Implementasi Algoritma Fuzzy C-Means Untuk
Clustering Penderita Tuberculosis di Kota Semarang
Implementation Of Fuzzy C-Means Algorithm For
Clustering Tuberculois Patients at Semarang.
Devi Dwi R¹, Etika Kartikadarma²
Universitas Dian Nuswantoro Semarang Jurusan Teknik Informatika, FIK UDINUS, Semarang
Email:[email protected]¹,[email protected]²
Abstrak
Penyakit Tuberculosis merupakan salah satu penyakit yang di sebabkan oleh bakteri mycobacterium tuberkulosa. Di Dinas Kesehatan Kota Semarang untuk memberikan informasi jumlah penderita Tuberculosis di daerah setiap puskesmas yang ada di Kota Semarang masih menggunakan Microsoft Excel dan perhitungannnya. Untuk mempermudah akan diimplementasikan dengan metode clustering sehingga mampu untuk mengelompokan penderita yang terkena Tuberculosis serta peta penyebaran terbanyak pada pada daerah yang ada di daerah Kota Semarang.Clustering ialah metode pada data mining yang memiliki fungsi memproses pengelompokan objek yang berdasar pada informasi yang didapat dari data yang menjelaskan hubungan antar objek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas atau cluster. metode yang di gunakan ialah fuzzy clustering, yaitu dengan algoritma Fuzzy C-means. Fuzzy C-means mempunyai tingkat akurasi yang tinggi dan waktu komputasi yang cepat. Kemudian Clustering sajikan dalam bentuk Petalokasi. Dalam penelitian ini di bagi 4 cluster yaitu sangat tinggi, tinggi, sedang dan rendah. Uji validitas cluster yang didapatkan dari system clustering adalah 33%.
Kata kunci : Tuberculosis,Fuzzy C-Means.
Abstract
Tuberculosis is a disease caused by the bacteria mycobacterium tuberculosis. In Semarang City Health Office to provide information on the number of patients with Tuberculosis every area health centers in the city of Semarang are still using Microsoft Excel and
perhitungannnya. To make it easier to be implemented by the clustering method that is able to classify patients affected by tuberculosis and map the spread of the highest in the region in Semarang.Clustering City area is on data mining method which has a processing function of grouping objects based on information derived from data explain the relationship between objects in principle to maximize the similarity between members of the class and to minimize the similarity between the classes or clusters. methods used are fuzzy clustering, ie with Fuzzy C-means clustering algorithm. Fuzzy C-Means has a high level of accuracy and fast
computation time. Clustering then presented in the form Petalokasi. In this study in the fourth cluster is very high, high, medium and low. Test the validity of the cluster obtained from the clustering system is 33%.
Key words: Tuberculosis,Fuzzy C-Means.
1. PENDAHULUAN
Penyakit Tuberculosis merupakan salah satu penyakit yang di sebabkan oleh bakteri
mycobacterium tuberkulosa yang dapat menyerang berbagai organ, terutama pada bagian
organ paru-paru, proses penyebaran penyakit ini dapat melalui udara, percikan dahak,atau ludah yang terinfeksi kuman Tuberculosis pada kasus penderita Tuberculosis pada anak-anak bersumber dari infeksi yang diderita oleh penyakit Tuberculosis orang dewasa [1]. menjadi faktor utama penyebab kematian di dunia[2].
Menurut WHO (Word Health Organization) tahun 2014 peristiwa di Indonesia mencapai angka 460.000 kasus baru pertahun, dan laporan yang sama pada tahun 2015 angka tersebut telah direvisi yang berdasarkan pada survey yang dilakukan mulai tahun 2013, yaitu meningkat menjadi 1.000.000 kasus baru pertahunnya[3].
Di provinsi jawa tengah khususnya di Kota Semarang, penderita Tuberculosis ditinjau dari masing-masing puskesmas yang ada di Kota Semarang memiliki angka penderita yang berbeda dilihat dari usia penderita dari tingkat anak sampai dewasa dan jenis kelaminnya. Berdasarkan dari data Dinas Kesehatan Kota Semarang tahun 2015 terdapat 10.937 jiwa suspek penderita penyakit Tuberculosis di lihat dari data setiap puskesmas[4].
