PEMBAHASAN
3.1 Rumah Sakit Pondok Indah 3.1.1 Latar Belakang
Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan rumah sakit pertamanya yaitu RS Pondok Indah yang terletak di Jakarta Selatan, dan kemudian pada pada tahun 2008 mendirikan rumah sakit keduanya, yaitu RS Puri Indah di wilayah Jakarta Barat tepatnya di Puri Indah, Kembangan.
Rumah Sakit Pondok Indah adalah rumah sakit swasta mutakhir pertama di Indonesia yang diresmikan pada 1 Desember 1986. Kehadiran RS Pondok Indah mendapat tanggapan positif dari masyarakat luas, terbukti dengan tetap bertahan, berkembang dan bertambahnya pusat-pusat pelayanan kesehatan, peralatan medis mutakhir serta bergabungnya lebih dari 250 dokter spesialis, subspesialis dan dokter umum dengan RS Pondok Indah.
Hingga kini RS Pondok Indah menjadi rumah sakit pilihan dan telah memiliki lebih dari 600 ribu pasien baik pasien lama (kunjungan berulang) maupun pasien baru. RS Pondok Indah selain memberikan pelayanan pasien secara individu juga melayani pasien karyawan perusahaan dan klien perusahaan asuransi.
Guna memenuhi kebutuhan dan harapan pasien, RS Pondok Indah terus mengembangkan Pusat Layanan Unggulan / Center of Excellence dan Diagnostic Center yang lengkap dengan peralatan kedokteran terkini guna mendukung diagnosa penyakit
secara paripurna dan akurat. Dalam memfasilitasi permasalahan komunikasi dokter-pasien dan rumah sakit, disediakan jasa layanan Patient Advocate agar hak dan kewajiban pasien, dokter, dan rumah sakit dapat dipenuhi dengan baik. RS Pondok Indah adalah rumah sakit di Indonesia yang pertama kali menyediakan jasa layanan Patient Advocate.
3.1.2 Struktur Organisasi Rumah Sakit Pondok Indah
Gambar 3.1 Struktur Organisasi Rumah Sakit Pondok Indah
3.1.3 Visi Dan Misi A. Visi
Visi RS Pondok Indah adalah menjadi rumah sakit pilihan dengan menyediakan layanan perawatan kesehatan terbaik, aman, bermutu tinggi dan inovatif.
B. Misi
Misi RS Pondok Indah adalah menyediakan pelayanan secara utuh, konsisten dan terpadu berfokus pada pasien melalui praktek berbasis bukti yang sesuai dan pelayanan prima dengan komitmen, kerja sama tim, keterlibatan dari pihak terkait dan peningkatan kompetensi individu yang berkesinambungan.
3.2 Model Aplikasi
Program dirancang untuk memprediksi apakah seseorang terkena penyakit jantung koroner (PJK) menggunakan jaringan syaraf tiruan backpropagation. Lapisan masukan (input layer) terdiri atas delapan buah node, yaitu umur (X1), jenis kelamin (X2), tekanan darah sistolik (X3), tekanan darah diastolik (X4), kadar kolestrol LDL (X5), kadar kolestrol HDL (X6), kadar kolestrol total (X7), dan kadar trigeliserida (X8), beserta 1 buah node bias. Untuk lapisan keluaran (output layer) hanya terdiri dari satu buah node, yaitu hasil prediksi (Y). Jumlah lapisan tersembunyi (hidden layer) adalah 6 buah dengan 1 buah node bias. Nilai yang digunakan dalam penghitungan akan bervariasi tergantung dari hasil pengukuran. Dalam perancangan backpropagation digunakan 10000 kali iterasi dengan tingkat error yang diharapkan (desired error) diinisialisasikan sebesar 0.001 dan epoch maksimum sebesar 15000.
Menurut Rahmawansa (2009), klasifikasi kadar lipoprotein dalam tubuh adalah sebagai berikut.
Tabel 3.1 Klasifikasi Kadar Lipoprotein
Sementara untuk kriteria hipertensi dapat ditentukan dengan pemeriksaan tekanan darah berdasarkan Pedoman Kerja WHO tahun 2009 (WHO, 2009).Klasifikasi dibagi sebagai berikut.
Tabel 3.2 Klasifikasi Tekanan Darah Untuk klasifikasi umur dan jenis kelamin dibagi sebagai berikut.
Gambar 3.2 Model Neural Network
Data yang digunakan dalam penelitian diambil secara acak dari catatan medis pasien penderita penyakit jantung koroner (PJK) dan bukan penderita penyakit jantung koroner di Rumah Sakit Pondok Indah sebanyak 50 orang.
3.3 Perancangan Sistem 3.3.1 Rancangan Struktur Menu
Struktur menu software dirancang sebagai berikut. A. Struktur Layar Training (Utama)
Gambar 3.3 Struktur Layar Training (Utama)
Gambar 3.3 menjelaskan struktur layar utama dari program yang sekaligus merupakan layar untuk melakukan training data. Pada layar ini, terdapat tombol untuk melakukan proses training data, membuka sub menu File, membuka layar Recognize, melihat profil di layar About Me, dan melakukan pengaturan program di layar Settings.
