DIAGNOSA PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN ALGORITME VFI5 ABDUL ROSYID
|
|
- Farida Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 i DIAGNOSA PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN ALGORITME VFI5 ABDUL ROSYID DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009
2 ii DIAGNOSA PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN ALGORITME VFI5 Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor ABDUL ROSYID G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009
3 i ABSTRAK ABDUL ROSYID. Diagnosa Penyakit Tuberkulosis Paru Menggunakan Algoritme VFI5. Dibimbing oleh Aziz Kustiyo dan Tri Noviati. Tuberkulosis () merupakan salah satu penyakit menular yang disebabkan oleh kuman C (Mycobacterium Tuberculosys) (Depkes 2007). lebih sering menyerang paru-paru, tetapi juga dapat menyerang bagian tubuh lain seperti selaput otak, kulit, tulang, kelenjar getah bening, dan bagian tubuh lainnya. Pengobatan Paru sangat penting dilakukan dalam mengurangi angka kematian. Pengobatan akan mudah dilakukan apabila proses diagnosa dilakukan secara dini. Diagnosa yang sekarang dilakukan masih menggunakan metode lama (Menkes 2008). Metode yang dilakukan bertumpu pada uji lab, baik uji mikroskopis maupun rontgen. Metode tersebut tidak dapat dilakukan di klinik-klinik kesehatan yang tidak memiliki poliklinik paru dengan peralatan yang memadai, sementara jumlah penderita Paru semakin bertambah. Pada penelitian ini, tujuan yang ingin dicapai adalah menerapkan algoritme VFI5 pada proses diagnosa dini penyakit Paru. Data yang digunakan pada penelitian ini adalah data rekam medis pasien rawat inap rumah sakit Pasar Rebo sebanyak 191 data. Data tersebut terbagi atas dua kelas, yaitu kelas dan kelas tidak. Adapun fitur-fitur dari setiap kelasnya, yaitu batuk, batuk berdarah, sakit dinding dada, nafas pendek, berat badan menurun, demam dan berkeringat, hilang nafsu makan, dan lemas. Dalam memperkirakan generalisasi error digunakan metode 3-Fold Cross Validation, dimana pada proses ini dilakukan membagi suatu himpunan menjadi subsetsubset yang saling bebas. Pada penelitian ini juga, setiap fitur diberikan bobot yang dinilai oleh pakar dari sisi tingkat pengaruh antar fitur yang bersesuaian. Hasil penelitian menunjukkan bahwa algoritme VFI5 masih termasuk algoritme yang mempunyai akurasi baik pada penelitian diagnosa penyakit. Akan tetapi pada penelitian ini akurasi yang didapatkan masih belum maksimal dengan nilai yang didapatkan rata-rata 83%. Gejala umum Paru memiliki ke khasan dari gejala-gejala penyakit lainnya. Dengan algoritme VFI5 dapat diperkirakan seseorang mengarah ke atau tidak dengan melihat hasil diagnosa tersebut. Hasil penelitian menunjukkan bahwa untuk menentukan seseorang menderita atau tidak, tidak dapat ditentukan hanya oleh satu gejala saja. Gejala yang paling berpengaruh adalah batuk berdarah dan berat badan menurun. Kata Kunci : Tuberkulosis () Paru, Algoritme VFI5.
4 ii Judul Nama NRP : Diagnosa Penyakit Tuberkulosis Paru Menggunakan Algoritme VFI5 : Abdul Rosyid : G Menyetujui, Pembimbing I Pembimbing II Aziz Kustiyo, S.Si, M.Kom. NIP dr. Tri Noviati, MARS NIP Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. drh. Hasim, DEA NIP Tanggal Lulus :
5 iii RIWAYAT HIDUP Penulis dilahirkan di Kuningan pada tanggal 13 Juni Anak pertama dari tiga bersaudara, dari pasangan Bapak Aang Anshori dan Ibu Caskinah. Riwayat pendidikan : SMU Negeri 3 Kuningan D3 Program Studi Informatika Sub Program Teknik Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor S1 Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Pengalaman Organisasi : Ketua OSIS Bidang I SMU Negeri 3 Kuningan Ketua PMR SMU Negeri 3 Kuningan Anggota PMR Gabungan Kabupaten Ketua Departemen Sosial dan Advokasi BEM FMIPA IPB Ketua Himpunan Mahasiswa Aria Kamuning Kuningan LSM Perhimpunan Petani Nelayan Sejahtera Indonesia (PPNSI) LSM Indonesian Labour Foundation (ILF) Saat ini penulis juga adalah seorang karyawan di salah satu perusahaan swasta di Jakarta.