Di Dinas Kesehatan Kota Semarang untuk memberikan informasi jumlah penderita
Tuberculosis di daerah setiap puskesmas yang ada di Kota Semarang melalui Microsoft Excel
dan perhitungannnya. Maka dari itu untuk mempermudah hal ini akan diimplementasikan dengan metode clustering sehingga mampu untuk mengelompokan penderita yang terkena
Tuberculosis serta peta penyebaran terbanyak pada pada daerah yang ada di daerah Kota
Semarang.
Dalam clustering terdapat beberapa algoritma, salah satu algoritmanya ialah algoritma
fuzzy c-means (FCM). Fuzzy c-means (FCM) ialah dimana objek dapat menjadi anggota
2. METODE PENELITIAN
Fuzzy c-means (FCM) merupakan teknik pengelompokan atau cluster data yang
berdasarkan pada nilai keanggotaan pada setiap data dalam suatu cluster.
Pada proses pembuatan system penulis menggunakan metode pengembangan Prototype.Prototyping adalah pengembangan yang cepat dan pengujian terhadap model kerja (prototipe) dari aplikasi baru melalui proses interaksi dan berulang-ulang yang biasa digunakan ahli sistem informasi dan ahli bisnis.
Langkah – langkah yang di lakukan :
a.
Analisis kebutuhan system- System dapat menginputkan data puskesmas - System dapat melakukan editing data
- System dapat melakukan proses pengolahan data menggunakan Fuzzy C-means.
b.
Desain systemDesain dari system yang telah dibuat.
c.
Pengujian system Setelah sistem selesai dibuat maka tahapan selanjutnya adalah pengujian system. Pengujian system menggunakan blacbox, Black box testing adalah pengujian yang dilakukan hanya mengamati hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak.d.
Setelah prototipe diterima maka pada tahap ini merupakan implementasi sistem yang siap dioperasikan dan selanjutnya terjadi proses pembelajaran terhadap sistem baruAnalisis
kebutuhan system
Desain Sistem
Pengujian sistem
dan membandingkannya dengan sistem lama, evaluasi secara teknis dan operasional serta interaksi pengguna, sistem dan teknologi informasi.
3. HASIL DAN PEMBAHASAN
Berikut merupakan tahap analisis system :
Dalam pengembangan sebuah system terdapat scenario system. Scenario system yaitu gambaran umum dari system tersebut yang berfungsi menjelaskan gambaran system secara umum. Secara umum system ini digunakan untuk mengolah data yang terdapat pada Dinas Kesahatan Kota Semarang. Data yang diolah merupakan jumlah dari penderita Tuberculosis di setiap puskesmas yang ada di Kota Semarang.
System ini dapat menginputkan data puskesmas, dan memproses data sehingga dapat dibagi menjadi beberapa cluster. Dalam system ini terdapat proses iterasi, hasil iterasi dan pengosongan iterasi serta peta lokasi.
Gambar 1. Usecase diagram
Skenario ( Flow Of Event ) untuk masing-masing use case dari perangkat lunak ini adalah sebagai berikut :
a. Skenario Use Case Dasboard
Tabel 1 : Skenario Use Case Dasboard Identifikasi
Nama use case Dashboard
Aktor User
Deskripsi use case Actor memilih menu dashboard untuk memilih menu utama
Skenario
Aksi Aktor Reaksi Sistem
1. Aktor memilih menu dasboard
2. Aplikasi menampilkan halaman utama dan menampilkan menu input data dan data puskesmas.
b. Skenario Use Case Proses Iterasi
Tabel 4.2 : Skenario Use Case Proses Iterasi Identifikasi
Nama use case Proses Iterasi
Aktor User
Tujuan Menampilkan halaman proses iterasi menampilkan menu iterasi awal, iterasi akhir dan kosongkan iterasi
Deskripsi use case Actor memilih menu Proses iterasi untk menilih menu iterasi awal, iterasi akhir dan kosongkan data.
Skenario
Aksi Aktor Reaksi Sistem
1. Aktor memilih menu Proses Iterasi.
2. Aplikasi menampilkan halaman iterasi awal, iterasi akhir dan kosongkan data.
c. Skenario Use Case Hasil Olah Data
Tabel 4.3 : Skenario Use Case Hasil Olah Data Identifikasi
Nama use case Hasil Olah Data
Aktor User
Tujuan Menampilkan halaman hasil olah data
Deskripsi use case Actor memilih hasil olah data untk untuk melihat hasil olah
data .
