Pendahuluan
1.1 Latar Belakang
Ketika ada seorang pasien yang menderita suatu penyakit dan kemudian pasien tersebut datang ke dokter untuk melakukan pemeriksaan atau check-up, tindakan medis yang dilakukan pertama kepada pasien tersebut adalah wawancara antara dokter dengan pasien yang kemudian ditujukan untuk menganalisis latar belakang yang menyebabkan pasien menjadi sakit dengan tujuan mendapatkan kesimpulan tentang kondisi pasien pada saat diperiksa. Untuk menunjang analisis penyakit pasien ada dua jenis pemeriksaan yang dilakukan pekerja medis yaitu pemeriksaan fisik dan pemeriksaan laboratorium. Dua jenis pemeriksaan inilah yang membantu memberikan kesimpulan final mengenai penyakit pasien. Tetapi pada beberapa kasus yang dilaporkan terdapat perawatan dan analisis klinis yang buruk. Sering keputusan klinis dibuat berdasarkan keahlian dan pengalaman dokter, namun ada beberapa dokter yang juga belum ahli dan belum berpengalaman yang mengakibatkan keputusan klinis yang buruk (Anbarasi, Anupriya, & Inyengar. 2010. Enhanced Prediction of Heart Disease with Feature Subset Selection using Genetic Algorithm: VIT University, India). Sehingga dewasa ini menganalisis seorang pasien secara tepat dan memberikan perawatan yang efektif menjadi satu tantangan tersendiri bagi rumah sakit. Dan untuk memperoleh perawatan yang efektif dan tepat, suatu sistem informasi atau sistem pendukung keputusan dapat dikembangkan untuk menjawab tantangan tersebut. Tidak sedikit pula rumah sakit yang sudah menggunakan sistem informasi untuk mengatur jasa kesehatan mereka dan data pasien. Sistem seperti ini biasanya menghasilkan jumlah data yang banyak seperti angka, teks, diagram dan gambar. Sayangnya, data seperti ini minim pemanfaatannya untuk mendukung pengambilan keputusan klinis sehingga ada banyak informasi tersembunyi dari data tersebut yang belum ditelusuri (Ishtake S.H & Sanap S.A., 2013.Intelligent Heart Disease Prediction System Using Data Mining Techniques:
Department of Computer Science, MIT, Aurangabad, Maharashtra, India). Maka dari itu sistem pengambilan keputusan yang mendukung analisis untuk dokter yang naif dan dokter yang berpengalaman pun bisa menjadi suatu penuntun untuk pengambilan keputusan klinis(Anbarasi, Anupriya, & Inyengar. 2010. Enhanced Prediction of Heart Disease with Feature Subset Selection using Genetic Algorithm: VIT University, India).
Dalam aturan organisasi kesehatan dunia (WHO), semua macam penyakit yang diidentifikasi dari pasien dari hasil analisis harus didokumentasikan kedalam catatan medis (Medical Record). Tujuan pencatatan kedalam catatan medis ini adalah untuk mengumpulkan data populasi mengenai penyakit apa saja yang sering terjadi, penyakit yang menjadi temuan baru,dan juga untuk tinjauan penelitian medisserta data – data pendukung analisis yang digunakan selama pemeriksaan seorang pasien.Dan dengan adanya pencatatan tersebut, maka suatu rumah sakit pun menyimpan banyak data pasien mulai dari pasien masuk rumah sakit hingga keluar dari rumah sakit. Berkaitan dengan data - data pendukung analisis serta suatu kondisi dimana diantara banyak penyakit ada penyakit yang paling mematikan yaitu penyakit jantung yang tidak bisa dilihat secara kasat mata dan datang secara tiba – tiba (Ishtake S.H & Sanap S.A., 2013. Intelligent Heart Disease Prediction System Using Data Mining Techniques: Department of Computer science, MIT, Aurangabad, Maharashtra, India), maka pada penelitian ini akan dibahas tentang bagaimana caranya menghasilkan analisis faktor risiko untuk penyakit jantung pada orang dewasa dari riwayat laboratorium kimia darah pasien yang pernah terdaftar di Mayapada Hospital Tangerang