6 iv Bismillahirrahmanirrahim, PRAKATA Segala puji bagi Allah SWT, atas limpahan rahmat dan karunianya dan semoga shalawat dan salam tetap tercurahkan kepada nabi Muhammad SAW. Penulis mengucapkan Alhamdulillahi rabbal alamin, atas selesainya skripsi denga judul Diagnosa Penyakit Menggunakan Algoritme VFI5. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer Fakultas Matematikan dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Penulis mengucapkan terima kasih kepada semua pihak sehingga terselesaikannya skripsi ini, diantaranya : Orang tua tercinta yang selalu memberikan do a dan motivasi kepada penulis Bapak Aziz Kustiyo, S.Si.,M.Kom. dan ibu dr. Tri Noviati, MARS., selaku pembimbing yang telah memberikan arahan dan masukan sehingga selesainya skripsi ini. Bapak dr. Muhammad Syafii, M.Kom., dr. Syafrizal, dr. Diana, Ibu Merriani Girsang, M.Si. yang telah memberikan arahan kepada penulis dalam menyelesaikan penelitian ini. Seluruh dosen pengajar dan civitas akademika Departemen Ilmu Komputer FMIPA IPB Bapak Ir. Eddy Zanur, MSAE., Bapak Ir. Syamsul Rizal, M.Sc., selaku pimpinan perusahaan yang telah mendukung dalam proses pendidikan penulis. Bapak Drs. Aryo Judhoko, Bapak Drs. Agus Widodo, Ibu Ully Ullva, Bapak Maulana Mustika dan teman-teman kerja yang telah memberikan motivasi dan dukungan. Teman-teman Keluarga Muslim Ekstensi (KAMUS) IPB Teman-teman DKM Al Ghifari IPB Teman-teman HIMARIKA Kuningan Teman-teman BAFADA Adik-adiku tercinta Ade Opik Hidayat, Siti Romlah, Tuti Solihat, Dika Kadarwati yang telah memberikan bantuan dan motivasi. Seta Baehera, Muhammad Haikal, dan seluruh teman-teman angkatan I, II, dan III ILKOM Ekstensi IPB yang tidak dapat disebutkan satu pe rsatu. Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang membutuhkan. Amin. Bogor, Juni 2009 Abdul Rosyid
7 v DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR...iii DAFTAR LAMPIRAN... iv PENDAHULUAN Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 Manfaat... 1 TINJAUAN PUSTAKA Klasifikasi... 2 Algoritme Voting Feature Intervals... 2 K-Fold Cross Validation... 3 Confusion Matrix... 3 Tuberkulosis... 3 Penyebab Penyakit... 3 Cara Penularan Penyakit... 4 Gejala Umum Penyakit... 4 Metode Diagnosa... 4 METODE PENELITIAN Survei... 5 Konsultasi dengan dokter... 5 Data... 6 Praproses... 6 Data latih data uji... 6 Pelatihan... 6 Klasifikasi... 6 Akurasi... 6 Lingkungan Pengembangan... 6 HASIL DAN PEMBAHASAN Iterasi Pertama... 7 Iterasi Kedua... 8 Iterasi Ketiga... 9 Akurasi KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN... 12
8 vi DAFTAR TABEL Halaman 1 Confusion matrix data dengan dua kelas Pembobotan data gejala umum penderita Paru Kombinasi 3-Fold Cross Validation Contoh Konversi Data Gejala Pembagian Data dengan Metode 3-Fold Cross Validation Data Iterasi Pertama Confusion Matrix Iterasi Pertama Data instance salah iterasi pertama kelas Data instance salah iterasi pertama kelas Bukan Data Iterasi Kedua Confusion matrix pada Iterasi II Data instance salah iterasi kedua Kelas Data instance salah iterasi kedua Kelas Data instance salah iterasi kedua kelas Bukan Data iterasi ketiga Confusion matrix pada Iterasi Ketiga Data instance salah iterasi ketiga kelas Data instance salah iterasi ketiga kelas Data instance salah iterasi ketiga kelas Bukan Hasil rata-rata dari semua iterasi DAFTAR GAMBAR Halaman 1 Algoritme pelatihan VFI5 (Demiroz 1997) Bakteri Mycobacterium Tuberculosys Pola penyebaran bakteri Sistem diagnosa Paru Alur metode penelitian Grafik akurasi setiap iterasi... 12
