5
BAB II TINJAUAN PUSTAKA
2.1. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung kepututsan dalam proses pengambilan keputusan melalui alternatif-alternatif yang
diperoleh dari hasil pengolahan data, informasi dan rancangan model. Sistem pendukung keputusan Decision Support System adalah suatu sistem informasi yang
menggunakan model-model keputusan, basis data, dan pemikiran manajer sendiri, proses modeling interaktif dengan komputer untuk mencapai pengambilan keputusan
oleh manajer tertentu. Dengan pengertian diatas dapat dijelaskan bahwa sistem pendukung keputusan
bukan merupakan alat pengambil keputusan, melainkan merupakan sistem yang membantu pengambil keputusan yang melengkapi mereka dengan informasi dari data
yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan
untuk menggantikan pengambilan keputusan dalam dalam proses pembuatan keputusan.
2.2. Antibiotik
Antibiotik merupakan obat untuk menghentikan atau menekan pertumbuhan kuman atau bakteri. Penggunaan antibiotik yang berlebihan pada beberapa kasus yang tidak
tepat guna, dapat menyebabkan masalah kekebalan antimikrobial. Penggunaan antibiotik yang tidak tepat dalam hal indikasi, maupun cara pemberian dapat
merugikan penderita dan dapat memudahkan terjadinya resistensi terhadap atibiotik serta dapat menimbulkan efek samping.
Ketersediaan antibiotik yang sangat banyak jumlahnya dalam klinik, ternyata juga membawa kesulitan bagi para praktisi terutama dalam melakukan pemilihan
antibiotika secara tepat, aman dan efefktif bagi seorang pasien. Cepatnya penemuan
Universitas Sumatera Utara
berbagai jenis antibiotika baru, sayangnya tidak diikuti secara sepadan oleh perkembangan prinsip-prinsipsistematika terapi antibiotika dalam klinik Santoso,
1990 dalam muhlis 2011.
2.2.1. Infeksi Saluran Pernapasan Akut
Infeksi Saluran Pernapasan Akut ISPA adalah salah satu dari banyak penyakit yang menginfeksi di negara maju maupun negara berkembang. Menurut WHO 2003,
Infeksi Saluran Pernapasan Akut merupakan salah satu penyebab kematian tersering pada anak di negara sedang berkembang. Sekitar empat dari lima belas juta perkiraan
kematian pada anak berusia dibawah lima tahun pada setiap tahunnya sebanyak 23 kematian tersebut adalah bayi.
Antibiotik : Cefadroxil 500 mgkgbb Ciprofloxacin 500 mgkgbb
Cephalexin 500 mgkgbb Cefixime 150 mgkgbb
Levofloxacin 200 mgkgbb Corsatrocin 200 mgkgbb
Lapimox 500 mgkgbb Binozyt 500 mgkgbb
Ixor 150 mgkgbb Co amaxiclav 625 mgkgbb
2.3. Algoritma Analytical Hierarchy Process
Algoritma Analytical Hierarchy Process merupakan salah satu model untuk pengambilan keputusan yang dapat membantu kerangka berfikir manusia. Pada
dasarnya Analytical Hierarchy Process adalah algoritma yang memecah suatu masalah yang kompleks dan tidak terstruktur ke dalam kelompok-kelompok, mengatur
kelompok-kelompok tersebut kedalam suatu susunan hirarki, memasukkan nilai numeris sebagai pengganti persepsi manusia dalam melakukan perbandingan relatif,
dan akhirnya dengan suatu sintesis ditentukan elemen mana yang mempunyai prioritas tertinggi Permadi, 1992 dalam Honggowibowo 2010.
Universitas Sumatera Utara
2.3.1. Prinsip Dasar Analytical Hierarchy Process
Pada dasarnya langkah-langkah dalam pembentukan algoritma Analytical Hierarchy Process dapat dijelaskan berikut ini.
1. Menyusun Hirarki
Membuat struktur hirarki yang diawali dengan tujuan, dilanjutkan dengan kriteria-kriteria dan kemungkinan alternatif-alternatif pada tingkatan yang paling
bawah. 2.
Penilaian kriteria dan alternatif Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut
Saaty 1988, untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala
perbandingan Saaty dapat diukur menggunakan tabel analisis seperti pada tabel 9.3.1 berikut ini:
Intensitas Kepentingan
Keterangan 1
Kedua elemen sama pentingnya 3
Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5
Elemen yang satu lebih penting daripada yang lainnya 7
Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9
Satu elemen mutlak penting daripada elemen lainnya 2,4,6,8
Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan
Tabel 2.3.1 Skala Penilaian Perbandingan Pasangan.
