SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS
DIABETES MENGGUNAKAN C4.5
Muhammad Fakhrurrifqi1,Anifuddin Aziz2 Program Diploma Komsi Sekolah Vokasi UGM1,2
mfrifqi@gmail.com1
anifudin@ugm.ac.id2
ABSTRAK
Pada penentuan seseorang positif menderita diabetes atau tidak, indikasi penentuannya selain didasarkan pada prosedur tetap (protap), juga berdasarkan pengalaman klinis. Hal ini dapat memungkinkan seorang dokter mengambil keputusan yang kurang tepat. Kondisi fisik dan keluhan yang dialami pasien satu dan lainnya juga beragam. Riwayat medis pasien juga berbeda-beda, demikian juga kondisi pasien. Sehingga terdapat banyak sekali faktor yang harus dipertimbangkan oleh seorang dokter dalam mendiagnosis diabetes.
Pada penelitian ini akan dikembangkan suatu sistem untuk memberi panduan bagi dokter dalam mendiagnosis diabetes dari seorang pasien sesuai dengan kondisi fisik pasien menggunakan Case
Based Reasoning dengan hirarkispohon metode C45.
Hasil yang didapatkan dari penelitian ini adalah metode C4.5 bisa digunakan untuk menentukan diagnosis diabetes dengan tingkat akurasi yang baik sehingga sistem yang dibangun dapat member panduan kepada dokter dalam mendiagnosis diabetes.
Kata kunci: Diabetes, SistemPendukungKeputusan, C4.5
PENDAHULUAN
Pada diagnosis diabetes atau penentuan seseorang positif menderita diabetes atau tidak, indikasi penentuannya selain didasarkan pada prosedur tetap (protap), juga berdasarkan pengalaman klinis. Hal ini dapat memungkinkan seorang dokter mengambil keputusan yang kurang tepat.
Kondisi fisik dan keluhan yang dialami pasien satu dan lainnya juga beragam. Riwayat medis pasien juga berbeda-beda, demikian juga kondisi pasien. Sehingga terdapat banyak sekali faktor yang harus dipertimbangkan oleh seorang dokter dalam penentuan diabetes.
Berdasarkan hal tersebut, untuk meningkatkan perbaikan klinis dan pencegahan penentuan penderita diabetes yang kurang tepatsertamengurangi
penggunaan obat yang tidak rasional yang akan berdampak pada tingginya biaya pengobatan dan resiko efek samping obat, maka perlu dilakukan suatu penelitian yang bisa menghasilkan suatu sistem untuk memberi panduan bagi dokter dalam menentuan diagnosis diabetes seorang pasien, sesuai dengan kondisi fisik pasien.
CBR telah dikenalkan pada awal 1980an sebagai pendekatan penalaran yang dipercaya didukung oleh ide bahwa orang menggunakan kembali pengalamannya ketika memecahkan suatu masalah. Umumnya, CBR memiliki sejumlah besar kasus-kasus sebelumnya yang tersimpan dalam basis kasus. Ketika ada masalah baru, akan dilihat sebagai kasus baru dan dibandingkan dengan kasus-kasus pada basis kasus. Kemudian, kasus yang mirip dengan
Sistem Pendukung Keputusan Untuk...(Muhammad F, Anifuddin A )103 kasus baru akan digunakan sebagai saran
pada penguna sebagai solusi terhadap masalah baru tersebut. Biasanya, kasus baru yang diselesaikan, akan ditambahkan ke dalam basis kasus. Banyak sistem CBR yang ditelah dipublikasikan untuk memecahkan masalah dalam berbagai bidang, seperti : diagnosis, perencanaan, desain, dan pengolahan citra[1].
Sistem CBR dapat menggunakan pengindeksan hirarkis seperti pohon keputusan dan C4.5[2]. Pada CBR, pohon keputusan dikategorikan sebagai teknik pengindeksan kasus dengan pendekatan induktif. Pendekatan induktif digunakan untuk menentukan struktur berbasis kasus. Struktur hirarkis basis kasus yang dihasilkan menurunkan ruang pencarian pada saat proses retrieval[3].