9 vii DAFTAR LAMPIRAN Halaman 1 Kuisioner pembobotan variabel Penilaian masing-masing variabel Data Pasien Rawat Inap Dewasa Rumah Sakit Pasar Rebo tahun Data Testing Iterasi I Data Testing Iterasi II Data Testing Iterasi III Instance salah iterasi pertama kelas Instance salah iterasi pertama kelas Bukan Instance salah iterasi kedua kelas Instance salah iterasi kedua kelas tidak Instance salah iterasi ketiga kelas Instance salah iterasi ketiga kelas tidak Confusion matrix iterasi pertama Confusion matrix iterasi kedua Confusion matrix iterasi ketiga Halaman utama program Halaman training program Halaman testing program Halaman simulasi testing program Halaman simulas akurasi testing program Halaman publik utama program... 31
10 1 Latar Belakang PENDAHULUAN Tuberkulosis () merupakan salah satu penyakit menular yang disebabkan oleh kuman C (Mycobacterium Tuberculosys). (Depkes 2007). Sebagian besar kuman menyerang paru, tetapi dapat juga mengenai organ tubuh lainnya seperti otak, ginjal, saluran pencernaan, tulang, kelenjar getah bening, dan lain-lain. Diperkirakan sekitar sepertiga penduduk dunia telah terinfeksi oleh Mycobacterium Tuberculosys. Pada tahun 1995, diperkirakan ada sembilan juta pasien baru dan tiga juta kematian akibat diseluruh dunia. Diperkirakan 95% kematian akibat didunia terjadi di negara-negara berkembang (Depkes 2007). Menurut buku Pedoman Nasional Penanggulangan Tuberkulosis Departemen Kesehatan tahun 2007, di Indonesia merupakan masalah utama kesehatan masyarakat. Jumlah pasien di Indonesia adalah ketiga terbanyak di dunia setelah India dan Cina dengan jumlah pasien sekitar 10% dari total jumlah pasien di dunia. Pada tahun 1995, hasil Survei Kesehatan Rumah Tangga (SKRT) menunjukkan bahwa penyakit merupakan penyebab kematian nomor tiga setelah penyakit kardiovaskuler (jantung) dan penyakit saluran pernafasan pada semua kelompok usia, dan nomor satu dari golongan penyakit infeksi. mempunyai riwayat alamiah pasien yang tidak diobati setelah lima tahun, dapat menyebabkan : 50% meninggal 25% akan sembuh sendiri dengan daya tahan tubuh yang tinggi 25% menjadi kasus kronis yang tetap menular Oleh karena itu pengobatan merupakan hal yang sangat penting dalam mengurangi angka kematian tersebut. Pengobatan akan mudah dilakukan apabila proses diagnosa dilakukan secara dini. Penelitian ini mencoba mengembangkan metode diagnosa Paru dengan menguji data gejala-gejala umumnya. Hasil uji lab dijadikan sebagai data kontrol untuk mengukur tingkat akurasi dari pengujian gejala umum Paru. Algoritme VFI5 digunakan pada penelitian ini, karena selain merupakan algoritme klasifikasi algortime ini juga cukup kokoh terhadap feature yang tidak relevan tetapi memberikan hasil yang baik. Pada data diagnosa penyakit Paru feature yang tidak relevan kemungkinan akan ada, dikarenakan data diagnosa dari setiap dokter akan berbeda-beda. Penelitian sebelumnya tentang diagnosa penyakit menggunakan