3. Menetapkan bobotPrioritas elemen
a. Menetapkan perbandingan berpasangan
Perbandingan dilakukan berdasarkan judgment pengambil keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lain.
b. Menghitung bobotprioritas elemen
4. Mengukur konsistensi
Konsistensi perlu diukur untuk mengetahui apakah penelitian atau pertimbangan yang dilakukan pada setiap langkah kedua diatas menunjukkan bahwa konsistensi
antara objek yang dinilai adalah benar. Analytical Hierarchy Process mengukur
Universitas Sumatera Utara
konsistensi harus 0,1 atau kurang. Nilai rasio konsistensi yang melebihi 0,1 akan menyebabkan konsistensi tidak 100 disarankan untuk dilakukan perbandingan ulang
pada matriksnya.
2.3.2 Prosedur Analytical Hierarchy Process
Pada dasarnya, prosedur atau langkah-langkah dalam metode Analytical Hierarchy Process meliputi :
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun
hirarki dari permasalahan yang dihadapi. 2.
Menentukan prioritas elemen a.
Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan
sesuai kriteria yang diberikan. b.
Matriks perbandingan berpasangan diisi menggunakan bilangan untuk mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen
yang lainnya. 3.
Sintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis
untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah:
a. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
b. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan
untuk memperoleh normalisasi matriks. c.
Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata.
4. Mengukur konsistensi
Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan
pertimbangan dengan konsistensi yang rendah. Hal-hal yang dilakukan dalam langkah ini adalah:
a. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen
pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua dan seterusnya.
Universitas Sumatera Utara
b. Jumlahkan setiap baris.
c. Hasil dari penjumlahan baris dibahi dengan elemen prioritas relatif yang
bersangkutan. d.
Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada. Hasilnya di sebut
maks. 5.
Hitung Consistency Index CI dengan rumus: CI =
maks – n n ................................................................................1 Di mana n = banyaknya elemen.
6. Hitung Rasio Konsistensi Consistency Ratio CR dengan rumus:
CR = CI IR ..............................................................................................2 Dimana CR = Consistency Ratio
CI = Consistency Index IR = Indeks Random Consistency
7. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 10, maka penilaian data
judgement harus diperbaiki, berarti langkah kedua harus diulang kembali. Namun, jika rasio konsistensi CIIR kurang atau sama dengan 0,1 maka hasil
perhitungan bisa dinyatakan benar.
Ukuran matriks Nilai IR
1 0.00
2 0.00
3 0.58
4 0.90
5 1.12
6 1.24
7 1.32
8 1.41
9 1.45
10 1.49
11 1.51
12 1.48
13 1.56
14 1.57
15 1.59
Tabel 2.3.2 Daftar Indeks Random Konsistensi IR
Universitas Sumatera Utara
2.4. Algoritma Weighted Product
Weighted Product merupakan salah satu metode yang digunakan untuk menyelesaikan masalah Multi Attribute Decision Making MADM. Algoritma Weighted Product
menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan Yoon, 1989
dalam Kusumadewi, et al., 2012. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai diberikan sebagai berikut:
...................................................................1
Dengan i = 1, 2, ...,m dan j= 1, 2, ...n. Keterangan:
= product S = Preferensi alternatif dianalogikan sebagai vektor S
X = nilai kriteria W = Bobot kriteriasubkriteria
i = alternatif j = kriteria
n = banyaknya kriteria Dimana
wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan pada rumus 2:
..........................................................2
Universitas Sumatera Utara
Dengan i = 1,2, ...,n.....2 Dimana :
V : Preferensi alternatif dianalogikan sebagai vektor V X : nilai kriteria
w : bobot kriteria i : alternatif
j : kriteria n : banyaknya kriteria
Algoritma weighted product adalah salah satu analisis multi-kriteria keputusan yang sangat terkenal. Multiple Attribute Decision Making MADM yang diberikan
adalah satu set terbatas dari alternatif keputusan yang dijelaskan dalam hal sejumlah kriteria keputusan.
2.4.1 Langkah-langkah algoritma Weighted Product
Secara singkat, algoritma Weighted Product ini adalah sebagai berikut Anggraeni et al.,2013 dalam Mawuntu, 2015.
a. Melakukan normalisasi bobot untuk menghasilkan nilai
= 1. Dimana j = 1,2,...,n adalah banyak alternatif.
b. Menentukan kategori dari masing-masing kriteria, apakah termasuk kedalam
kriteria keuntungan atau kriteria biaya. c.
Menetukan nilai vektor S dengan mengalikan seluruh kriteria bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk kriteria keuntungan dan
bobot berfungsi sebagai pangkat negatif pada kriteria biaya. d.
Menentukan nilai vektor V yang akan digunakan untuk perangkingan. e.
Menemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.5. Penelitian yang Relevan
Adapun penelitian-penelitian yang relevan terhadap penelitian ini adalah: 1.