Pada penelitian ini, akan digunakan metode C4.5 yang merupakan kelompok algoritma pohon keputusan untuk membangun suatu sistem yang dapat memberi panduan bagi dokter dalam menentuan diagnosis diabetes seorang pasien menggunakan Case Based Reasoning dengan hirarkis pohon metode C4.5.
METODE
Penelitian ini dilakukan melalui beberapatahapan. Tahapan-tahapantersebutadalah :
a. Pencarian data
Pada tahap ini, dilakukan pengambilan data diabetes. Data didapatkan dari National Institute of Diabetes and Digestive andKidney Diseasespada
tanggal 9 Mei 1990.Data diabetes ini menggunakan delapan attribut dan satu kelas, yaitu :
1. Jumlah kali kehamilan
2. Kadar gula darah setelah puasa minimal 2 jam
3. Tekanan darah (mm Hg)
4. Ketebalan lipatan lapisan kulit triceps (mm)
5. 2 jam serum insulin (mu U/ml) 6. Indeks massa tubuh (Berat(dalam kg)
/ tinggi (dalam meter) ^ 20) 7. Funsi Silsilah diabetes 8. Usia (tahun)
9. Kelas (Positif / Negatif) b. Pengolahan data awal
Pada tahap ini dilakukan pengolahan data awal, yaitu normalisasi data, untuk bisa digunakan sebagai data pembentukan pohon. Ketika data masuk ke dalam sistem, setiap data akan didiskritkan. Pendiskritkan dilakukan dengan mengelompokkan setiap data dari attribut. Jumlah kelompok yang akan dibuat adalah tergantung pada jumlah data yang ada. Dalam penelitian ini akan menggunakan rumus :
1 3,3log
k n dengan:
k = banyak kelompok yang akan dibentuk
n = jumlah keseluruhan data c. Perancangan sistem
Pada tahap ini dilakukan perancangan algoritma C4.5, juga dilakukan perancangan antarmuka. Paket C4.5 merupakan rancangan untuk algoritma
pembentukan tree untuk metode C4.5. Sebagaimana ditunjukkan Gambar 2.1, paket ini terdiri dari tujuh kelas, yaitu : node, root, stem, leaf, tree, tampilan, test. Kelas node merupakan representasi dari node-node yang menyusun suatu tree. Kelas ini mempunyai attribute dataTerkandung dan attTerpakai. Attribut dataTerpakai yang berfungsi untuk menyimpan data yag terkandung
pada node tersebut sedangkan attribut attTerpakai merupaka attribut yang digunakan untuk menyimpan attribut-attribut yang sudah digunakan oleh node-node sebelum node-node tersebut. Selain itu kelas ini juga memiliki metode getData() yang berfungsi untuk mendapatkan dataTerkandung, serta terdapat metode apa yang berfungsi untuk mengetahui node apa yang tersebut.
Sistem Pendukung Keputusan Untuk...(Muhammad F, Anifuddin A )105 Node pada tree ini terdiri dari tiga
macam, yaitu root, stem dan leaf. Dengan demikian dibentuk tiga kelas dari kelas node sehingga ketiga kelas tersebut memiliki semua attribut dan metode node. Kelas-kelas tersebut adalah kelas root, stem dan leaf. Kelas root merupakan node paling atas yang tidak memiliki node induk. Kelas ini memiliki attribut anak dengan tipe node, yaitu root akan menyimpan node yang terdapat pada bawahnya atau bisa disebut node anak. Pembagian node-node anak ini berdasar suatu attribut yang tersimpan pada variabel attPembagi. Kelas root ini memiliki metode utama, yaitu buatCabang. Metode ini digunakan untuk membangkitkan node-node anak sesuai dengan prosedur yang ada.
Kelas stem merupakan node yang berada ditengah. Dia memiliki node induk dan node anak. Kelas ini hampir sama dengan kelas root, akan tetapi kelas ini mempunyai attribut bapak yang digunakan untuk menyimpan node induknya serta attribut anakKe yang digunakan untuk mengetahui node tersebut merupakan dvbagian anak dari pecahan attribut induknya.
