KLASIFIKASI JENIS POLI YANG DIBUTUHKAN PASIEN PADA KLINIK BERDASARKAN JENIS PENYAKIT DENGAN
MENGGUNAKAN ALGORITMA C4.5
SKRIPSI
DANTON RAMADHAN 1610511055
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAKARTA FAKULTAS ILMU KOMPUTER PROGRAM STUDI S-1 INFORMATIKA
2021
i
HALAMAN JUDUL
KLASIFIKASI JENIS POLI YANG DIBUTUHKAN PASIEN PADA KLINIK BERDASARKAN JENIS PENYAKIT DENGAN
MENGGUNAKAN ALGORITMA C4.5
SKRIPSI
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
DANTON RAMADHAN 1610511055
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAKARTA FAKULTAS ILMU KOMPUTER PROGRAM STUDI S-1 INFORMATIKA
2021
ii
PERNYATAAN ORISINALITAS
Tugas Akhir ini adalah hasil karya sendiri, dan semua sumber yang dikutip maupun yang dirujuk telah saya nyatakan dengan benar.
Nama : Danton Ramadhan
NIM : 1610511055
Tanggal : 15 Februari 2021
Bilamana di kemudian hari ditemukan ketidaksesuaian dengan pernyataan saya ini, maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku.
Jakarta, 15 Februari 2021 Yang Menyatakan,
(Danton Ramadhan)
iii
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS
Sebagai civitas akademik Universitas Pembangunan Nasional “Veteran” Jakarta, saya yang bertanda tangan di bawah ini:
Nama : Danton Ramadhan
NIM : 1610511055
Fakultas : Ilmu Komputer
Program Studi : Informatika
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Pembangunan Nasional “Veteran” Jakarta Hak Bebas Royalti Non eksklusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul:
Klasifikasi Jenis Poli Yang Dibutuhkan Pasien Pada Klinik Berdasarkan Jenis Penyakit Dengan Menggunakan Algoritma C4.5
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti ini Universitas Pembangunan Nasional “Veteran” Jakarta berhak menyimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan Skripsi saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat Di : Jakarta
Pada Tanggal : 15 Februari 2021 Yang Menyatakan,
(Danton Ramadhan)
iv
LEMBAR PENGESAHAN
Dengan ini dinyatakan bahwa Tugas Akhir berikut:
Nama : Danton Ramadhan
NIM : 1610511055
Program Studi : Informatika
Judul Tugas Akhir : KLASIFIKASI JENIS POLI YANG DIBUTUHKAN PASIEN PADA KLINIK BERDASARKAN JENIS PENYAKIT DENGAN MENGGUNAKAN ALGORITMA C4.5.
Telah berhasil dipertahankan dihadapan Tim Penguji dan diterima sebagai bagian dari persyaratan yang diperlukan untuk memperoleh gelar Sarjana Komputer pada Program Studi Informatika S.1, Fakultas Ilmu Komputer, Universitas Pembangunan Nasional Veteran Jakarta.
Mengetahui,
Yuni Widiastiwi, S.Kom, M.Si.
Penguji 1
Bayu Hananto, S.Kom., M.Kom.
Penguji 2
Dr. Ermatita, M.Kom.
Pembimbing 1
Noor Falih, S.Kom., M.T.
Pembimbing 2
Dr. Ermatita, M.Kom.
Dekan Yuni Widiastiwi, S.Kom, M.Si.
Ketua Program Studi
Ditetapkan di : Jakarta
Tanggal Ujian : 29 Januari 2021
v
KLASIFIKASI JENIS POLI YANG DIBUTUHKAN PASIEN PADA KLINIK BERDASARKAN JENIS PENYAKIT DENGAN
MENGGUNAKAN ALGORITMA C4.5
Danton Ramadhan ABSTRAK
Saat melakukan kegiatan berobat pada klinik, pasien akan berkonsultasi dahulu terkait keluhan yang dirasakan kepada dokter yang bertugas. Dimasa pandemi saat ini kegiatan seperti berbicara atau mengobrol sangat dibatasi karena menurut pakar kesehatan dan peraturan kementrian kesehatan salah satu penyebab penularan virus melalui cairan tenggorokan atau air liur. Dalam hal ini konsultasi membutuhkan digitalisasi atau modernisasi dengan pembuatan suatu aplikasi yang nantinya akan menentukan poli apa yang sesuai dengan yang pasien butuhkan. ALODOKTER merupakan suatu laman daring yang berisikan informasi kesehatan dengan pakar ahli dan juga didalamnya terdapat data-data penyakit dan gejalanya yang dapat diolah khususnya untuk mendapatkan suatu klasifikasi. Klasifikasi poli dilakukan berdasarkan gejala yang pasien rasakan dimana aplikasi ini berperan seperti dokter umum yang sedang berjaga dan melakukan survey atau konsultasi dengan pasien.