Muhammad Syaukani Dan Sri Hartati 2012, Pemodelan Sistem Pendukung Keputusan Kelompok Untuk Diagnosa Penyakit Pneumonia Dengan Fuzzy
Linguistic Quantifier Dan Ahp. Hasil penelitian Berdasarkan uraian dan pembahasan, dapat disimpulkan bahwa sistem pendukung keputusan kelompok
Universitas Sumatera Utara
menggunakan Fuzzy Linguistic Quantifier dan AHP dapat menetapkan penyakit dan jenis antibiotik sebagai hasil dianogsis penyakit pneumonia.
2. Muhammad Syaukani Dan Hari Kusnanto 2012, Pemodelan Sistem
Pendukung Keputusan Kelompok Dengan Metode Fuzzy Weighted Product Untuk Diagnosa Penyakit Pneumonia. Hasil penelitian Berdasarkan uraian dan
pembahasan, dapat disimpulkan bahwa sistem pendukung keputusan kelompok menggunakan Fuzzy Weighted Product dapat menetapkan penyakit dan jenis
antibiotik sebagai hasil diagnosa penyakit pneumonia. Penelitian ini akan dikembangkan lebih lanjut dengan melakukan penambahan data gejala dan
meneliti lebih jauh sistem penilaian terhadap gejala dari suatu penyakit. 3.
Muhammad Muhlis 2011, Kajian Peresepan Antibiotika Pada Pasien Dewasa Di Salah Satu Puskesmas Kota Yogyakarta Periode Januari-April 2010. Hasil
penelitian Berdasarkan hasil penelitian terhadap penggunaan antibiotika pasien
dewasa di salah satu puskesmas Kota Yogyakarta periode Januari sampai dengan April 2010 dapat diambil kesimpulan sebagai berikut, tercatat sebanyak
320 pasien yang mendapatkan antibiotika, dengan 6 jenis antibiotika yaitu amoksisilin 64,53, ampisilin 11,31 , kontrimoksazol 15,90, kloramfenikol,
0,61 , metronidazol 2,75 dan tetrasiklin 4,89 . Sebanyak 313 pasien mendapat antibiotika tunggal dan 7 pasien mendapat kombinasi antibiotika,
semua peresepan memenuhi ketepatan dosis dan frekuensi, kecuali kotrimoksasol tepat dosis 98 dan Ampisilin tepat dosis 49 . Semua
peresepan 100 tidak memenuhi ketepan durasi penggunaan antibiotika.
Universitas Sumatera Utara
1
BAB I PENDAHULUAN
1.1. Latar Belakang
Ketepatan pemberian antibiotik serta dosis yang sesuai merupakan faktor penting dalam upaya penyembuhan bagi pasien. Antibiotik pertama kali ditemukan oleh Paul
Ehlrich 1910, dan sampai saat ini masih menjadi obat andalan dalam penanganan kasus-kasus penyakit infeksi. Akalin, 2002 dalam Utami 2012. Antibiotik
merupakan obat untuk menghentikan atau menekan pertumbuhan kuman atau bakteri. Penggunaan antibiotik yang berlebihan pada beberapa kasus yang tidak tepat guna,
dapat menyebabkan masalah kekebalan antimikrobial. Penggunaan antibiotik yang tidak tepat juga dapat menyebabkan peningkatan biaya pengobatan dan efek samping
dari pemberian antibiotika. Hooton, et al., 2001 dalam Rohmani, et al., 2012. Untuk penggunaan antibiotik pada anak memerlukan perhatian khusus juga oleh
karena absorbsi, distribusi, metabolisme dan ekskresi obat termasuk antibiotik pada anak berbeda dengan dewasa, serta tingkat maturasi organ yang berbeda sehingga
dapat terjadi perbedaan respons terapetik atau efek sampingnya. Febiana, 2012. Ada bermacam-macam antibiotik, Oleh karena itu diperlukannya suatu sistem
pendukung keputusan untuk memilih antibiotik sehingga melalui sistem tersebut dapat dipilih antibiotik yang terbaik.
Konsep sistem pendukung keputusan ditandai dengan sistem interaktif berbasis komputer yang membantu pengambil keputusan memanfaatkan data dan model untuk
menyelesaikan masalah masalah yang tidak terstruktur sedangkan sistem pakar merupakan sejenis KBS Knowledge Based System yang memakai pengetahuan untuk
mengerjakan tugas seorang ahli. Sedangkan KBS itu sendiri adalah suatu sistem berbasis pengetahuan yang bersifat lebih luas dan umum dari pada sistem pakar.
Penulis memilih sistem pendukung keputusan karena membantu apoteker dalam pengambilan keputusan yang melengkapi mereka dengan informasi dari data yang
telah di olah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat.
Universitas Sumatera Utara
Kategori