APLIKASI DATA MINING HASIL DIAGNOSIS PASIEN MEDICAL
CHECK UP TENAGA KERJA MENGGUNAKAN
METODE FUZZY C-MEANS CLUSTERING
Ina Agustina
1, Rima Tamara Aldisa
21,2 Sistem Informasi, FTKI, Universitas Nasional 1 [email protected], 2[email protected]
Abstrak
Avida Medical Center adalah perusahaan yang bergerak di bidang kesehatan masyarakat. Tak hanya pusat kesehatan Avida yang masih cukup banyak lagi perusahaan lain yang bergerak di bidang serupa. Data yang melimpah, kebutuhan akan informasi (atau pengetahuan) untuk menciptakan solusi dan dukungan di bidang teknologi informasi merupakan awal lahirnya teknologi data mining. Salah satu metode yang terdapat dalam data mining yang digunakan dalam penelitian ini adalah Fuzzy C-Means Clustering. Hasil dari penelitian ini adalah untuk memudahkan penerapan setiap bagian untuk memasukkan hasil pemeriksaan, dapat mempermudah admin dalam mencetak atau rekapitalisasi hasil sehat atau tidak sehat dan dapat menganalisa sejumlah besar data untuk membantu dalam memberikan informasi.
Kata kunci : Data mining, data pasien, fuzzy c-means clustering
1. Pendahuluan
Perkembangan kemajuan di bidang teknologi informasi dan data mining khususnya terdapat banyak ketersediaan data yang melimpah, kebutuhan akan informasi. Komputer yang ada pada saat ini merupakan salah satu penunjang perkembangan teknologi informasi bagi perusahaan. Medical
CheckUp (MCU) disini yang biasa dikenal dengan
pemeriksaan kesehatan yang wajib dilakukan oleh seseorang yang ingin bekerja ke luar negeri agar tenaga kerja tersebut benar sehat dan tidak memiliki penyakit. Selain penting, kepercayaan dari negara tujuan dalam menerima tenaga kerja sangat dipengaruhi dari hasil pemeriksaan tersebut.
Salah satu metode yang pernah digunakan dalam penelitian adalah dengan metode C4.5 dimana langkah penyelesaian lebih pendek namun menghasilkan keputusan optimal [3].
Dari latar belakang diatas dapat disimpulkan bahwa metode C4.5 yang sudah ada masih belum sempurna, maka solusi yang didapat dari pembahasan yang sama tetapi menggunakan aplikasi yang berbeda maka penulis akan menggabungkan kelebihan dan kekurangan yang ada pada jurnal pembanding dengan menggunakan PHP dan MySql sebagai database nya dan dengan menggunakan metode Fuzzy C-Means Clustering sebagai analisis nya [2].
Tujuan Penelitian
1. Aplikasi ini dapat mempermudah setiap bagian tanpa harus menulis dikertas atau manual
2. Merancang dan menerapkan sebuah aplikasi yang memberikan kemudahan bagi admin, perawat, dokter, radiologi dan laboratorium untuk menginputkan dan merekap data pasien.
3. Aplikasi digunakan oleh seluruh jaringan ruangan dengan memasukkan username dan password masing-masing
Tabel 1 Perbandingan Jurnal Acuan
Jurnal 1 : Perancangan Data Mining
Algoritma Fuzzy Untuk Mengetahui Data Penyakit Pasien Rawat Inap (Studi Kasus RSUP Dr.Kariadi Semarang) [1]
Jurnal 2 : Aplikasi Data Mining Untuk Pola
Permintaan Darah Unit Donor Darah PMI Kota Surabaya Menggunakan Metode Fuzzy [7]
Jurnal 3 : Penerapan Data Mining Dengan
Algoritma Fuzzy Untuk Menentukan Tingkat Kesehatan Bayi Dan Balita Kabupaten Jawa Tengah
Jurnal 4 : Perancangan Aplikasi Data Mining
Menggunakan Algoritma C4.5 Untuk Diagnosis 103
Penyakit Pada Anak (Studi Kasus Klinik BPS Amanah)
Jurnal 5 : Perancangan Dan Aplikasi Data Mining
Dalam Menganalisis Record Penyakit Pasien Dengan Metode Fuzzy (Studi Kasus RSU Dr Soetomo Surabaya)
2. Metodologi Penelitian
Pada tahap perancangan sistem ini akan dijelaskan mengenai perancangan sistem pada objek yang digunakan, perancangan arsitektur program yang akan dibuat, perancangan tampilan dan perancangan untuk setiap menu nya.
