Muhammad Lukmanul Hakim¹, Suyanto², ³
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Obat merupakan suatu hal yang dibutuhkan untuk menyembuhkan suatu penyakit. Banyak sekali obat-obat yang beredar dipasaran. Dalam penyembuhan suatu penyakit tidak selalu hanya
mengkonsumsi satu obat saja, melainkan diharuskan mengkonsumsi lebih dari satu obat. Dengan hal itu mungkin terjadi interaksi antar obat yang dikonsumsi. Baik menghambat, normal maupun meningkatkan efek satu dengan yang lain.
Dalam tugas akhir ini akan dibangun sebuah sistem untuk mendeteksi interaksi obat dengan output hanya sebatas menghambat, normal dan meningkatkan. Hal ini ditujukan agar orang yang awam mengetahui interaksi obat yang akan diminum. Sehingga mengurangi adanya kasus overdosis dan lain sebagainya. Tetapi keputusan tetap berada di tangan apoteker dan dokter. Dalam tugas akhir ini menggunakan algoritma C4.5 dengan hasil akurasi akhir yang diuji untuk 300 data obat diatas 97% dan kecepatan pembentukan rule dibawah 450 milisecond. Dalam beberapa atribut yang digunakan terdapat multiple data dalam nilai tertentu
Kata Kunci : C4.5, interaksi, obat, multiple data.
Abstract
Drugs is one thing that needed to cure a disease. Many drugs sold in the Market. To cure a disease is not always just taking one drug, but may consume more than one drug. With this situation, possible interaction of drugs consumed either decreased, normal or increased effect with each other.
In this final project will try to build drugs interaction system with only limited output, There are decrease, normal and increase. It is intended to allow ordinary people to know what drugs interaction will consumed. But, the decision of drugs interaction still on pharmacist and physicians side.
In this final project using C4.5 algorithm, from the testing obtained result that system accuracy was 97% for 300 data and build up speed rule under 450 milliseconds. There are multiple drugs used contained in several attributes.
Keywords : C4.5, interaction, drug, multiple data.
Powered by TCPDF (www.tcpdf.org)
1
1. Pendahuluan
1.1. Latar belakang masalah
Kesehatan merupakan hal yang sangat penting dalam kehidupan. Sedangkan obat merupakan hal yang tidak asing lagi dimata masyarakat. Hampir setiap toko kelontong menjual obat – obat umum seperti paracetamol (meredakan demam) dan analgesic (mengurangi sakit). Tetapi, banyak masyarakat tidak mengetahui kandungan zat aktif yang terdapat dalam obat tersebut. Sehingga masyarakat tidak tahu interaksi antar obat jika dikonsumsi secara bersamaan. Ada yang bersifat sinergis (saling mendukung), bertentangan atau tidak berinteraksi sama sekali. Ketidaktahuan masyarakat terhadap interaksi obat akan mengakibatkan kerugian yang besar. Terutama jika obat yang dikonsumsi secara bersamaan bersifat bertentangan. Masyarakat akan dirugikan oleh banyaknya waktu yang terbuang dan biaya yang dikeluarkan untuk menetralkan indikasi dari obat yang bertentangan tersebut.
Untuk mengatasi hal tersebut, diperlukan suatu sistem cerdas untuk memprediksi interaksi antar obat. Sistem yang dibutuhkan tidak hanya sekedar mampu melakukan prediksi interkasi obat melainkan juga dapat digunakan untuk data yang bersifat dinamis.
Banyak algoritma yang bisa digunakan untuk proses klasifikasi dan prediksi interaksi obat, diantaranya adalah algoritma decision tree, Bayesian, fuzzy logic, Support Vector Machine (SVM), Neural Network, Rough Set Theory, Algoritma Genetika dan Nearest Neighbour[5].
Perbandingan kinerja antara algoritma SVM, Neural Network, Naive Bayesian, dan decision tree yang memakai algoritma C4.5 yang telah dilakukan oleh Youn dan McLeod(2006) dalam permasalahan deteksi spam email. Dari percobaan yang telah dilakukan Youn dan McLeod dengan berdasarkan perbedaan jumlah data dan ciri (atribut) menunjukan bahwa algoritma C4.5 memiliki nilai precision, recall dan akurasi lebih tinggi dibandingkan dengan algoritma SVM, Neuron Network dan Naive Bayesian. Telah dibuktikan bahwa decision tree dengan algoritma C4.5 menghasilkan solusi yang lebih efisien dan paling sederhana jika dibandingkan dengan ketiga algoritma yang lain[2].
1.2
Perumusan masalah
Berdasarkan latar belakang permasalahan tersebut, terdapat permasalahan yang dirumuskan, yaitu:
1. Bagaimana mengetahui interaksi obat yang meningkatkan efek dan menurunkan efek?
2. Bagaimana mengimplementasikan algoritma C4.5 untuk penentuan interaksi obat. Dimana akan menghasilkan output berupa informasi apakah obat yang diinputkan meningkatkan efek atau menurunkan efek? 3. Bagaimana akurasi prediksi yang dihasilkan dari metode C4.5 dari rule
yang dibangun?