Data gejala yang dipilih pasien akan diproses oleh Algoritma C4.5 yang kemudian akan menghasilkan keluaran poli terpilih berdasarkan gejala pilhan pasien tersebut.
Algoritma C4.5 sendiri merupakan algoritma pohon keputusan atau decision tree yang dapat melakukan suatu klasifikasi. Penelitian ini bertujuan untuk membuat suatu aplikasi yang dapat melakukan klasifikasi terhadap gejala keluhan pasien untuk menentukan poli yang sesuai. Dengan menggunakan sampel data sebanyak 12 penyakit berat dari ALODOKTER, dihasilkan 22 rule dari perhitungan dan pembuatan decision tree dengan menggunakan algoritma C4.5 dengan akurasi 90,04% dengan menggunakan pengujian confusion matrix dengan pembagian data sebanyak 70% training dan 30% testing.
Kata Kunci : Klasifikasi, Algoritma C4.5, Klinik, Poli
vi
CLASSIFICATION OF POLY TYPES NEEDED BY PATIENTS IN CLINIC BASED ON TYPES OF DISEASES USING THE
C4.5 ALGORITHM
Danton Ramadhan
ABSTRACT
When carrying out treatment activities at the clinic, the patient will consult beforehand regarding the complaints felt with the doctor in charge. During the current pandemic, activities such as talking or chatting are very limited because according to health experts and health ministry regulations one of the causes of transmission of the virus is through throat fluids or saliva. In this case, the consultation requires digitization or modernization by making an application that will determine what type of poly the patient needs. ALODOKTER is an website that contains health information with experts and also includes data regarding diseases and symptoms that can be processed specifically to obtain a classification. Poly classification is carried out based on the symptoms the patient feels where this application acts like a general practitioner who is on guard and conducting surveys or consulting with patients. The symptom data selected by the patient will be processed by the C4.5 Algorithm which will then produce the selected poly output based on the patient's selected symptoms. The C4.5 algorithm is a decision tree algorithm that can perform a classification. This study aims to create an application that can classify the symptoms of patient complaints to determine the appropriate poly. By using a data sample of 12 serious diseases from ALODOKTER, 22 rules are generated from the calculation and making of a decision tree using the C4.5 algorithm with an accuracy of 90.04% using confusion matrix testing with data sharing as much as 70% for training and 30% for testing.
Keywords : Classification, The C4.5 algorithm, Clinic, Poly
vii
KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Tuhan yang Maha Esa atas segala karunia-Nya, sehingga Skripsi ini berhasil diselesaikan. Penulis ingin mengucapkan terima kasih kepada:
1. Ibu Dr. Ermatita, M. Kom. selaku dosen pembimbing dan juga selaku Dekan Fakultas Ilmu Komputer Universitas Pembangunan Nasional “Veteran”
Jakarta, yang telah memberikan saran yang bermanfaat.
2. Bapak Noor Falih, S.Kom., M. T. selaku dosen pembimbing yang juga telah memberikan arahan dan saran terhadap penulisan yang bermanfaat.
3. Ibu Yuni Widiastiwi, S. Kom., M. Si. selaku Ketua Program Studi Informatika Universitas Pembangunan Nasional “Veteran” Jakarta.
4. Bapak/Ibu dosen Program Studi Informatika Universitas Pembangunan Nasional “Veteran” Jakarta terima kasih atas ilmu-ilmu yang bermanfaat.
5. Kedua orang tua dan keluarga yang selalu memberikan dorongan dan doa kepada penulis sehingga dapat menyelesaikan penulisan skripsi ini.
6. Sahabat-sahabat yang selalu memberikan bantuan dan semangat kepada penulis dalam menyelesaikan skripsi ini.
7. Teman-teman Informatika 2016, rekan-rekan KSM Robotika, dan seluruh rekan mahasiswa juga pihak lainnya yang tidak dapat penulis sebutkan namanya satu persatu, terima kasih atas saran dan dukungan yang telah diberikan.
Akhir kata, semoga skripsi ini dapat bermanfaat bagi para pembacanya.
