8
DAFTAR ISI
Halaman
DAFTAR GAMBAR xi
DAFTAR TABEL xii
DAFTAR LAMPIRAN xiii
I. PENDAHULUAN
1.1 Latar belakang 1
1.2. Tujuan Penelitian 2
1.3. Ruang lingkup 2
1.4. Manfaat Penelitian 3
II. TINJAUAN PUSTAKA 2.1. Diabetes Melitus
4 2.2 Data Warehouse
5 2.2.1. Metodologi Perancangan Data Warehouse
7 2.2.2. Star Schema
8
2.3. Data Mining 10
2.3.1. Klasifikasi dan Prediksi 13
2.3.2. Metodologi Data Mining 14
2.3.3. Teknik Data Mining 16
2.3.4. Membangun Model Prediksi 26
III. BAHAN DAN METODE 3.1. Bahan
29 3.2. Metode
31 3.2.1. Kerangka Pemikiran
31 3.2.2. Tata Laksana
33 IV. PERANCANGAN ARSITEKTUR SISTEM DATA MINING
4.1 Gambaran umum sistem 35
4.2. Pembangunan Data Warehouse 36
4.3. Pembangunan Model Klasifikasi 38
4.4. Antarmuka Pemakai 40
4.5. Basis Pengetahuan 40
4.4. Modul Diagnosa dan Terapi 41
9
Halaman
V. IMPLEMENTASI 5.1. Preproses Data
44 5.2. Pembentukan Sampel Positif dan Sampel Negatif
46 5.3. Pembentukan PN Array
47 5.4. Pembentukan Gain
48 5.5. Program Aplikasi
51 VI. PENGUJIAN DAN PEMBAHASAN
6.1. Mekanisme Pengujian 52
6.2. Pelatihan Dengan Data Training 52
6.3. Proses Optimalisasi 58
VII. KESIMPULAN DAN SARAN 7.1. Kesimpulan
64 7.2. Saran
64 DAFTAR PUSTAKA 65
LAMPIRAN 66
10
DAFTAR GAMBAR
Halaman
1. Arsitektur Data Warehouse 7
2. Relasi antartabel dimensi dan table fakta sederhana 10
3. Data mining sebagai salah satu tahapan dalam proses knowledge discovery
11 4. Model proses pembuatan data mining
15 5. Algoritme Appriori
18 6. Algoritme FOIL
22 7. Algoritma PRM
24 8. Metoda startCPAR
25 9. Metoda cparGeneration
25 10. Langkah-langkah membangun model pred iksi
28 11. Kerangka pemikiran pembangunan model
untuk diagnosis penyakit diabetes 32
12. Tahapan Proses data mining 33
13. Model aplikasi diabetes 35
14. Relasi antartabel skema bintang data warehouse diabetes 37
15. Ekstraksi dan Transformasi Basis Data SIM RSPP 38
16. Flowchart Algoritme CPAR 39
17 Grafik Gain data training untuk kelas positip diabetes 55
18. Grafik Gain data training untuk kelas negatip diabetes 55
19. Grafik Gain negatif diabetes setelah proses optimalisasi 60
20. Grafik Gain negatif diabetes setelah proses optimalisasi 60
11
DAFTAR TABEL
Halaman
1. Transaksi Penjualan Barang 18
2. Karakteristik umum data pasien 30
3. Rata-rata variabel pemeriksaan laboratorium 30
4. Klasifikasi Berat Badan berdasarkan IMT 42
5. Nilai referensi hasil laboratorium 44
6. Kategori untuk tabel sampel_data 45
7. Contoh sampel data 46
8. Sampel positif dari data pada Tabel 7 46
9. Sampel negatif dari data pada Tabel 7 47
10. PN Array 47
11. Kategori dan nilai Gain 48
12. Karakteristik umum data training 53
13. Rata-rata variabel pemeriksaan laboratorium data training 53
14. Perbandingan bobot sampel dan gain 54
15. Aturan yang dihasilkan dengan gain similarity ratio 99 56
16. Aturan yang dihasilkan dengan gain similarity ratio 80 56
17. Aturan yang dihasilkan dengan gain similarity ratio 50 57
18. Aturan yang dihasilkan dengan gain similarity ratio 20 57
19. Aturan yang dihasilkan dengan gain similarity ratio 10 58
20. Kategori untuk tabel sampel_data setelah proses optimalisasi 58
21 Aturan setelah proses optimalisasi dengan Gain similarity ratio 99
61 22 Aturan setelah proses optimalisasi dengan
Gain similarity ratio 80 61
23 Aturan setelah proses optimalisasi dengan Gain similarity ratio 50
62 24 Aturan setelah proses optimalisasi dengan
Gain similarity ratio 20 62
25 Aturan setelah proses optimalisasi dengan Gain similarity ratio 10
63
12
DAFTAR LAMPIRAN
Halaman
1. Proses Pasien Rawat Jalan 66
2. Proses Pasien rawat Inap 67
3. Kamus Data Pasien Rawat Jalan dan Pasien Rawat Inap 68
4. Kamus Data Data Warehouse diabetes 74
5. Sampel data positif diabetes dan negatif diabetes 76
6. Tampilan halaman Status Pasien 77
7. Tampilan halaman Anamnes is 77
8. Tampilan halaman Riwayat DM 78
9. Tampilan halaman Anamnesis Keluarga 78
10. Tampilan halaman Pemeriksaan Fisis 79
11. Tampilan halaman Laboratoriu 79
12. Tampilan halaman Pemeriksaan Penunjang 80
13. Tampilan halaman Diagnosis 80
14. Tampilan halaman Terapi 81
13
BAB I PENDAHULUAN
1.1. Latar Belakang
Organisasi Kesehatan Dunia WHO memperkirakan, bahwa 177 juta penduduk dunia mengindap diabetes melitus atau biasa disingkat diabetes. Jumlah
ini akan meningkat hingga melebihi 300 juta pada tahun 2025. Dr Paul Zimmet, direktur dari International Diabetes Institute IDI di Victoria, Australia,
meramalkan bahwa diabetes akan menjadi epidemi yang paling dahsyat dalam sejarah manusia. Tetapi data epidemiologi di negara berkembang memang masih
belum banyak. Oleh karena itu angka prevalensi yang dapat ditelusuri terutama berasal dari negara maju.