2
1.3
Batasan masalah
Adapun batasan masalah yang ada dalam tugas akhir ini adalah sebagai berikut: 1. Menangani missing value dalam data yang dipakai training maupun
testing dengan memberikan nilai “ALL”, yang dapat diartikan dapat
masuk seluruh nilai kategori dalam atributnya.
2. Hanya dapat menghasilkan output berupa menghambat, normal dan meningkatkan (interaksi farmakodinamis).
3. Hanya menggunakan 300 data obat dari drugbank.
1.4
Tujuan
Tujuan yang ingin dicapai dalam tugas akhir ini, yaitu:
1. Mengimplementasikan algoritma C4.5 dalam sistem cerdas deteksi interaksi obat.
2. Melakukan pengujian sistem, menganalisis kecepatan pembentukan rule berdasarkan jumlah data dan jumlah atribut.
3. Melakukan pengujian sistem, menganalisis akurasi dari rule berdasarkan jumlah data dan jumlah atribut.
1.5
Metodologi penyelesaian masalah
Metodologi yang dipakai dalam tugas akhir ini adalah: 1. Studi literatur.
Melakukan pencarian materi yang berhubungan dengan klasterisasi interaksi obat dan implementasi algoritma C4.5 dalam suatu kasus tertentu untuk membantu penyelesaian tugas akhir. Literatur didapat dari perpustakaan IT Telkom, jurnal online berlangganan yang dimiliki IT Telkom.
2. Perancangan dan pemodelan sistem.
Melakukan perancangan database berupa XML sebagai data input dari sistem cerdas yang dibuat. Dan melakukan perancangan sistem menggunakan algoritma C4.5 sebagai pembentuk decision tree.
3. Implementasi Sistem
Melakukan implementasi dari perancangan yang telah dibuat. Dalam implementasi ini juga dilakukan proses pembentukan rule dari sistem yang telah dibuat. Sehingga sudah dapat menghasilkan rule yang bisa dicoba dengan data testing.
4. Pengujian Sistem dan Analisis
Sistem diuji dengan menggunakan data testing yang telah ada. Selain itu, proses penyempurnaan sistem juga dilakukan untuk meningkatkan akurasi dari sistem cerdas yang dibangun. Peningkatan akurasi dapat menggunakan teknik pruning.
5. Perumusan Kesimpulan dan Penyusunan Buku
Penarikan kesimpulan dari analisis yang dilakukan terhadap sistem. Dan membuat buku tugas akhir dan dokumentasi sesuai dengan peraturan yang telah ditetapkan oleh institusi.
3
2. Landasan Teori
2.1. Obat
2.1.1. Definisi obat
Obat (jadi) adalah sediaan atau paduan-paduan yang siap digunakan untuk mempengaruhi atau menyelidiki secara fisiologi atau keadaan patologi dalam rangka penetapan diagnosa, pencegahan, penyembuhan, pemulihan, peningkatan kesehatan dan kontrasepsi (Kebijakan Obat Nasional, Departemen Kesehatan RI, 2005)[4].
Obat memiliki arti yang luas yaitu setiap zat kimia yang dapat mempengaruhi proses hidup, maka ilmu tentang obat merupakan ilmu yang sangat luas. Tetapi untuk dokter hanya dibatasi tujuannya hanya sekedar untuk pencegahan, diagnosis, dan pengobatan penyakit. Selain itu penggunaan obat juga dapat mengakibatkan timbulnya suatu penyakit.
2.1.2. Penggolongan obat
Obat digolongkan menjadi 4 golongan, yaitu:
a. Obat bebas, obat ini dapat dibeli bebas di apotek, toko obat, toko kelontong dan warung. Obat bebas umumnya berupa suplemen vitamin dan mineral, obat gosok, beberapa analgetik antipiretik dan beberapa antasida. Biasanya terdapat tanda lingkaran hijau dengan lingkaran tepi hitam.
b. Obat bebas terbatas, obat bebas terbatas umumnya berupa obat batuk, obat influenza, obat penghilang rasa sakit dan penurun panas. Obat ini biasanya terdapat tanda lingkaran berwarna biru dengan tepi lingkaran berwarna hitam.
c. Obat keras, obat keras merupakan obat yang didapatkannya melalui resep dokter. Obat yang masuk golongan ini umumnya obat jantung, obat darah tinggi, obat darah rendah, obat diabetes. Obat ini biasanya ditandai dengan lingkaran yang di dalamnya terdapat huruf K berwarna merah yang menyentuh di tepi lingkaran yang berwarna hitam.
d. Obat narkotika, obat ini merupakan obat yang berasal dari tanaman atau bukan tanaman baik sintesis maupun semi sintesis yang dapat menyebabkan penurunan dan perubahan kesadaran. Obat ini bersifat adiksi dan penggunaannya diawasi dengan ketat, sehingga obat narkotika hanya dapat didapat dari apotek dengan resep dokter asli (tidak dapat menggunakan kopi resep). Obat ini biasanya ditandai dengan lingkaran yang di dalamnya terdapat palang (+) berwarna merah.