Jakarta, 15 Februari 2021 Penulis
Danton Ramadhan
viii
DAFTAR ISI
HALAMAN JUDUL ... i
PERNYATAAN ORISINALITAS... ii
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS ... iii
LEMBAR PENGESAHAN ... iv
ABSTRAK ... v
ABSTRACT ... vi
KATA PENGANTAR ... vii
DAFTAR ISI... viii
DAFTAR GAMBAR ... xii
DAFTAR TABEL ... xv
DAFTAR EQUATION ... xvi
BAB I ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan Penelitian ... 3
1.4 Manfaat Penelitian ... 3
1.5 Ruang Lingkup ... 3
1.6 Luaran Yang Diharapkan ... 3
1.7 Sistematika Penulisan ... 3
BAB II ... 5
2.1 Algoritma C4.5 ... 5
2.2.1 Entropy ... 6
2.2.2 Gain Information... 6
2.2.3 Split Information ... 6
2.2.4 Gain Ratio ... 7
2.2 ALODOKTER ... 7
2.3 Flutter ... 8
2.4 Penelitian Terkait ... 8
BAB III ... 14
3.1 Kerangka Pikir ... 14
ix
3.1.1 Rumusan Masalah ... 15
3.1.2 Studi Literatur ... 15
3.1.3 Pengumpulan Data ... 15
3.1.4 Perancangan Tree ... 15
3.1.5 Perancangan Aplikasi ... 15
3.2 Alat Bantu Penelitian ... 15
3.2.1 Perangkat Keras ... 15
3.2.2 Perangkat Lunak ... 16
3.3 Tempat Penelitian ... 16
3.4 Jadwal Penelitian ... 16
BAB IV ... 18
4.1 Pengumpulan Data ... 18
4.1.1 Praproses Data ... 24
4.2 Perancangan Tree Menggunakan Algoritma C4.5 ... 29
4.2.1 Entropy ... 30
4.2.1.1 Entropy Root ... 30
4.2.1.2 Entropy Demam (Tidak Ada) ... 30
4.2.1.3 Entropy Demam (Tidak Menggigil)... 30
4.2.1.4 Entropy Demam (Menggigil) ... 31
4.2.1.5 Entropy Mual (Ya) ... 31
4.2.1.6 Entropy Mual (Tidak) ... 31
4.2.1.7 Entropy Nyeri (Ya) ... 32
4.2.1.8 Entropy Nyeri (Tidak) ... 32
4.2.1.9 Entropy Pusing (Ya)... 32
4.2.1.10 Entropy Pusing (Tidak) ... 33
4.2.1.11 Entropy Lemas (Ya) ... 33
4.2.1.12 Entropy Lemas (Tidak) ... 33
4.2.1.13 Entropy Batuk (Tidak Ada) ... 34
4.2.1.14 Entropy Batuk (Tidak Berdarah) ... 34
4.2.1.15 Entropy Batuk (Berdarah) ... 34
4.2.1.16 Entropy Pilek (Ya) ... 35
4.2.1.17 Entropy Pilek (Tidak) ... 35
4.2.1.18 Entropy Sesak Napas (Ya) ... 35
4.2.1.19 Entropy Sesak Napas (Tidak) ... 36
x
4.2.1.20 Entropy Sakit Tenggorokan (Ya) ... 36
4.2.1.21 Entropy Sakit Tenggorokan (Tidak) ... 36
4.2.2 Gain Information ... 37
4.2.2.1 Gain Attribut Demam ... 37
4.2.2.2 Gain Attribut Mual ... 37
4.2.2.3 Gain Attribut Nyeri ... 38
4.2.2.4 Gain Attribut Pusing ... 38
4.2.2.5 Gain Attribut Lemas... 38
4.2.2.6 Gain Attribut Batuk ... 39
4.2.2.7 Gain Attribut Pilek ... 39
4.2.2.8 Gain Attribut Sesak Napas ... 40
4.2.2.9 Gain Attribut Sakit Tenggorokan ... 40
4.2.3 Split Information ... 40
4.2.3.1 Split Information Demam ... 41
4.2.3.2 Split Information Mual ... 41
4.2.3.3 Split Information Nyeri ... 41
4.2.3.4 Split Information Pusing ... 42
4.2.3.5 Split Information Lemas ... 42
4.2.3.6 Split Information Batuk ... 42
4.2.3.7 Split Information Pilek ... 43
4.2.3.8 Split Information Sesak Napas ... 43
4.2.3.9 Split Information Sakit Tenggorokan... 43