melalui lab kimia darah pasien yang sudah dicatat kedalam medical record. Penelitian ini pernah dilakukan sebelumnya dengan judul “HDPS: Heart Disease Prediction System” (Chen, Huang, Hong, Cheng, & Lin, 2010). Persamaan penelitian “HDPS: Heart Disease Prediction System” dengan penelitian ini yaitu sama – sama dilakukan dengan teknik klasifikasi data mining tetapi berbeda sub tekniknya. Pada penelitian tersebut dilakukan dengan sub teknik klasifikasi data mining : Artificial Neural Network, sedangkan pada penelitian ini digunakan sub teknik klasifikasi : Naive Bayes. Dari data laboratorium kimia darah, dilakukanlah pengembangan analisis klinis yang lebih luas agar para pengambil keputusan klinis terutama dokter dapat menyimpulkan analisisnya kearah potensi penyakit jantung koroner. Sebab pada tahun 2005 sedikitnya 17,5 juta atau setara
dengan 30% kematian di seluruh dunia disebabkan oleh penyakit jantung. Menurut World Health Organization (WHO), 60% dari seluruh penyebab kematian tersebut adalah penyakit jantung koroner (PJK). Di Indonesia, penyakit jantung juga cenderung meningkat sebagai penyebab kematian. Data Survei Kesehatan Rumah Tangga (SKRT) tahun 1996 menunjukkan bahwa penyakit ini meningkat setiap tahun sebagai penyebab kematian mulai hanya 5,9% pada tahun 1975 sampai 19% pada tahun 1995. Sensus nasional tahun 2001 menunjukkan bahwa kematian karena penyakit kardiovaskuler, termasuk PJK, adalah 26,4%, dan sampai saat ini PJK merupakan penyebab utama kematian, yaitu sekitar 40% kematian laki-laki usia menengah (WHO, 2001; Depkes RI, 2003).
Pada penelitian ini analisis dilakukan dengan melihat data laboratorium kimia darah pasien yang bertujuan untuk membantu menunjang pengambilan keputusan sedini mungkin bagi pasien agar mereka lebih mantap mempersiapkan psikologi akan kemungkinan medis yang dihadapi diri mereka dan perencanaan untuk keuangan mereka karena biaya perawatan bagi penderita jantung yang tidak sedikit. Selain untuk membantu menunjang pengambilan keputusan sedini mungkin bagi pasien, analisis awal melalui lab kimia darah juga berguna bagi manajemen untuk mempersiapkan sumber daya rumah sakit terkait pelayanan bagi pasien jantung orang dewasa, jadi hasil analisis lab kimia darah dapat dimanfaatkan sebagai masukan pengambilan keputusan yang mendukung analisis untuk dokter yang naif serta mengarahkan analisis ke arah yang luas dalam rangka mengoptimalkan kemampuan daya saing rumah sakit.
Penganalisaan ini akan dilakukan dengan menggabungkan konsep penambangan data (Data Mining) dimana data perolehan yang menjadi sumber utama yaitu data lab kimia darah pasien untuk menghasilkan sebuah persentase kedekatan kondisi pasien sekarang terhadap penyakit jantung pada orang dewasa.Penelitian ini ingin mengangkat bahwa keberhasilan analisis faktor risiko terhadap penyakit jantung melalui lab kimiadarah adalah salah satu kunci keberhasilan dalam mempersiapkan diri si pasien dan juga sebagai prediksi rumah sakit agar mampu meningkatkan sumber daya di klinik jantung. Selain dua tujuan diatas, analisis melalui lab kimia darah juga ditujukan untuk menemukan pola pembelajaran baru mengenai cara analisis yang tidak hanya mengandalkan hasil laboratorium yang baru saja dilakukan pengujian namun juga mengandalkan
data-data riwayat laboratorium kimia darah pasien sebelumnya. Pola pembelajaran melalui data yang dikumpulkan melalui laboratorium kimiadarah dari berbagai penyakit seperti diabetes, kolesterol, dan penyakit sirkulasi darah akan mengembangkan pola-pola analisis yang lebih obyektif. Pola pembelajaran ini bisa ditemui dengan memahami frekuensi riwayat medis pasien melalui data lab kimia darahnya.