Dengan bertambahnya angka harapan hidup bangsa Indonesia perhatian masalah kesehatan beralih dari penyakit infeksi ke penyakit degeneratif. Selain
penyakit jantung koroner dan hipertensi, diabetes merupakan salah satu penyakit degeneratif yang saat ini makin bertambah jumlahnya di Indonesia.
Pola prevalensi diabetes telah mengalami pergeseran. Pada awal tahun 1990 - an umumnya masih tertanam keyakinan bahwa diabetes hanya menyerang mereka
yang berusia lanjut, dan merupakan “penyakit orang kaya”. Kenyataannya sekarang ini diabetes sudah tidak mengenal perbedaan kelas, diabetes dapat
menyerang siapa saja, baik di “gedongan”, daerah kumuh, golongan tua maupun muda. Berbagai faktor genetik, lingkungan dan cara hidup berperan dalam
perjalanan penyakit diabetes Lanny et al, 2004. Pada dasarnya diabetes dapat dikelompokkan menjadi dua, yaitu diabetes
tipe 1 yang terjadi sejak kecil karena cacat sejak lahir, dan diabetes tipe 2 yang berkembang setelah dewasa sebagai akibat gaya hidup yang salah. Diabetes tipe 2
adalah jenis yang paling banyak ditemukan. Tanpa intervensi yang efektif, jumlah penderita diabetes tipe 2 akan
meningkat disebabkan oleh berbagai hal antara lain bertambahnya usia harapan hidup, berkurangnya kematian akibat infeksi dan meningkatnya faktor risiko yang
14 disebabkan karena cara hidup yang salah seperti kegemukan, kurang gerak dan
pola makan tidak sehat. Berdasarkan hal tersebut untuk meningkatkan upaya menurunkan angka
kesakitan dan prevalensi timbulnya komplikasi pada penyakit diabetes maka perlu kiranya dilakukan penelitian-penelitian yang mengarah pada pembuatan sistem
yang dapat mendeteksi timbulnya penyakit diabetes sehingga dapat dilakukan upaya prefentif serta upaya rehabilitatif bagi penderita diabetes dengan
pendekatan yang menyeluruh, sehingga dampak terjadinya berbagai penyulit menahun, seperti penyakit jantung koroner, penyulit pada mata, ginjal dan syaraf
dapat dikurangi. Salah satu alternatif sebagai solusi dari masalah tersebut adalah membuat
suatu sistem data mining yang bisa melakukan penelusuran pada data historis untuk mengidentifikasi pola dan memprediksi trend didasarkan pada sifat-sifat
yang teridentifikasi sebelumnya, kemudian memberikan alternatif pengobatan atau pencegahan bila ditemukan indikasi yang mengarah pada timbulnya penyakit
diabetes. Informasi yang dihasilkan untuk selanjutnya bisa digunakan oleh edukator diabetes maupun dokter sebagai dasar untuk melakukan tindakan -
tindakan yang diperlukan.
1.2. Tujuan Penelitian
Tujuan penelitian ini adalah membuat suatu aplikasi data mining meliputi : 1. Membuat data warehouse diabetes yang akan dijadikan sebagai sumber data
bagi data mining dengan menggunakan star schema. 2. Membuat data mining engine yang dapat melakukan prediksi terhadap
penyakit diabetes dengan mengaplikasikan teknik classification-based association.
