PREDIKSI
PENYAKIT TUBERKULOSIS (TBC) DENGAN MENGGUNAKAN DECISION TREE
Angga
Yoga Siswanto
2009 51
143
Teknik
Informatika
Universitas
Muria Kudus
Email : anggay33@yahoo.co.id
http://angga-ti.blogspot.com
Abstrak
TBC
adalah penyakit menular yang disebabkan oleh bakteri mikobakterium tuberklosa. Penyakit ini sering menyerang pada usia
15 – 35 tahun. Dan penyakit ini juga menyerang siapa saja. Penyakit ini dapat
menular dengan mudah, karena bakteri yang ada pada penyakit ini dapat menular
melalui udara. Dari udara inilah yang akhirnya menginfeksi saluran pernafasan
kita sehingga kita bisa tertular penyakit TBC.
Sebagai
contoh,ketika sesseorang yang telah menderita penyakit TBC lalu ia bersin atau
batuk pada tempat umum, yang kemudian bakteri yang membawa penyakit tersebut
akhirnya terbang melalui udara dan ada orang lain ditempat tersebut yang
menghirupnya maka orang yang telah menghirup udara yang mengandung bakteri
tersebut secara tidak sengaja telah terinfeksi penyakit TBC. Meskipun tidak
secara langsung penyakit ini dapat terlihat karena bakteri mikobakterium tuberklosa menginfeksi secara perlahan bagian
pernafasan kita yang terutama pada bagian paru-paru.
Oleh
karena itu perlu dilakukan adanya tindakan sebagai pencegahan meningkatnya
penderita TBC. Pada tugas akhir ini dibuat suatu model sistem pendukung keputusan
pendeteksi penyakit TBC dengan menggunakan metode decision tree. Sistem ini dapat digunakan dengan mudah, dengan
hanya menggunakan microsoft exel dan visual basic dengan hanya menekan tombol
prediksi dan kemudian akan muncul hasil prediksi penderita penyakit TBC.
Setelah diuji dan dianalisis dengan data training menghasilkan nilai rata-rata
akurasi mencapai 90%.
Kata kunci : Sistem
Pendukung Keputusan, Metode Decision Tree, TBC
I.
Latar Belakang
TBC
atau Tuberkulosis adalah penyakit menular
yang dapat menyerang siapa saja. Penyakit ini menyerang bagian pernafasan kita
yang mana paru-paru adalah organ utama yang diserang. TBC dapat menular melalui
udara sebagai alat pencemaran utama, selain dari faktor udara penyakit ini juga
bisa menyebar melalui lingkungan yang lembab, kurangnya sirkulasi udara didalam
ruangan, kurangnya sinar matahari. Adanya lingkungan yang lembab dapat
mempengaruhi perkembangan bakteri penyebab penyakit TBC. Kurangnya sirkulasi
udara dapat menghambat pertukaran udara yang masuk, sehingga kemungkinan udara
yang telah mengandung bakteri dapat terhirup oleh orang lain. Kurangnya sinar
matahari juga dapat membantu penyebaran bakteri karena ruangan yang kurang
terkena sinar matahri jadi akan terasa lembab dan selain itu bakteri TBC dapat
mati jika terkena sinar matahari.
Dari
penelitian terdahulu yang telah dilakukan telah ditemukan gejala-gejala bagi
penyakit TBC.
Berikut
gejala penyakit TBC pada umunya :
-
Keluar
keringat pada malam hari
-
Perasaan
terasa lemah, dan lesu
-
Berat
badan menurun
-
Sering
terkena flu yang bersifat hilang timbul
-
Batuk
lebih dari 3minggu dan kadang berdarah
-
Sering
mengalami demam yang tidak terlalu tinggi dan berlangsung lama
-
Metode decisiontree ini dipilih karena untuk
menentukan pendeteksian penyakit TBC pada seseorang. Metode ini bekerja dengan
mengubah data menjadi pohon keputusan (decisiontree)
dan aturan-aturan keputusan (rule).
Sehingga dapat menentukan permasalahan dan dapat mengambil keputusan.
II.
Studi Pustaka
Penyakit
TBC dapat menyerang siapa saja. Faktor yang dapat mempengaruhi seseorang
terkena TBC adalah adanya lingkungan yang lembab, kurangnya sirkulasi udara dan
kurangnya sinar matahari dalam ruangan. Metode decisiontree yang digunakan dapat mengubah data menjadi pohon keputusan
(decisiontree) dan aturan-aturan
keputusan (rule).
Dari
aturan penentuan decisiontree terdapat
langkah-langkah yang harus dilakukan dalam penentuannya. Data dinyatakan dalam
bentuk tabel dengan atribute dan record. Atribute menyatakan suatu
parameter yang dibuat sebagai kriteria dalam pembentukan tree, attribute sendiri memiliki nilai-nilai
yang dinamakan instance.
Langkah
pertama adalah dengan penentuan entropi, yakni entropi terkecil yang menjadi
node awal untuk mengubah data tabel menjadi tree.
III.
Uji coba dan Pembahasan
Data
sampel yang digunakan untuk menentukan preddiksi penyakit TBC.
Penentuan
etropi terkecil sebagai node awal dalam pembuatan pohon.
Tree
yang diperoleh dari node awal
Dengan
cara yang sama kemudian dapat dilakukan penentuan leafnode atau node
selanjutnya. Yang dapat dicari dengan menurunkan attribute yang memiliki hasil
(+) dan (-) bagi penderitanya. Dan juga dapat menentukan hasil tree yang
terahir sebagai acuan dalam pembentukan rule.
Dari tree yang telah dibuat dapat
diperoleh rule untung menghitung prediksi penyakit TBC pada sistem. Dan
prediksi penyakit pada sistem mempunyai nilai rata-rata akurasi sebesar 90% dan
nilai eror sebesar 10%.
IV.
Kesimpulan
Dari sampel data yang diperoleh
telah menghasilkan beberapa rule yang dipakai untuk menentukan prediksi
penyakit TBC yang mempunyai akurasi 90% dan
eror sebesar 10% untuk data training yang telah dipakai untuk menguji dan 80% dan
eror sebesar 20% untuk data testing yang baru dimasukkan setelah sistem selesai
diuji.