2.1. Alur / Skema Pelayanan
Gambar 1 Skema pelayanan
Pada gambar 1 terdapat skema yang bertujuan untuk alur kerja pada perusahaan medical
check-up tenaga kerja. Awal mula calon tenaga kerja
datang ke perusahaan dan melakukan administasi, pendaftaran sesuai data yang lengkap kepada admin setelah itu melakukan pemeriksaan kesehatan yang terdiri dari fisik atau dokter, laboratorium dan radiologi setelah melakukan pemeriksaan keseluruhan calon tenaga kerja menunggu verifikasi hasil.
2.2 Use Case Diagram
Use case diagram menggambarkan persyaratan yang harus dipenuhi sistem dalam menganalisis data. Use case diagram menunjukkan sejumlah actor dan hubungannya dalam sebuah sistem aplikasi di dalam perusahaan klinik medical
Check-up tersebut.
Gambar 2 Use Case diagram aplikasi klinik Dari skema pelayanan dapat diusulkan use case diagram seperti pada gambar 2 yang terdapat 5 aktor yaitu Admin, Perawat, Dokter, Laboratorium, Rontgen. Pada bagian admin dapat mengakses seluruh menu pada aplikasi ini yaitu menu home, melakukan pendaftaran terhadap pasien, mengakses bagian perawat, mengakses bagian dokter, mengakses bagian radiologi dan mengakses bagian laboratorium didalam aplikasi. Pada bagian perawat dapat mengakses menu home, menu ubah biodata dan menginputkan hasil perawat. Pada bagian dokter dapat mengakses menu home, menu ubah biodata, menginputkan hasil pemeriksaan fisik.
3. Pembahasan
3.1 Algoritma Fuzzy C-Means Clustering (FCM)
Algoritma Fuzzy C-Means adalah sebagai berikut:
A. Input data yang akan dicluster X, berupa
matriks berukuran n x m (n=jumlah sample data, m=atribut setiap data). Xij=data sample
ke-i
(i=1,2,…,n), atribut ke-j (j=1,2,…,m).
B. Tentukan :
Jumlah Cluster : C 2
Pangkat : w 2
Fungsi Obyektif awal : P0 0
Keterangan :
x1 Rekap perawat x2 Rekap Dokter x3 Rekap Radiologi x4 Rekap Laboratorium
C. Hitung pusat Cluster dimana Xij
adalah variabel fuzzy yang digunakan dan w adalah bobot :
….(1)
Gambar di bawah ini hasil perhitungan Titik Pusat Pertama
Gambar 3 Perhitungan Titik Pusat Pertama. Gambar di bawah ini Perhitungan Hasil Pusat Cluster
Gambar 4 Perhitungan Hasil Pusat Cluster
D. Fungsi objektif digunakan sebagai syarat
perulangan untuk mendapatkan pusat cluster yang tepat. Sehingga diperoleh kecendrungan data untuk masuk ke cluster.
….(2) Gambar di bawah ini Perhitungan Fungsi Objektif Pertama
Gambar 5. Perhitungan Fungsi Objektif Pertama.
Gambar di bawah Nilai dari P1
Gambar 6. Nilai dari P1.
Dari perhitungan di atas, telah terdapat nilai dari titik pusat pertama dan P1, maka data pasien akan diproses selanjutnya dengan perhitungan serupa agar mencapai nilai akhir 0.
3.2 Halaman Beranda (Login Admin)
Gambar 7. Tampilan awal aplikasi (Login sebagai Admin)
Pada gambar diatas terdapat halaman beranda pada saat admin berhasil masuk ke sistem dengan nama pengguna dan kata sandi yang benar. Pada halaman ini ditampilkan seluruh menu yang dapat 105
diakses oleh admin.
3.3 Halaman Pendaftaran Pasien
Gambar 8. Pendaftaran pasien
Pada halaman diatas admin dapat mendaftarkan data pasien tenaga kerja sesuai kelengkapan data pasien, data yang harus di entry yaitu data nama pasien, tanggal lahir, jenis kelamin, status nikah, alamat, nomer passport, asal provinsi, tanggal daftar, negara tujuan, cara pembayaran, nama perusahaan, catatan keberangkatan.
3.4 Halaman Clusterisasi a. Berdasarkan nama pasien
Gambar 9. Halaman clusterisasi berdasarkan nama pasien
Pada halaman ini terlihat menu clusterisasi hasil pemeriksaan kesehatan berdasarkan pengelompokan nama pasien.
b. Berdasarkan Tanggal lahir
\
Gambar 10. Halaman clusterisasi berdasarkan tanggal lahir
Pada halaman diatas dapat terlihat menu clusterisasi dari hasil pemeriksaan kesehatan berdasarkan pengelompokan tanggal lahir.