Selama ini pola–pola analisis selalu didasarkan pada hasil uji laboratorium terbaru. Para ahli medis tidak begitu mempercayai bukti – bukti dari data komputer terdahulu, mereka lebih mempercayai hasil uji laboratorium yang terbaru. Banyak diketahui bahwa tidak sedikit analisis klinis yang bersifat subyektif, tergantung pada dokter yang membuat analisisdan diagnosis. Dan yang paling penting, jumlah data yang harus dianalisis untuk membuat prediksi yang baikbiasanya besar dan kadang-kadang tidak terkendali. Di konteks ini pembelajaran berbasiskan data mining dapat digunakan untuk menyimpulkan aturan analisis melalui teknik prediksi yang membantu menyimpulkan kemungkinan pasiendewasa beresiko atau tidak terhadap penyakit jantung dan juga membantu pekerja medis membuat proses analisis yang lebih obyektif dan lebih handal.
1.2 Ruang Lingkup
Dalam analisis Faktor Risiko Penyakit Jantung Pada Orang Dewasa dan untuk menciptakan keputusan klinis yang obyektif dengan berbasiskan data mining ini, penulis hanya membahas informasi yang berhubungan dengan:
• Analisis penyakit jantung pada orang dewasa diatas umur 30 tahun dengan riwayat penyakit mengenai sistem aliran darah (cardiovascular system) yang pernah diderita
• Analisis laboratorium kimia darah pasien dewasa diatas umur 30 tahun yang mengarah pada penyakit jantung
• Perancangan Aplikasi Analisis Penyakit Jantung Orang Dewasa Berdasarkan Lab Kimia Darah berbasis web menggunakan Naive Bayes Classifier sebagai teknik analisis data mining yang menampilkan tentang
pola keterkaitan antara lab kimia darah terhadap penyakit jantung pada orang dewasa.
Namun dengan tetap mempertimbangkan benang merah dari pembahasan penelitian ini, tidak menutup kemungkinan penelitian ini mengutip informasi tambahan lainnya.
1.3 Tujuan dan Manfaat
Tujuan yang dapat dicapai adalah membuat sebuah rancangan aplikasi analisis yang akan digunakan oleh petugas medis. Perancangan aplikasi analisis ini berkaitan dengan beresiko atau tidaknyapasien terhadap penyakit jantung yang didukung dengan eksplorasi dan ekstrasi semua data yang diperlukan. Serta mewujudkanya kedalam sebuah rancangan aplikasi data mining.
Manfaat yang diperoleh dari perancangan aplikasi analisis faktor risiko berbasiskan data mining ini adalah :
1. Menyediakan informasi yang relevan dan terintegrasi mengenai analisis faktor risiko terhadap penyakit jantung dan mengorganisasikan informasi tersebut dengan konsisten dimana para ahli medis dapat memperoleh gambaran pasien secara menyeluruh sebagai dasar untuk membentuk cara analisisyang luas yang dapat membantu para ahli medis mengukur ketepatan dalam pola - pola analisis.
2. Memudahkan lembaga kesehatan khususnya rumah sakit untuk mengetahui ketepatan dalam menganalisis faktor risiko penyakit jantung yang kedepannya dapat menunjang layanan medis yang lebih baik.
3. Meluruskan paradigma yang salah dan ketidaktahuan pada masyarakat dalam menyikapi pola hidup dan gejala penyakit yang dapat menimbulkan penyumbatan pembuluh darah pada jantung.
4. Membantu lembaga kesehatan untuk mengoptimalkan layanan kesehatannya melalui informasi prediktif hasil pengolahan data mining.
5. Membantu manajamen memprediksi kunjungan konsultasi pasien jantung di Mayapada Hospital agar sumber daya rumah sakit lebih siap memberikan perawatan lebih lanjut yang optimal.
1.4 Urgensi Penelitian
Urgensi Penelitian membahas mengenai kebutuhan pihak rumah sakit yakni praktisi medis dan manajemen agar mereka dapat meningkatkan kualitas pemeriksaan dengan tujuan dapat menghasilkan informasi yang lebih berkualitas dan up to date yang dapat dipakai semua pihak di Mayapada Hospital. Urgensi penelitian ini di bagi menjadi dua yaitu pertimbangan kebutuhan penelitian bagi pihak praktisi medis dari segi medis dan bagi manajemen dari segi bisnis.
