1. Studi kasus hanya dilakukan di Puskesmas Jebed Pemalang.
2. Melakukan differential diagnose hanya pada penyakit paru –
paru yang termasuk sepuluh besar di Puskesmas Jebed. 3.
Data yang digunakan dari tahun 2009 hingga tahun 2011. 4.
Differential diagnose hanya dilakukan berdasarkan gejala
awal, penyakit yang awal diagnose dengan cek lab tidak digunakan.
5. Differential diagnose
lanjutan berdasar hasil cek lab tidak akan dibahas.
6. Sistem rekomendasi yang dibangun tidak menangani
pemberian saran terkait langkah lanjutan yang dilakukan.
7. Differential diagnose
dilakukan secara terkomputerisasi dengan penerapan teknologi informatika, ilmu information
retrieval
.
8. Algoritma information retrieval yang digunakan adalah
extended boolean model , vector space model: cosine
similarity,
dan probabilistic model.
1.4. Tujuan Penelitian
Tujuan yang akan dicapai dalam penulisan skripsi ini adalah: 1.
Mengkaji algoritma extended boolean model, vector space model: cosine similarity
, dan probabilistic model untuk
dokumen pendek yang akan diterapkan pada sistem
rekomendasi differential diagnose penyakit paru – paru.
2. Melakukan implementasi algoritma extended boolean model,
vector space model: cosine similarity, dan probabilistic model
dengan menggunakan dokumen pendek pada sistem rekomendasi differential diagnose penyakit paru – paru.
3. Melakukan pengujian aplikasi yang telah dibangun
menggunakan algoritma recall – precission untuk mengetahui algoritma information retrieval terbaik untuk menangani
differential diagnose penyakit paru – paru menggunakan
dokumen pendek.
1.5. Manfaat Penelitian
Manfaat dari pembangunan perangkat lunak sistem rekomendasi differential diagnose
penyakit paru – paru ini adalah membantu mengkonversi gejala – gejala yang muncul dari pengamatan terhadap
pasien menjadi sebuah rekomendasi differential diagnose penyakit paru – paru secara tepat, cepat, akurat, dan efisien dengan algoritma yang
menghasilkan nilai paling baik. Tidak hanya itu, pembangunan perangkat lunak ini sekaligus menguji algoritma pada dokumen pendek. Dengan
demikian pengujian algoritma extended boolean model, vector space model: cosine similarity,
dan probabilistic model perlu dilakukan untuk
menentukan algoritma yang paling baik pada dokumen pendek. Dengan penerapan algoritma terbaik, sistem diharapkan dapat membantu peran
pelaku pelayanan kesehatan dalam menentukan tindak lanjut sebagai penanganan serta dasar pengambilan diagnose akhir pada penyakit paru –
paru.
1.6. Metode Penelitian
Metode penelitian yang digunakan adalah: 1.
Studi Pustaka: metode studi pustaka ini dilakukan dengan mengambil referensi dari internet, buku, dan jurnal penelitian
yang berhubungan dengan konsep information retrieval serta penyakit paru – paru.
2. Analisis dan Perancangan Sistem: melakukan analisis kebutuhan
dari sistem yang akan dibangun. Dilanjutkan dengan perancangan sistem yang akan diimplementasikan menjadi
sebuah sistem yang dapat berjalan dengan baik dan sesuai dengan yang diharapkan.
3. Implementasi Sistem: implementasi sistem menggunakan dasar
analisa desain sistem yang telah dibuat. Melakukan eksplorasi dan penerapan algoritma extended boolean model, vector space
model: cosine similarity, dan probabilistic model.
4. Evaluasi Algoritma Sistem: pengujian algoritma extended
boolean model , vector space model: cosine similarity, dan
probabilistic model pada perhitungan kemiripan gejala.
5. Pengujian dan Perbaikan: perangkat lunak yang telah dibangun
diuji untuk meminimalkan error dan dapat bekerja dengan baik secara akurat.
6. Analisis Luaran Sistem: melakukan pengujian perangkat lunak