Skenario
Aksi Aktor Reaksi Sistem
1. Aktor memilih menu Hasil olah data
2. Aplikasi menampilkan halaman hasil olah data ..
d. Skenario Use Case Peta Lokasi
Tabel 4.4 : Skenario Use Case Peta Lokasi Identifikasi
Nama use case Peta Lokasi
Aktor User
Tujuan Menampilkan halaman peta lokasi
Deskripsi use case Actor memilih menu peta lokasi untuk menampilkan peta lokasi
Skenario
Aksi Aktor Reaksi Sistem
3. Aktor memilih menu peta lokasi
4. Aplikasi menampilkan halaman peta lokasi..
Dan kemudian class diagramnya sebagai berikut :
Class diagram adalah sebuah class yang menggambarkan struktur dan penjelasan class, paket, dan objek serta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan lain-lain.
Gambar 2. class diagram
- Pengujian Sistem
pengujian ini di lakukan untuk memperlihatkan bahwa fungsi-fungsi bekerja dengan baik dalam arti masukan yang diterima dengan benar dan keluaran yang di hasilkan benar-benar sesuai dan tepat.Berikut ini adalah hasil dari pengujian black box :
Tabel.5 pengujian Sistem
Lay out Input Proses Output hasil
Input Data Nama puskesmas, Kontak HP, Alamat, Keterangan . Index.php clear Tombol simpan Klik tombol simpan Index.php Clear Data puskesm as Klik data puskesmas Index.php clear
Action edit
Klik edit Index.php clear
Proses iterasi awal Klik proses iterasi awal index.php? option=iter asi Clear Proses iterasi Klik proses iterasi index.php? option=iter asi Clear
Kosong kan data Klik kosongkan data index.php? option=iter asi Clear Tombol Klik tombol kosongkan data index.php? option=iter asi Clear Hasil olah data Klik hasil olah data http://local host/devi/in dex.php?op tion=hasil-iterasi Clear Tombol update data Klik tombol update data http://local host/devi/in dex.php?op tion=hasil-iterasi clear
Klik input data Klik input data : nama puskesmas, kontak hp, alamat, keterangan Index.php Clear Tombol simpan Klik tombol simpan Index.php Clear Klik data puskesm as Klik data puskesmas Index.php Clear
Klik peta Lokasi index.php? option=gis map1 clear 5. KESIMPULAN
Dari hasil pengujian dan perhitungan yang sudah dilakukan, dapat ditarik kesimpulan bahwa :
1. Metode Fuzzy C-Means (FCM) telah diimplementasikan kedalam sistem Clustering jumlah penderita Tuberkulosis di Kota Semarang.
2. Menggunakan variabel yang sesuai dengan standart perusahaan yang antara lain ialah Kode Puskesmas, Usia dan Jenis Kelamin untuk menentukan Clustering jumlah penderita Tuberculosis.
3. Penerapan atau implementasi metode Fuzzy C-Means yang berdasarkan pada variabel yang sudah ditentukan dapat membantu dalam menentukan Cluster pada jumlah penderita Tuberculosis di Kota Semarang.
4. Sistem pada clustering jumlah penderita Tuberkulosis dibangun berdasarkan pada kebutuhan user yang tentunya dapat memudahkan user dalam penggunaannya.
5. SARAN
Berdasarkan pada hasil yang telah dilakukan terdapat saran untuk instansi Dinas Kesehatan Kota Semarang yang diantaranya prnggunaan variabel yang lebih luas atau diperinci lagi yang sesuai dengan karakteristik penderita Tuberkulosis dan penelitian ini dapat dikembangkan dengan metode lain yang lebih baik agar tingkat keakuratan cluster yang terbentuk semakakin tinggi.
6. DAFTAR PUSTAKA
[1] Anonim, “Tuberculosis,” PenyakitTBC.org,2015[Online] Available:http://tuberculosis.org . [diakses 15 februari 2017]
[2] Hudoyo achmad,”Jurnal Tuberculosis Indonesia,” Vol. 8 . Maret . ISSN 1829 – 51182 012.2012
[3] bimantara galuh,”Tuberculosis di Indonesia Terbanyak ke dua di Dunia”.2016[online]
Available:https://id.scribd.com/document/326338618/Tuberkulosis-Di-Indonesia-Terbanyak-Kedua-Di-Dunia. [diakses 20 februari2017]
[4]Dinas Kesehatan Kota Semarang,Data Tuberculosis 2015,2015.
[5]Dewi astria “ penerapan algoritma fuzzy c-means (fcm) untuk clustering
pelanggan pada CV.mataram jaya bawen” skripsi teknik informatika universitas dian nuswantoro semarang. 2016.