VFI5 yaitu tentang Penyakit Parvo & Distemper (Iqbal 2006). Sedangkan penelitian khusus yang pernah dilakukan yaitu tentang Evaluasi Program DOTS (Directly Observed Treatment, Shorcourse Chemotherapy) (Girsang 2008). Tujuan Tujuan penelitian ini adalah menerapkan algoritme VFI5 pada proses diagnosa dini penyakit Paru. Ruang Lingkup Ruang lingkup penelitian ini dibatasi pada : 1 Jenis penyakit yang diteliti adalah jenis paru. 2 Data yang diuji menggunakan variabel gejala umum Paru. 3 Data dibagi dua kelas, yaitu kelas dan kelas tidak. 4 Data Paru bersumber dari data pasien rawat inap dewasa tahun 2008 di Rumah Sakit Pasar Rebo Jakarta Timur. 5 Pada diagnosa ini tidak menggunakan proses uji klinis, baik uji mikroskopis maupun foto toraks atau rontgen, tetapi menggunakan data hasil pemeriksaan gejala - gejala umum dari pasien Paru. Manfaat Metode diagnosa penyakit Paru menggunakan algoritme VFI5 diharapkan membantu pihak medis ataupun non medis dalam melakukan diagnosa dini penyakit Paru. Metode ini juga dapat dijadikan
11 2 sebagai bentuk tindakan preventif sebelum penyakit tersebut parah. Klasifikasi TINJAUAN PUSTAKA Klasifikasi merupakan salah satu bidang kajian dalam machine learning. Klasifikasi merupakan proses menemukan sekumpulan model atau fungsi yang menggambarkan dan membedakan konsep atau kelas-kelas data, dengan tujuan agar model tersebut dapat digunakan untuk memprediksi kelas dari suatu objek atau data yang tabel kelasnya tidak diketahui (Han & Kamber 2001). Klasifikasi dibagi menjadi dua tahap, yaitu pelatihan dan klasifikasi. Pada tahap pelatihan dibentuk sebuah model domain permasalahan dari setiap instance (data pelatihan) yang label kelasnya sudah diketahui (Gambar 1). Pada tahap klasifikasi dilakukan prediksi kelas baru dengan menggunakan model yang dibuat pada tahap pelatihan (Güvenir 1997). Algoritme Voting Feature Intervals Voting Feature Intervals merupakan salah satu algoritme klasifikasi. Algoritme ini dikembangkan oleh Demiroz dan Guvenir pada tahun Algoritme ini mempresentasikan deskripsi sebuah konsep oleh sekumpulan interval nilai-nilai feature atau atribut. Demiroz dan Guvenir (1997) mengemukakan bahwa VFI merupakan algoritme yang supervised artinya memiliki target berupa kelas-kelas data dan bersifat non-incremental yaitu semua instance pelatihan diproses secara bersamaan. Algoritme Voting Feature Intervals yang dikembangkan sudah sampai pada versi yang ke-5 atau sering disebut algoritme VFI5. Algoritme VFI5 membuat interval untuk setiap feature yang berupa range interval atau point interval. Nilai vote untuk setiap interval akan disimpan, sehingga algoritme VFI5 dapat disebut sebagai Multiclass feature projection based algorithms. train(trainingset): begin for each feature f for each class c EndPoints[f] = EndPoints[f] find_end_points(trainingset,f,c); sort(endpoint[f]); if f is linear for each end point p in EndPoints[f] form a point interval from end point p form a range interval between p and the next end point p else /*f is nominal*/ each distinct point in EndPoint[f] forms a point interval for each interval i on feature dimension f for each class c interval_class_count[f,i,c] = 0 count_instances(f,trainingset); for each interval i on feature dimension f for each class c end interval_class_vote[f,i,c] = normalize interval_class_vote[f,i,c] * such that interval_class_vote[f,i,c] = I * Gambar 1 Algoritme pelatihan VFI5 (Demiroz 1997)