3. Membuat antarmuka yang memungkinkan pasien diabetes, dokter serta
perawat berinteraksi dengan sistem pengobatan diabetes yang terintegrasi. 1.3. Ruang Lingkup
Lingkup penelitian yang dilakukan dalam pembuatan model penanganan diabetes adalah :
15 1. Sumber data utama bagi pembentukan model berasal dari Sistem Informasi
Rumah Sakit Pusat Pertamina SIM RSPP dan Sistem Informasi Laboratorium Rumah Sakit Pusat Pertamina LIS RSPP, dengan data yang
akan digunakan adalah data dari tahun 2004 sampai tahun 2005. 2. Setelah melalui proses penyaringan, informasi tersebut dimasukkan ke dalam
data warehouse diabetes yang dirancang dengan menggunakan star schema. 3. Penelitian ini akan membuat aplikasi data mining untuk penyakit diabetes.
Teknik data mining yang digunakan adalah classification-based association.
1.4. Manfaat Penelitian
Dengan adanya suatu sistem yang dapat digunakan untuk memprediksi penyakit diabetes, maka terjadinya penyakit ini pada seseorang sedini mungkin
dapat diprediksi sehingga dapat dilakukan tindakan antisipasi. Sistem ini nantinya juga bisa digunakan untuk memonitor perkembangan kesehatan penderita diabetes
dan efektifitas pengobatan yang telah dilakukan pada pasien diabetes melitus. Sehingga hasil akhir dari penelitian ini diharapkan bisa digunakan baik oleh
dokter mapun edukator diabetes melitus dalam mengantisipasi peningkatan jumlah pasien diabetes.
16
BAB II TINJAUAN PUSTAKA
2.1. Diabetes Melitus
Diabetes adalah suatu penyakit, dimana tubuh penderitanya tidak secara otomatis mengendalikan tingkat gula glukosa dalam darahnya. Pada tubuh yang
sehat, pankreas melepas hormon insulin yang bertugas mengangkut gula melalui darah ke otot-otot dan jaringan lain untuk memasok energi. Penderita diabetes
tidak bisa memproduksi insulin dalam jumlah yang cukup, atau tubuh tidak mampu menggunakan insulin secara efektif, sehingga terjadilah kelebihan gula di
dalam darah. Kelebihan gula yang kronis didalam darah hiperglikemia ini menjadi racun bagi tubuh.
Menurut ADA Americant Diabetes Assosiation 1998, Soegondo et al, 2002, diabetes merupakan suatu kelompok penyakit metabolik dengan
karakteristik hiperglikemia yang terjadi karena kelainan sekresi in sulin, kerja insulin atau kedua-duanya. Sedang sebelumnya WHO 1980 berkata bahwa
diabetes merupakan suatu yang tidak dapat dituangkan dalam satu jawaban yang jelas dan singkat tetapi secara umum dapat dikatakan sebagai suatu kumpulan
problema anatomik dan kimiawi yang merupakan akibat dari sejumlah faktor dimana didapat defesiensi insulin absolut atau relatif dan gangguan fungsi insulin
Diabetes dapat digolongkan ke dalam dua tipe, yaitu tipe 1 dan tipe 2. Diabetes tipe 1 adalah bila tubuh perlu pasokan insulin dari luar. Diabetes tipe 1
ini biasanya ditemukan pada penderita yang mulai mengalami diabetes sejak anak-anak atau remaja. Diabetes tipe 2 terjadi jika insulin hasil produksi pankreas
tidak cukup, sehingga terjadi gangguan pengiriman gula ke sel tubuh. Gejala diabetes tipe 1 muncul secara tiba-tiba pada saat usia anak -anak
sebagai akibat dari kelainan genetika, sehingga tubuh tidak memproduksi insulin dengan baik. Sedangkan gejala diabetes tipe 2 muncul secara perlahan-lahan
sampai menjadi gangguan yang jelas. Gejala -gejala umum pada kedua tipe diabetes hampir sama, antara lain: sering buang air kecil, terus menerus lapar dan
17 haus, cepat lelah, kehilangan tenaga, luka yang lama sembuh, penglihatan kabur.
Dikarenakan munculnya gejala-gejala tersebut pada penderita diabetes tipe 2 adalah perlahan-lahan, maka sering terabaikan dan dianggap sebagai keletihan
biasa. Orang yang mempunyai resiko tinggi menderita diabetes melitus adalah 1. Orang dengan riwayat keluarga dengan diabetes
2. Orang obeis 20 berat badan ideal 3. Umur di atas 40 tahun dengan faktor tersebut di atas
4. Orang dengan tekanan darah tinggi 5. Orang dengan dislipidemia kolesterol HDL 35 mddl danatau trigliserida
250 mgdl 6. Semua wanita hamil 24-28 minggu
7. Wanita yang melahirkan bayi 4.000 gram. Diabetes melitus jika tidak dikelola dengan baik akan dapat mengakibatkan
terjadinya berbagai penyulit menahun, seperti penyakit jantung koroner, penyulit pada mata, ginjal dan syaraf. Jika kadar glukosa darah dapat selalu dikendalikan
dengan baik, diharapkan semua penyulit menahun tersebut dapat dicegah, paling sedikit dihambat.
2.2. Data Warehouse
