BAB II
TINJAUAN PUSTAKA
2.1. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung kepututsan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model. Sistem pendukung keputusan ( Decision Support System ) adalah suatu sistem informasi yang menggunakan model-model keputusan, basis data, dan pemikiran manajer sendiri, proses modeling interaktif dengan komputer untuk mencapai pengambilan keputusan oleh manajer tertentu.
Dengan pengertian diatas dapat dijelaskan bahwa sistem pendukung keputusan bukan merupakan alat pengambil keputusan, melainkan merupakan sistem yang membantu pengambil keputusan yang melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam dalam proses pembuatan keputusan.
2.2. Antibiotik
Antibiotik merupakan obat untuk menghentikan atau menekan pertumbuhan kuman atau bakteri. Penggunaan antibiotik yang berlebihan pada beberapa kasus yang tidak tepat guna, dapat menyebabkan masalah kekebalan antimikrobial. Penggunaan antibiotik yang tidak tepat dalam hal indikasi, maupun cara pemberian dapat merugikan penderita dan dapat memudahkan terjadinya resistensi terhadap atibiotik serta dapat menimbulkan efek samping.
berbagai jenis antibiotika baru, sayangnya tidak diikuti secara sepadan oleh perkembangan prinsip-prinsip/sistematika terapi antibiotika dalam klinik (Santoso, 1990 dalam muhlis 2011).
2.2.1. Infeksi Saluran Pernapasan Akut
Infeksi Saluran Pernapasan Akut (ISPA) adalah salah satu dari banyak penyakit yang menginfeksi di negara maju maupun negara berkembang. Menurut WHO (2003), Infeksi Saluran Pernapasan Akut merupakan salah satu penyebab kematian tersering pada anak di negara sedang berkembang. Sekitar empat dari lima belas juta perkiraan kematian pada anak berusia dibawah lima tahun pada setiap tahunnya sebanyak 2/3 kematian tersebut adalah bayi.
Antibiotik : Cefadroxil 500 mg/kgbb Ciprofloxacin 500 mg/kgbb Cephalexin 500 mg/kgbb Cefixime 150 mg/kgbb Levofloxacin 200 mg/kgbb Corsatrocin 200 mg/kgbb Lapimox 500 mg/kgbb Binozyt 500 mg/kgbb Ixor 150 mg/kgbb
Co amaxiclav 625 mg/kgbb
2.3. Algoritma Analytical Hierarchy Process
2.3.1. Prinsip Dasar Analytical Hierarchy Process
Pada dasarnya langkah-langkah dalam pembentukan algoritma Analytical Hierarchy Process dapat dijelaskan berikut ini.
1. Menyusun Hirarki
Membuat struktur hirarki yang diawali dengan tujuan, dilanjutkan dengan kriteria-kriteria dan kemungkinan alternatif-alternatif pada tingkatan yang paling bawah.
2. Penilaian kriteria dan alternatif
Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat diukur menggunakan tabel analisis seperti pada tabel 9.3.1 berikut ini:
Intensitas Kepentingan
Keterangan 1 Kedua elemen sama pentingnya
3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5 Elemen yang satu lebih penting daripada yang lainnya
7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9 Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8 Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan
Tabel 2.3.1 Skala Penilaian Perbandingan Pasangan.
3. Menetapkan bobot/Prioritas elemen a. Menetapkan perbandingan berpasangan
Perbandingan dilakukan berdasarkan judgment pengambil keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lain.
b. Menghitung bobot/prioritas elemen 4. Mengukur konsistensi
konsistensi harus 0,1 atau kurang. Nilai rasio konsistensi yang melebihi 0,1 akan menyebabkan konsistensi tidak 100% disarankan untuk dilakukan perbandingan ulang pada matriksnya.
2.3.2 Prosedur Analytical Hierarchy Process
Pada dasarnya, prosedur atau langkah-langkah dalam metode Analytical Hierarchy Process meliputi :
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun hirarki dari permasalahan yang dihadapi.
2. Menentukan prioritas elemen
a. Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.
b. Matriks perbandingan berpasangan diisi menggunakan bilangan untuk mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya.
3. Sintesis
Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah:
a. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
b. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks.
c. Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata.
4. Mengukur konsistensi
Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Hal-hal yang dilakukan dalam langkah ini adalah:
b. Jumlahkan setiap baris.
c. Hasil dari penjumlahan baris dibahi dengan elemen prioritas relatif yang bersangkutan.
d. Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada. Hasilnya di sebut maks.
5. Hitung Consistency Index (CI) dengan rumus:
CI = ( maks – n ) / n ...(1) Di mana n = banyaknya elemen.