4.2.4 Gain Ratio ... 43
4.2.4.1 Gain Ratio Demam... 44
4.2.4.2 Gain Ratio Mual ... 44
4.2.4.3 Gain Ratio Nyeri ... 44
4.2.4.1 Gain Ratio Pusing ... 44
4.2.4.5 Gain Ratio Lemas... 45
4.2.4.6 Gain Ratio Batuk ... 45
4.2.4.7 Gain Ratio Pilek ... 45
4.2.4.8 Gain Ratio Sesak Napas ... 45
4.2.4.9 Gain Ratio Sakit Tenggorokan ... 46
4.2.5 Pembuatan Tree ... 46
4.2.5.1 Node Batuk ... 49
xi
4.2.5.2 Node Demam ... 50
4.2.5.3 Node Pusing ... 50
4.2.5.4 Node Mual ... 51
4.2.5.5 Node Lemas ... 51
4.2.5.6 Node Nyeri ... 52
4.2.5.7 Node Sesak Napas ... 52
4.2.5.8 Node Pilek ... 53
4.2.5.9 Node Sakit Tenggorokan ... 53
4.2.6 Akurasi Tree ... 54
4.2.6.1 Confusion Matrix ... 55
4.3 Perancangan Aplikasi ... 56
4.3.1 Tampilan Halaman Utama ... 57
4.3.2 Tampilan Halaman Pendaftaran ... 57
4.3.3 Tampilan Halaman Pemilihan Demam ... 58
4.3.4 Tampilan Halaman Pemilihan Batuk ... 59
4.3.5 Halaman Hasil Diagnosa ... 59
4.3.6 Halaman Pencarian Riwayat Kunjungan ... 60
4.3.7 Halaman Hasil Pencarian Riwayat Kunjungan ... 61
BAB V ... 62
5.1 Kesimpulan ... 62
5.2 Saran ... 62
DAFTAR PUSTAKA ... 64
RIWAYAT HIDUP ... 67
LAMPIRAN... 68
xii DAFTAR GAMBAR
Gambar 2. 1 Konsep Dasar Decision Tree ... 5
Gambar 2. 2 Alur proses perhitungan algoritma C4.5 ... 5
Gambar 2. 3 Alur pengambilan dan pemrosesan data... 8
Gambar 3. 1 Flowchart Penelitian ... 14
Gambar 4. 1 Perhitungan Entropy Root ... 30
Gambar 4. 2 Perhitungan Entropy Demam (Tidak Ada) ... 30
Gambar 4. 3 Perhitungan Entropy Demam (Tidak Menggigil) ... 31
Gambar 4. 4 Perhitungan Entropy Demam (Menggigil) ... 31
Gambar 4. 5 Perhitungan Entropy Mual (Ya) ... 31
Gambar 4. 6 Perhitungan Entropy Mual (Tidak) ... 32
Gambar 4. 7 Perhitungan Entropy Nyeri (Ya) ... 32
Gambar 4. 8 Perhitungan Entropy Nyeri (Tidak)... 32
Gambar 4. 9 Perhitungan Entropy Pusing (Ya) ... 33
Gambar 4. 10 Perhitungan Entropy Pusing (Tidak) ... 33
Gambar 4. 11 Perhitungan Entropy Lemas (Ya) ... 33
Gambar 4. 12 Perhitungan Entropy Lemas (Tidak) ... 34
Gambar 4. 13 Perhitungan Entropy Batuk (Tidak Ada) ... 34
Gambar 4. 14 Perhitungan Entropy Batuk (Tidak Berdarah) ... 34
Gambar 4. 15 Perhitungan Entropy Batuk (Berdarah) ... 35
Gambar 4. 16 Perhitungan Entropy Pilek (Ya) ... 35
Gambar 4. 17 Perhitungan Entropy Pilek (Tidak) ... 35
Gambar 4. 18 Perhitungan Entropy Sesak Napas (Ya) ... 36
Gambar 4. 19 Perhitungan Entropy Sesak Napas (Tidak) ... 36
Gambar 4. 20 Perhitungan Entropy Sakit Tenggorokan (Ya) ... 36
Gambar 4. 21 Perhitungan Entropy Sakit Tenggorokan (Tidak) ... 37
Gambar 4. 22 Perhitungan Gain Attribut Demam ... 37
Gambar 4. 23 Perhitungan Gain Attribut Mual ... 38
Gambar 4. 24 Perhitungan Gain Attribut Nyeri ... 38
Gambar 4. 25 Perhitungan Gain Attribut Pusing ... 38
Gambar 4. 26 Perhitungan Gain Attribut Lemas ... 39
xiii