a. Pemanfaatan sumber data hasil pemeriksan di Mayapada Hospital pada saat ini belum maksimal. Data hasil pemeriksaan tersebut khususnya data laboratorium kimia darah dimanfaatkan seperti halnya data pemeriksaan medis pada umumnya yaitu untuk menunjang diagnosis medis. Umumnya ketika hasil pemeriksaan kimia darah dikeluarkan, hasil pemeriksaan tersebut dipakai untuk menunjang proses diagnosis penyakit pada saat itu saja. Hasil pemeriksaan pada umumnya tidak dipakai lagi karena aturan medis mengharuskan sifat pemeriksaan yang baru dengan tujuan mengetahui perkembangan metabolisme tubuh atau jika dikemudian hari pasien menderita penyakit lagi maka harus memakai pemeriksaan terbaru. Karena itu melalui analisis data mining, data lab kimia darah yang besar dapat dimanfaatkan untuk menentukan level faktor risiko yang bermanfaat bagi pasien dan juga bagi pihak rumah sakit.
b. Mengupayakan agar pasien dapat mengetahui informasi yang jauh lebih lengkap dan mendalam mengenai keadaan dirinya dan secara lebih luas menambah edukasi bagi masyarakat mengenai potensi untuk dapat menderita penyakit jantung koroner dewasa sedini mungkin. Pada saat ini penanganan penyakit jantung dilakukan pasien setelah mereka mendapatkan gejala serangan jantung berupa sesak dada sampai kepada nyeri dada akut. Kematia njantung yang tinggi adalah disebabkan karena deteksi dini yang lamban dan minimnya pengetahuan pasien akan faktor risiko penyakit jantung. Dengan adanya informasi yang dikeluarkan melalui analisis data mining tersebut,
pasien dapat lebih terarah secara psikologi maupun secara materi untuk menerima pelayanan medis secara maksimal dan juga dapat meminimalisir jumlah kematian yang disebabkan karena penyampaian informasi dan penanganan penyakit jantung yang terlambat.
c. Keputusan klinis yang salah dan informasi klinis yang minim adalah hal yang menjadi urgensi dimana banyak ketidakobyektifan hasil diagnosis yang disampaikan oleh dokter kepada pasien. Pasien memerlukan informasi klinis yang benar karena informasi klinis berdampak bagi kehidupannya dalam segala aspek. Rancangan analisis data mining membantu dokter dalam mengambil keputusan klinis mengenai faktor risiko pasien akan penyakit jantung, sehingga berguna bagi pasien untuk mendapatkan hasil yang obyektif dengan kandungan informasi klinis yang luas.
d. Manajemen rumah sakit berkeinginan untuk dapat lebih dalam memahami keadaan pasien dengan memberikan pelayanan yang lebih maksimal. Data hasil lab kimia darah dari berbagai jenis pemeriksaan dan dari banyak penyakit dapat dimanfaatkan untuk memprediksi seberapa besar pasien memiliki faktor risiko penyakit jantung dewasa, dengan adanya perangkat analitikal berupa data mining dapat membantu manajemen rumah sakit memprediksi jumlah kunjungan pasien yang melakukan konsultasi jantung.
Pada penelitian ini analisis dilakukan dengan melihat data laboratorium kimia darah pasien yang bertujuan untuk membantu menunjang pengambilan keputusan sedini mungkin bagi pasien agar mereka lebih mantap mempersiapkan psikologi akan kemungkinan medis yang dihadapi diri mereka dan perencanaan untuk keuangan mereka karena biaya perawatan bagi penderita jantung yang tidak sedikit. Disamping itu penelitian ini berkontribusi dalam menunjang pengambilan keputusan dokter dalam memberikan informasi klinis kepada pasien. Selain untuk membantu menunjang pengambilan keputusan sedini mungkin bagi pasien dan juga dokter, analisis awal melalui lab kimia darah juga berguna bagi manajemen untuk mempersiapkan sumber daya rumah sakit terkait pelayanan bagi pasien jantung orang dewasa jadi hasil analisis lab kimia darah yang merupakan data prediktif dapat dimanfaatkan untuk keperluan manajemen meningkatkan kemampuan daya saing rumah sakit .
1.5 Metodologi Penelitian
Untuk mendapatkan gambaran mengenai keadaan dan permasalahan yang sedang dihadapi oleh para ahli medis serta isu penyakit jantung di Mayapada Hospital, diperlukan data untuk keperluan penganalisaan dan perancangan aplikasi analisis data mining ini. Untuk mendapatkan informasi yang dibutuhkan, penelitian ini melakukan beberapa pendekatan penelitian. Metode yang dipakai dibagi menjadi dua bagian pokok yaituMetode analisis fundamental dan Metode teknikal.