Kelas leaf merupakan representasi dari node paling bawah, node yang mempunyai induk akan tetapi tidak memiliki node anak. Kelas ini memiliki attribut bapak yang digunakan untuk menyimpan node induknya, attribut kelas yang digunakan untuk menyimpan kelas dari data-data yang terkumpul di dalamnya serta attribut anakKe yang digunakan untuk mengetahui node
tersebut merupakan bagian anak dari pecahan attribut induknya.
a. Implementasi sistem
Pada tahap ini dilakukan pembuatan program komputer menggunakan bahasa Java berdasarkan rancangan yang telah dibuat.
b. Pengujian sistem
Pada tahap ini akan dilakukan pengujian terhadap sistem yang telah dibangun. Pengujian dilakukan untuk mengetahui tingkat akurasi sistem.
HASIL DAN PEMBAHASAN
Data diabetes akan dibagi menjadi dua bagian. Bagian pertama akan dijadikan sebagai data pembelajaran, yaitu data yang digunakan untuk membentuk pohon C4.5, sedang bagian kedua akan digunakansebagai data uji. Setelah pohon C4.5 berhasil dibangun, maka setiap data uji akan dimasukkan dimasukkan ke dalam pohon tersebut sehingga akan didapatkan kelas atau diagnosis pasien.Terdapat 768 sampel kasus pada data diabetes ini. Dari sekian banyak sampel kasus tersebut, akan dibagi menjadi 2 bagian, yaitu : data pembelajaran dan data uji. Pembagian data menggunakan 75%, artinya 75% dari keseluruhan sempel kasus ( 576 sampel kasus) digunakan sebagai data pembeajaran seperti ditunjukkan pada Gambar 3.1 dan sisanya (192 sampel kasus) digunakan sebagai data uji seperti ditunjukkan pada Gambar 3.2. Data diabetes ini akan disimpan ke dalam sebuah file bertipe arff. Ketika data masuk ke dalam
sistem, setiap data akan didiskritkan. Pendiskretisasi dilakukan dengan mengelompokkan setiap data dari attribut. Jumlah kelompok yang akan dibuat adalah tergantung pada jumlah data yang ada.
Gambar 3.1 Tabel data pembelajaran
Gambar 3.2 Tabel data uji
Sistem yang dibangun menggunakan bahasa pemrograman JAVA dapat berjalan dengan baik dan mampu melakukan fungsi-fungsi sesuai dengan rancangan yang telah dibuat. Hasil perhitungan akurasi yang didapatkan ditunjukkan pada tabel 3.1.
Sistem Pendukung Keputusan Untuk...(Muhammad F, Anifuddin A )107 Tabel 3.1 Hasil Pengujian
Jumlah data uji 192
Kasus Benar 119 Kasus Tidak Di Dapatkan Kelas 32 Kasus Salah 41 Akurasi 119 / (192 – 32) = 74.375 % Dari tingkat akurasi yang didapatkan, maka untuk data diabetes, sistem ini dapat digunakan untuk membantu dokter dalam menentuan diagnosis diabetes seorang pasien.
SIMPULAN
1. Berhasil dibangun suatu sistem yang dapat menjadi panduan bagi dokter dalam menentuan diagnosis diabetes seorang pasien sesuai dengan kondisi fisik pasien.
2. Berdasarkan hasil pengujian, diperoleh kesimpulan bahwa metode C4.5 bisa digunakan untuk menentukan diagnosis diabetes dengan tingkat akurasi yang baik
DAFTAR PUSTAKA
Yang, B.S., Han, T., Kim, Y.S., 2004,
Integration of ART-Kohonen and case-based reasoning for intelligent fault diagnosis, Expert Systems with Applications 16, 387-3
Jha, G., Hui, S.C., Foo, S., 1999, A hybrid
case-based reasoning and neural
network approach to online
intelligent fault diagnosis,
Proceedings of 3rd International
ICSC Symposia on Intelligent
Industrial Automation and Soft
Computing Genoa, Italy, 376-381
Pall, Sankar K., Shiu, Simon C.K., 2004,
Foundation of Soft Case Based Reasoning, John Wiley and Sons,
