simon C. K. Shiu (2004), Foundations of Soft Case-Based Reasoning, John Wiley & Sons. Berry, Michael J.A., Linoff, Gordon S.(2004), Data Mining Techniques for Marketing, Sales, and Customer Relationship Management Second Edition, Willey Publishing, Inc., Indianapolis, Indiana. Larose, T.D. (2005), Discovering Knowledge in Data an Introduction to Data Mining, John Wiley and Sons, Inc

Rika, Penalaran Berbasis Kasus … 2

Munthe, Celestinus Eigya, Malaria Selebral, Cermin dunia Kedokteran No. 131, 2001, 5. Friaraiyatini, dkk., Pengaruh Lingkungan dan Perilaku Masyarakat Terhadap Kejadian Malaria di Kab. Barito Selatan Propinsi Kalimantan Tengah, Jurnal Kesehatan Lingkungan Vol. 2 No. 2, 2006 Harijanto P.N, dkk, Malaria dari Molekuler ke Klinis, Buku Kedokteran, 2008 Muslim Azhari, Faktor Lingkungan yang Berpengaruh Terhadap Kejadian Infeksi Virus Dengue, Jurnal Kesehatan Lingkungan Indonesia, Vol.3 No.1 , 2004, 8. Muliawan Sylvia W & Surjawidjaja Julius E, Tinjauan Ulang Peranan Uji Widal sebagai Alat Diagnostik Penyakit Demam typoid di Rumah Sakit, Cermin Dunia Kedokteran No. 124, 1999, 14.