1. Metode analisis fundamental adalah mengaitkan beberapa teori yang relevan terkait dengan bidang kesehatan yaitu medical research dan bidang penambangan data yaitu Data Mining Classification : Naive Bayes Classifier yang dilakukan melalui tahap :
a. Pengumpulan data dan fakta atas sistem layanan medis yang berjalan dengan cara :
- Survei
Melakukan pemeriksaan secara komperhensif atas layanan medis pada objek penelitian di Mayapada Hospital
- Interview / Wawancara
Merupakan percakapan antara dua orang atau lebih dan terjadi antara narasumber dan pewawancara. Tujuan dari wawancara adalah untuk mendapatkan informasi dimana pewawancara memberikan pertanyaan untuk dijawab oleh narasumber.
- Observasi
Observasi yang berarti pengamatan bertujuan untuk mendapatkan informasi tentang suatu masalahserta data penelitian, sehingga diperoleh pemahaman atau pembuktian terhadap informasi / keterangan yang diperoleh sebelumnya.
b. Analisis sistem layanan medis di klinik jantung yang berjalan c. Analisis penelitian kesehatan dari sumber di luar rumah sakit d. Analisis atas penanganan pasien jantung yang pernah dilakukan
e. Analisis pemecahan masalah menggunakan Ishikawa Fishbone Diagram untuk mengidentifikasikan masalah beserta solusinya
2. Metode analisis teknikal yaitu melakukan perhitungan dan pengolahan data yang didapat dari analisis fundamental dengan menggunakan Data Mining Classification : Naive Bayes Classifier, melalui tahapan – tahapan yang mengacu pada CRISP-DM.
1.6 Sistematika Penulisan
Untuk mempermudah penyususnan penelitian dan pembahasannya maka diarahkan inti yang lebih jelas mengenai topik yang dibahas dalam penyusunan penelitian ini. Sistematika dalam pembahasan Naive Bayes Classifier Pada Rancangan Aplikasi Analisis Faktor Risiko Penyakit Jantung Orang Dewasa Berdasarkan Laboratorium Kimia Darah Dengan: Pengamatan Pada Mayapada Hospital ini dibagi menjadi 5 (lima) bab yang terdiri dari :
BAB 1 : PENDAHULUAN
Menjelaskan latar belakang penelitian yang menjadi dasar pemilihan judul, termasuk tujuan dan manfaat yang diperoleh dari penelitian ini disertai pertanyaan penelitian yang menjadi topik permasalahan dari penelitian ini, ruang lingkup permasalahan yang akan dibahas, metodologi penelitian yang digunakan untuk mengumpulkan data serta sistematika penulisanpenelitian.
BAB 2 : LANDASAN TEORI
Dalam bab ini diuraikan semua teori-teori yang relevan, yang digunakan sebagai dasar untuk menganalisis dan merancang sistem, meliputi metode penggalian data(data Mining), prosedur penanggulangan permasalahan medis, pemeriksaan medis, penemuan pengetahuan (knowledge discovery) dengan teknologi data mining.
BAB 3 : ANALISIS SISTEM BERJALAN
Bab ini berisi analisis terhadap fakor - faktor yang penting untuk diangkat dalam penggalian data yang terdiri dari analisis masalah dan kelemahan-kelemahan kondisi yang sedang berjalan, perancangan aplikasi analisis faktor risiko penyakit jantung pada orang dewasa berbasiskan data mining dan perancangan data analisis riwayat penyakit pasien serta penerapan teknologi data mining.
BAB 4 : HASIL DAN PEMBAHASAN NAÏVE BAYES CLASSIFIER PADA PERANCANGAN APLIKASI
Bab ini membahas tentang implementasi dan hasil evaluasi sistem penggalian data untuk analisis faktor risiko penyakit jantungyang telah dirancang.
BAB 5 : SIMPULAN DAN SARAN
Pada bab terakhir ini akan disimpulkan mengenai hasil uraian pembahasan yang ada dalam bab-bab sebelumnya, serta diberikan saran-saran perbaikan atau pengembangan terhadap aplikasi analisis faktor risiko penyakit jantung yang sudah dibuat.