12 3 Keunggulan algoritme VFI5 adalah algoritme tersebut cukup kokoh (robust) terhadap feature yang tidak relevan namun mampu memberikan hasil yang baik pada real world datasets yang ada. VFI5 mampu menghilangkan pengaruh yang kurang menguntungkan dari feature yang tidak relevan dengan mekanisme votingnya (Güvenir 1998). Algoritme klasifikasi mampu melakukan klasifikasi lebih cepat dibandingkan dengan algoritme nearst neighbor dan decision tree. VFI5 mampu menangani nilai feature yang tidak diketahui (hilang) dengan cara mengabaikan nilai feature yanga ada pada data pelatihan dan data pengujian, sedangkan pada algoritme Nearst Neighbor dan Decision Tree data tersebut harus diganti (Güvenir 1997). K-Fold Cross Validation Merupakan metode membagi sebuah himpunan contoh secara acak menjadi k himpunan bagian (subset) yang saling bebas dengan ulangan sebanyak k-kali untuk pelatihan dan pengujian. Pada setiap ulangan disisipkan subset lainnya untuk pelatihan (Fu 1994). Pada metode ini, data dibagi menjadi k- fold yang saling bebas secara acak, dengan ukuran setiap fold kira-kira sama. Pelatihan dan pengujian dilakukan sebanyak k kali. Pada iterasi ke-i, subset S i dijadikan sebagai data pengujian, dan data subset lainnya dijadikan sebagai data pelatihan. Untuk mengetahui tingkat akurasi dihitung dengan cara membagi jumlah hasil klasifikasi yang benar dari k iterasi dengan jumlah semua instance pada data awal (Han & Kamber 2001). Confusion Matrix Confusion matrix merupakan informasi tentang kelas data aktual yang direpresentasikan pada baris matriks dan kelas data hasil prediksi suatu algoritme yang direpresentasikan pada kolom matriks klasifikasi. Akurasi algoritme klasifikasi biasanya dievaluasi dari data yang ada pada matriks. Pada Tabel 1 disajikan confusion matrix untuk data dengan dua kelas (Kohavi & Provost 1998 diacu dalam Hamilton 2002). Tabel 1 Confusion matrix data dengan dua kelas. Prediksi Data Kelas 1 Kelas 2 Kelas 1 a b Aktual Kelas 2 c d Keterangan : a adalah jumlah instance kelas 1 yang berhasil diprediksi dengan benar sebagai kelas 1, b adalah jumlah instance kelas 1 yang tidak berhasil diprediksi dengan benar karena diprediksi sebagai kelas 2, c adalah jumlah instance kelas 2 yang tidak berhasil diprediksi dengan benar karena diprediksi sebagai kelas 1, d adalah jumlah instance kelas 2 yang berhasil diprediksi dengan benar sebagai kelas 2. Tuberkulosis Tuberkulosis adalah penyakit menular yang disebabkan oleh kuman C (Mycobacterium Tuberculosis). lebih sering menyerang paru-paru, namun juga dapat menyerang bagian tubuh lain seperti selaput otak, kulit, tulang, kelenjar getah bening, dan bagian tubuh lainnya. dapat menyerang siapa saja (tua, muda, laki-laki, perempuan). Sekitar 75% pasien adalah kelompok usia yang paling produktif secara ekonomis (15-50 tahun). Diperkirakan seorang pasien dewasa, akan kehilangan rata-rata waktu kerjanya 3 sampai 4 bulan. Survei prevalensi yang dilakukan di enam provinsi pada tahun menunjukkan bahwa prevalensi di Indonesia berkisar antara 0,2 0,65%. Menurut laporan Penanggulangan Global yang dikeluarkan oleh WHO pada tahun 2004, angka insidensi pada tahun 2002 mencapai kasus (256 kasus/ penduduk), dan 46% diantaranya diperkirakan merupakan kasus baru (Depkes 2007). Penyebab Penyakit Penyakit adalah suatu penyakit infeksi yang disebabkan oleh bakteri Mycobacterium Tuberculosys (Gambar 2). Bakteri ini berbentuk batang/basil dan bersifat tahan asam sehingga dikenal juga