Gambar 4. 27 Perhitungan Gain Attribut Batuk... 39
Gambar 4. 28 Perhitungan Gain Attribut Pilek ... 40
Gambar 4. 29 Perhitungan Gain Attribut Sesak Napas ... 40
Gambar 4. 30 Perhitungan Gain Attribut Sakit Tenggorokan... 40
Gambar 4. 31 Perhitungan Split Information Atribut Demam ... 41
Gambar 4. 32 Perhitungan Split Information Atribut Mual ... 41
Gambar 4. 33 Perhitungan Split Information Atribut Nyeri ... 42
Gambar 4. 34 Perhitungan Split Information Atribut Pusing ... 42
Gambar 4. 35 Perhitungan Split Information Atribut Lemas ... 42
Gambar 4. 36 Perhitungan Split Information Atribut Batuk ... 42
Gambar 4. 37 Perhitungan Split Information Atribut Pilek ... 43
Gambar 4. 38 Perhitungan Split Information Atribut Sesak Napas ... 43
Gambar 4. 39 Perhitungan Split Information Atribut Sakit Tenggorokan ... 43
Gambar 4. 40 Perhitungan Gain Ratio Demam ... 44
Gambar 4. 41 Perhitungan Gain Ratio Mual ... 44
Gambar 4. 42 Perhitungan Gain Ratio Nyeri ... 44
Gambar 4. 43 Perhitungan Gain Ratio Pusing ... 45
Gambar 4. 44 Perhitungan Gain Ratio Lemas ... 45
Gambar 4. 45 Perhitungan Gain Ratio Batuk... 45
Gambar 4. 46 Perhitungan Gain Ratio Pilek ... 45
Gambar 4. 47 Perhitungan Gain Ratio Sesak Napas ... 46
Gambar 4. 48 Perhitungan Gain Ratio Sakit Tenggorokan... 46
Gambar 4. 49 Design Flow Pada Rapid Miner Studio ... 48
Gambar 4. 50 Decision Tree Rapid Miner Activity ... 49
Gambar 4. 51 Penggambaran Ulang Tree ... 49
Gambar 4. 52 Node Batuk ... 50
Gambar 4. 53 Node Demam... 50
Gambar 4. 54 Node Pusing ... 51
Gambar 4. 55 Node Mual ... 51
Gambar 4. 56 Node Lemas... 52
Gambar 4. 57 Node Nyeri ... 52
Gambar 4. 58 Node Sesak Napas ... 53
xiv
Gambar 4. 59 Node Pilek ... 53
Gambar 4. 60 Node Sakit Tenggorokan ... 54
Gambar 4. 61 Akurasi Tree Rapid Miner Performance Vector ... 54
Gambar 4. 62 Perhitungan Akurasi ... 55
Gambar 4. 63 Perhitungan Class Recall ... 56
Gambar 4. 64 Perhitungan Class Precision ... 56
Gambar 4. 65 Halaman Utama ... 57
Gambar 4. 66 Halaman Pendaftaran ... 57
Gambar 4. 67 Halaman Pemilihan Demam ... 58
Gambar 4. 68 Halaman Pemilihan Batuk ... 59
Gambar 4. 70 Halaman Diagnosa ... 59
Gambar 4. 71 Halaman Riwayat Kunjungan ... 60
Gambar 4. 72 Halaman Hasil Pencarian Riwayat Kunjungan ... 61
xv DAFTAR TABEL
Tabel 2. 1 Penelitian Terkait ... 9
Tabel 3. 1 Jadwal Penelitian... 17
Tabel 4. 1 Penyakit Berat Dan Gejalanya ... 18
Tabel 4. 2 Tabel Gejala dan Polinya ... 24
Tabel 4. 3 Praproses Data Penyakit Berat Berdasarkan Kemiripan Gejala ... 25
Tabel 4. 4 Tabel Variabel ... 28
Tabel 4. 5 Rule Klasifikasi Poli ... 28
Tabel 4. 6 Total Keseluruhan Perhitungan ... 46
Tabel 4. 7 Tabel Data Confusion Matrix ... 55
xvi DAFTAR EQUATION
Equation 2. 1 Rumus Entropy ... 6
Equation 2. 2 Rumus Gain ... 6
Equation 2. 3 Rumus Split Information ... 7
Equation 2. 4 Rumus Gain Ratio ... 7