6. Hitung Rasio Konsistensi / Consistency Ratio (CR) dengan rumus:
CR = CI / IR ...(2) Dimana CR = Consistency Ratio
CI = Consistency Index
IR = Indeks Random Consistency
7. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 10%, maka penilaian data judgement harus diperbaiki, berarti langkah kedua harus diulang kembali. Namun, jika rasio konsistensi (CI/IR) kurang atau sama dengan 0,1 maka hasil perhitungan bisa dinyatakan benar.
Ukuran matriks Nilai IR
1 0.00
2.4. Algoritma Weighted Product
Weighted Product merupakan salah satu metode yang digunakan untuk menyelesaikan
masalah Multi Attribute Decision Making (MADM). Algoritma Weighted Product menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Yoon, 1989 dalam Kusumadewi, et al., 2012). Proses ini sama halnya dengan proses normalisasi.
Preferensi untuk alternatif Ai diberikan sebagai berikut:
...(1)
Dengan i = 1, 2, ...,m dan j= 1, 2, ...n. Keterangan:
= product
S = Preferensi alternatif dianalogikan sebagai vektor S X = nilai kriteria
W = Bobot kriteria/subkriteria i = alternatif
j = kriteria
n = banyaknya kriteria
Dimana wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan pada rumus 2:
Dengan i = 1,2, ...,n...(2) Dimana :
V : Preferensi alternatif dianalogikan sebagai vektor V X : nilai kriteria
w : bobot kriteria
i : alternatif
j : kriteria
n : banyaknya kriteria
Algoritma weighted product adalah salah satu analisis multi-kriteria keputusan yang sangat terkenal. Multiple Attribute Decision Making (MADM) yang diberikan adalah satu set terbatas dari alternatif keputusan yang dijelaskan dalam hal sejumlah kriteria keputusan.
2.4.1 Langkah-langkah algoritma Weighted Product
Secara singkat, algoritma Weighted Product ini adalah sebagai berikut (Anggraeni et al.,2013 dalam Mawuntu, 2015).
a. Melakukan normalisasi bobot untuk menghasilkan nilai = 1. Dimana j = 1,2,...,n adalah banyak alternatif.
b. Menentukan kategori dari masing-masing kriteria, apakah termasuk kedalam kriteria keuntungan atau kriteria biaya.
c. Menetukan nilai vektor S dengan mengalikan seluruh kriteria bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk kriteria keuntungan dan bobot berfungsi sebagai pangkat negatif pada kriteria biaya.
d. Menentukan nilai vektor V yang akan digunakan untuk perangkingan. e. Menemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.5. Penelitian yang Relevan
Adapun penelitian-penelitian yang relevan terhadap penelitian ini adalah:
menggunakan Fuzzy Linguistic Quantifier dan AHP dapat menetapkan penyakit dan jenis antibiotik sebagai hasil dianogsis penyakit pneumonia.
2. Muhammad Syaukani Dan Hari Kusnanto (2012), Pemodelan Sistem Pendukung Keputusan Kelompok Dengan Metode Fuzzy Weighted Product Untuk Diagnosa Penyakit Pneumonia. Hasil penelitian Berdasarkan uraian dan pembahasan, dapat disimpulkan bahwa sistem pendukung keputusan kelompok menggunakan Fuzzy Weighted Product dapat menetapkan penyakit dan jenis antibiotik sebagai hasil diagnosa penyakit pneumonia. Penelitian ini akan dikembangkan lebih lanjut dengan melakukan penambahan data gejala dan meneliti lebih jauh sistem penilaian terhadap gejala dari suatu penyakit.
3. Muhammad Muhlis (2011), Kajian Peresepan Antibiotika Pada Pasien Dewasa Di Salah Satu Puskesmas Kota Yogyakarta Periode Januari-April 2010. Hasil penelitian Berdasarkan hasil penelitian terhadap penggunaan antibiotika pasien dewasa di salah satu puskesmas Kota Yogyakarta periode Januari sampai
dengan April 2010 dapat diambil kesimpulan sebagai berikut, tercatat sebanyak
320 pasien yang mendapatkan antibiotika, dengan 6 jenis antibiotika yaitu
amoksisilin 64,53%, ampisilin 11,31 %, kontrimoksazol 15,90%, kloramfenikol,
0,61 %, metronidazol 2,75 % dan tetrasiklin 4,89 %. Sebanyak 313 pasien
mendapat antibiotika tunggal dan 7 pasien mendapat kombinasi antibiotika,
semua peresepan memenuhi ketepatan dosis dan frekuensi, kecuali
kotrimoksasol tepat dosis 98 % dan Ampisilin tepat dosis 49 %. Semua