13 4 sebagai Basil Tahan Asam (BTA). Bakteri ini pertama kali ditemukan oleh Robert Koch pada tanggal 24 Maret 1882, sehingga untuk mengenang jasanya bakteri tersebut diberi nama baksil Koch. Bahkan, penyakit C pada paru-paru kadang disebut sebagai Koch Pulmonum (KP) (Depkes 2007). Gambar 2 Bakteri Mycobacterium Tuberculosys Cara Penularan Penyakit Penyakit biasanya menular melalui udara yang tercemar dengan bakteri Mycobacterium Tuberculosys yang dilepaskan pada saat penderita batuk, dan pada anak-anak sumber infeksi umumnya berasal dari penderita dewasa. Bakteri ini bila sering masuk dan terkumpul di dalam paru-paru akan berkembang biak menjadi banyak (terutama pada orang dengan daya tahan tubuh yang rendah), dan dapat menyebar melalui pembuluh darah atau kelenjar getah bening. Oleh sebab itu infeksi dapat menginfeksi hampir seluruh organ tubuh seperti: paru-paru, otak, ginjal, saluran pencernaan, tulang, kelenjar getah bening, dan lain-lain, meskipun demikian organ tubuh yang paling sering terkena yaitu paru-paru (Gambar 3). Gejala umum penyakit paru -batuk selama lebih dari 3 minggu (dapat disertai dengan darah). Sakit dinding dada. Demam tidak terlalu tinggi yang berlangsung lama, biasanya dirasakan malam hari disertai keringat malam. Terkadang serangan demam seperti influenza dan bersifat hilang timbul. Penurunan nafsu makan dan berat badan. Perasaan tidak enak (malaise), lemah. Metode Diagnosa Paru (Departemen Kesehatan RI) Sumber : Depkes 2007 Gambar 3 Pola penyebaran bakteri Sumber : Depkes 2007 Gambar 4 Sistem diagnosa Paru Proses diagnosa Paru pada pasien dewasa ditunjukkan pada Gambar 4, sedangkan pada anak Paru sulit di deteksi karena anak susah mengeluarkan dahak, sehingga untuk diagnosanya menggunakan sistem skor berdasarkan gejala yang sudah ditetapkan oleh Departemen Kesehatan (Depkes 2007). Pada pasien anak yang tidak menimbulkan gejala, C dapat terdeteksi kalau diketahui adanya kontak dengan pasien C dewasa. Kira-kira 30-50% anak yang kontak dengan penderita C paru dewasa memberikan hasil uji tuberkulin positif. Pada anak usia 3 bulan 5 tahun yang tinggal serumah dengan penderita C paru dewasa dengan BTA positif, dilaporkan
14 5 30% terinfeksi berdasarkan pemeriksaan serologi/darah. METODE PENELITIAN Pada penelitian ini dilakukan beberapa tahapan proses untuk mendapat hasil yang diinginkan. Proses-proses tersebut dapat dilihat pada Gambar 5. VFI5 Gambar 5 Alur metode penelitian Pada tahap pertama proses yang dilakukan adalah mengidentifikasi data terlebih dahulu yang disesuaikan dengan topik penelitian. Tahap selanjutnya adalah mencari instansi yang tepat dan siap untuk menyediakan data. Survei Data latih Pelatihan Klasifikasi Akurasi Survei Konsultasi dengan dokter Data Praproses Data Uji Survei data dilakukan ke lembaga/instansi