B. Struktur Menu File
Gambar 3.4 Struktur Sub Menu File
Gambar 3.4 menunjukkan struktur dari sub menu File yang di dalamnya terdapat pilihan New File, Save File, Load File, dan Exit. Fungsi dari sub menu ini akan dijelaskan lebih rinci pada bab berikutnya.
C. Struktur Layar Recognize
Gambar 3.5 menjelaskan struktur pada menu Recognize. Pada layar ini, user dapat melakukan prediksi penyakit jantung koroner dengan data yang telah diinput dalam proses training. Selain itu, terdapat pula tombol untuk pergi ke layar-layar lainnya.
D. Struktur Menu Settings
Gambar 3.6 Struktur Layar Settings E. Struktur About Me
Gambar 3.7 Struktur Layar About Me
3.3.2 Perancangan Program
Pada tahap perancangan ini, akan dibuat perancangan proses dan perancangan layar dari program aplikasi yang akan dibuat.
A. Use Case Diagram
B. Flowchart
C. Sequence Diagram
Sequence diagram menjelaskan mengenai aliran data atau program yang diproses oleh sistem. Gambar berikut menggambarkan urutan kejadian interaksi pengguna aplikasi.
Gambar 3.10 Sequence Diagram
3.3.3 Rancangan Tampilan Layar
Program dibuat menggunakan 4 layar antarmuka, antara lain: - Layar Training
- Layar Recognize - Layar Setting - Layar About Me
A. Layar Training
Layar Training berfungsi sebagai layar utama yang berisikan form untuk memasukkan data pasien penderita dan bukan penderita penyakit jantung koroner. Selain form-form tersebut, terdapat pula tombol untuk melatih dan menyimpan data hasil pelatihan. Pada bagian atas layar, terdapat menu untuk navigasi ke layar-layar lainnya. Jika Tombol Train Data ditekan, maka program akan melakukan perhitungan (training) dengan data yang diinput menggunakan file latihan yang harus dibuat sebelumnya.
Gambar 3.11 Rancangan Layar Training
Berikut adalah pseudocode untuk layar Training If ditekan tombol Train Data
If file Training tidak ada Tampilkan peringatan Else
If data tidak diisi lengkap Tampilkan peringatan Else
Baca semua input
Baca variabel error dan max_epoch
While nilai error < min_error atau jumlah iterasi < max_epoch Begin
Mengambil data dari file Training Perhitungan Feedfoward Perhitungan Backfoward Periksa error Koreksi bobot End Tampilkan error Iterasi = iterasi + 1 If iterasi 10000 then Simpan ke file Training End
If ditekan tombol Recognize Tampilkan layar Recognize
Berikut adalah pseudocode menu File If ditekan menu New
Tampilkan menu New Tampilkan menu Load Tampilkan menu Save Tampilkan menu Exit If ditekan New
Buat file Training baru If ditekan Load
Tampilkan pilihan buka file Training If ditekan Save
Simpan file Training If ditekan Exit
Keluar dari aplikasi B. Layar Settings
Layar Settings berisikan form-form untuk memasukkan faktor perhitungan yang akan digunakan pada perhitungan menggunakan metode backpropagation, yaitu epoch maksimum dan tingkat kesalahan (error) yang diinginkan. Di bagian atas terdapat menu
untuk navigasi ke layar-layar lain. Jika tombol Back ditekan, maka program akan kembali menampilkan layar Training.
Gambar 3.12 Rancangan Layar Settings Berikut adalah pseudocode Layar Settings
If ditekan tombol Back Simpan max_epoch Simpan desired_error Tampilkan layar Training
C. Rancangan Layar Recognize
Layar Recognize berisikan form-form untuk memasukkan data pasien yang bertujuan memprediksi ada atau tidaknya penyakit jantung koroner di pasien tersebut. Pada layar ini, jika tombol Recognize ditekan, program akan menampilkan hasil prediksi berdasarkan data yang telah diinput dan menampilkan hasilnya di area Hasil Prediksi. Untuk melakukan perhitungan, user harus membuat atau membuka file latihan terlebih dahulu.
Gambar 3.13 Rancangan Layar Recognize Berikut adalah pseudocode untuk layar Recognize
If ditekan tombol Recognize Data If file Training tidak ada
Tampilkan peringatan Else
If data tidak diisi lengkap Tampilkan peringatan Else
Baca semua input
Baca variabel error dan max_epoch
While nilai error < min_error atau jumlah iterasi < max_epoch Begin
Mengambil data dari file Training Perhitungan Feedfoward
Perhitungan Backfoward End
Tampilkan error
Tampilkan hasil prediksi End
If ditekan tombol Training Tampilkan layar Training
D. Rancangan Layar About Me
Gambar 3.14 Rancangan Layar About Me Berikut adalah pseudocode layar About Me
If ditekan tombol Back Tampilkan layar Training
E. Rancangan Layar Help
Layar ini akan menampilkan cara pemakaian program beserta fungsinya
Gambar 3.15 Rancangan Layar Help Berikut adalah pseudocode layar Help
If ditekan tombol Back Tampilkan layar Training