3.5. Pengujian Program
Pengujian sistem merupakan hal terpenting dalam pembuatan aplikasi, karena bertujuan untuk menemukan kesalahan-kesalahan dan kekurangan-kekurangan pada perangkat lunak yang telah diuji. Apakah perangkat lunak tersebut sudah memenuhi kriteria yang sesuai dengan tujuan.
Pada pengujian program ini, “Aplikasi
Data Mining Hasil Diagnosis Pasien
Medical Check Up Tenaga Kerja Menggunakan Metode Fuzzy C-Means Clustering”.
Diujikan dengan 376 data pasien. Berikut adalah pengujian yang dilakukan :
3.5.1 Pengujian Ketepatan Aplikasi dengan Perhitungan Manual
Pengujian ini bertujuan untuk melihat berapa persentase keakuratan dan hasil perhitungan aplikasi dibandingkan dengan perhitungan manual dengan menggunakan algoritma Fuzzy C-Means
Clustering.
3.5.1.1 Perhitungan Manual
Algoritma Fuzzy C-Means adalah sebagai berikut: A. Input data yang akan dicluster X, berupa
matriks berukuran n x m (n=jumlah sample data, m=atribut setiap data). Xij=data
sample ke-i (i=1,2,…,n), atribut
ke-j (j=1,2,…,m). B. Tentukan : Jumlah Cluster C : 2
Pangkat w : 2
Fungsi Obyektif awal
Keterangan : - 0 = UNFIT - 1 = FIT - x1 Rekap perawat - x2 Rekap dokter - x3 Rekap radiologi - x4 Rekap laboratorium
C. Hitung pusat Cluster dimana Xij adalah
variabel fuzzy yang digunakan dan w adalah bobot. Berikut rumus perhitungan untuk mencari pusat cluster :
……(3)
4. Kesimpulan 4.1. Kesimpulan
Berdasarkan dari penelitian dan pembahasan yang telah dilakukan maka didapat beberapa kesimpulan, diantaranya sebagai berikut :
1. Penerapan Data Mining dengan menggunakan aplikasi yang dibangun dapat membantu sebagai gambaran bagi pengambilan keputusan perusahaan dalam rangka mendapatkan pola keadaan dan kondisi pasien.
2. Aplikasi ini dapat mempermudah petugas untuk menginputkan status hasil pemeriksaan pasien tenaga kerja tanpa harus menulis dikertas atau dengan cara manual.
3. Aplikasi yang dikembangkan oleh penulis memiliki persentase ketepatan dan kesesuaian sebesar 99% untuk hasil pemeriksaan pasien apakah sehat atau tidak sehat.
4.2 Saran
Berdasarkan kesimpulan di atas, hal yang diharapkan kedepan nya adalah agar aplikasi ini dapat dikembangkan lebih jauh dengan pengolahan data yang lebih besar, lebih luas dan lebih akurat sehingga aplikasi ini benar-benar dapat digunakan sebagai salah satu gambaran dalam pengambilan keputusan pada perusahaan yang lebih berguna.
DAFTAR PUSTAKA
[1] Wijaya kusuma alvian.2013.Implementasi Data
Mining Dengan Metode Fuzzy C-Means Clustering Studi Kasus Penjualan di UD Subur
Baru.Universitas Dian Nuswanto, Semarang Jawa Tengah.
[2] Ramadhana cakra, Diah kartina.2013.Data
Mining Dengan Metode Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT
Sepatu Bata.Politeknik Caltex Riau Pekanbaru.
[3] Ariani ardina, Abdilah leon.2013.Sistem
Pendukung Keputusan kelayakan TKI Luar Negeri Menggunakan Metode FMADM. Universitas Bina Darma, Palembang Sumatera Selatan.
[4] Sutrisno dkk.2013.Penerapan Data Mining
Pada Penjualan Menggunakan Metode
Clustering Study Kasus PT Indomarco
Palembang. Universitas Bina Darma, Palembang, Sumatera Selatan.
[5] Irdiansyah, Enur dkk.2012.Penerapan Data
Mining Pada Penjualan Produk Minuman Di
PT Pensi Cola Indobeverages Menggunakan Metode Clustering. Universitas Komputer Indonesia (UNIKOM),Bandung Jawa Barat.
[6] Prasetyo eko.2014.Data Mining Mengelolah Data Menjadi Informasi Dengan Matlab.Yogyakarta.
[7] Afif Ahmad, Aruan Reksa.2012. Data Penjualan dan Persediaan Barang Pada PT Sayap Mas Utama Dengan Metode K-Means Clustering.