2.1.3. Parameter parameter farmakologi Farmakokinetika
2.1.3.1.
Farmakokinetika merupakan aspek farmakologi yang mencakup nasib obat dalam
tubuh yaitu absorpsi, distribusi, metabolisme, dan ekskresinya[4]. Obat yang masuk ke dalam tubuh umumnya mengalami absorpsi, distribusi, dan pengikatan untuk sampai di tempat kerja dan menimbulkan efek. Seluruh proses ini disebut
farmakokinetika dan berjalan serentak seperti dalam gambar berikut ini:
Powered by TCPDF (www.tcpdf.org)
36
5. Kesimpulan dan Saran
5.1. Kesimpulan
Berdasarkan hasil pengujian dan analisis yang dilakukan pada pengujian menghitung nilai akurasi dan kecepatan yang dihasilkan oleh program yang telah dibuat dapat diambil beberapa point kesimpulan sebagai berikut:
1. Program deteksi interaksi obat dengan menggunakan algoritma C4.5 dapat dilakukan untuk 300 data obat dengan akurasi diatas 97% dan dengan kecepatan pembentukan rule adalah 450 milisecond. Algoritma C4.5 mampu menangani permasalahan dalam bidang interaksi obat.
2. Kecepatan pembentukan rule dipengaruhi oleh jumlah data, jumlah atribut dan model data. Semakin banyak data dan semakin banyak atribut maka pemrosesan akan memakan waktu yang cukup lama. Model data yang
heterogen juga akan memperlama waktu pembentukan rule
3. Akurasi dari rule yang dibuat dipengaruhi oleh jumlah atribut, jumlah data training. Semakin banyak jumlah atribut maka akurasi akan semakin meningkat. Semakin banyak jumlah data training maka akurasi akan semakin meningkat, tetapi perlahan-lahan akan mulai menurun untuk data testing yang semakin besar.
5.2. Saran
1. Algoritma C4.5 lebih baik digunakan pada data yang memiliki jumlah atribut yang banyak dan model data tidak terlalu heterogen untuk mendapatkan hasil rule yang optimal.
2. Deteksi interaksi obat bisa dikembangkan dengan mengikut sertakan dosis dari pemakaian obat. Dengan hal tersebut akan meningkatkan fungsionalitas dari sistem interaksi obat itu sendiri.
3. Deteksi interaksi obat tidak hanya dapat dilakukan dengan metode pohon keputusan, Tetapi ada metode-metode lain yang cocok digunakan untuk pemrosesan data obat.
Powered by TCPDF (www.tcpdf.org)
37
Referensi
[1] Aftarczuk, K. 2007. Evaluation Of Selected Data mining Algorithms
Implemented in Medical Decision Support Systems. Sweden: Blekinge
Institute of Technology.
[2] Defiyanti, S. & Pardede, D.L.C. Perbandingan Kinerja Algoritma ID3 dan
C4.5 Dalam Klasifikasi Spam Mail. Depok: Universitas Gunadarma.
[3] Hartati, S and Kusrini. 2007. Implementation Of C4.5 Algorithm To
Evaluate The Cancellation Possibility of New Student Applicants At STMIK AMIKOM Yogyakarta. Bandung: Institut Teknologi Bandung.
[4] Sanjoyo, Raden. Obat(Biomedik Farmakologi). Jogja: Universitas Gadjah
Mada.
[5] Jantan, H., Hamdan, A. R. & Othman, Z. A. 2010. Human Talent
Prediction in HRM using C4.5 Classification Algortihm. Malaysia:
Universitas Teknologi MARA Terengganu.
[6] Kumar, D. S., Sathyadevi, G. & Sivanesh, S. 2011. Decision Support
System for Medical Diagnosis Using Data mining. India: Department of
Computer Science and Engineering, Anna University of Technology.
[7] Kou, G., Peng, Y & Chen, Z. 2007. Privacy Preserving Data mining Of
Medical Data Using Data Separation Based Technique. China: University
of the Chinese Academy of Science.
[8] Moertini, V, S. 2003. Towards the Use of C4.5 Algorithm for Classifying
Banking Dataset. Bandung: Universitas Katolik Parahyangan.
[9] Sunjana. 2010. Klasifikasi Data Nasabah Sebuah Asuransi Menggunakan
Algoritma C4.5. Yogyakarta: Universitas Widyatama.
[10] Suyanto. 2007. Artificial Intelligence. Bandung: Informatika.
Powered by TCPDF (www.tcpdf.org)