yang bersedia menyediakan data dan bersedia dijadikan sebagai tempat penelitian. Dalam hal ini instansi yang dijadikan tempat survei dan penelitian adalah Rumah Sakit Umum Daerah Pasar Rebo Jakarta Timur. Rumah Sakit Pasar Rebo dijadikan sebagai tempat penelitian dengan alasan bahwa rumah sakit ini merupakan salah satu rumah sakit yang mempunyai poliklinik paru terbesar di Jakarta, selain Rumah Sakit Umum Persahabatan. Penelitian ini dilakukan selama dua bulan. Konsultasi dengan dokter Tahap selanjutnya adalah konsultasi dengan dokter, hal ini dilakukan untuk mendapatkan informasi data va riabel gejala pendukung Paru yang relevan untuk bahan penelitian. Konsultasi tersebut dilakukan dengan beberapa dokter diantaranya : a b c d dr. Tri Noviati, MARS (Rumah Sakit Pasar Rebo) dr. Syafrizal (Rumah Sakit Pasar Rebo) dr. Muhammad Syafii, M.Kom (Kepala Pusat Data dan Informasi Dinas Kesehatan Provinsi DKI Jakarta) dr. Diana (Yayasan Madani Dompet Peduli - Republika) Proses konsultasi dilakukan lebih membahas pada pembobotan variabel gejala dilihat dari tingkat seberapa besar pengaruh gejala tersebut pada penyakit Paru. Metode konsultasi yang dilakukan menggunakan metode kuisioner dengan respondennya adalah dokter. Data kuisioner adalah data variabel gejala yang didapatkan dari literatur dan hasil dari saringan dokter. Hasil yang didapatkan dari konsultasi tersebut dintunjukkan pada Tabel 2. Tabel 2 Pembobotan data gejala umum penderita Paru No Gejala Bobot berdarah Sakit dinding dada Nafas pendek 5 5. Berat badan menurun Demam berkeringat 5 7. Hilang nafsu makan 5 8. Lemas 5
15 6 Data Data yang digunakan pada penelitian ini adalah data rekam medis dokter dan perawat di Rumah Sakit Pasar Rebo. Data yang diteliti merupakan data gejala umum Paru yang berupa data ordinal gejalagejala Paru. Kemudian untuk mempermudah proses algoritme data ordinal dikonversi menjadi data nominal. Data tersebut berjumlah 191 data yang terbagi menjadi dua kelas, yaitu kelas kelas bukan. Kelas diambil dari pasien Paru rawat inap sebanyak 120 data sedangkan kelas bukan diambil dari pasien yang dirujuk pulang karena kondisi menjelang sembuh sebanyak 71 data. Data yang diambil merupakan data gejala pendukung Pa ru. Kemudian dikonsultasikan dengan pihak dokter sehingga didapatkan relevansi data yang tepat untuk diagnosa penyakti Paru. Praproses Pada tahap ini dilakukan proses pembersihan feature yang datanya kosong untuk tidak dipakai. Pembersihan dilakukan dengan tujuan mendapatkan feature yang betul relevan karena akan mempengaruhi hasil klasifikasi. Pada tahap selanjutnya dilakukan proses konversi data yang bernilai ordinal menjadi data nominal. Proses ini dilakukan agar mempermudah proses perhitungan oleh algoritme. Data latih dan data uji Tahap selanjutnya adalah proses pembagian data menggunakan konsep 3-fold cross validation yaitu membagi data menjadi tiga, masing-masing data sebanyak 120 dengan kombinasi data (40 : 40 : 40) dan data bukan sebanyak 71 dengan kombinasi data (24 : 24 : 23) yang terbagi menjadi data latih dan data uji, seperti yang ditunjukkan pada Tabel 3. Tabel 3 Kombinasi 3-Fold Cross Validation Iterasi Data Latih Data Uji I Subset 1, Subset 2 Subset 3 II Subset 1, Subset 3 Subset 2 III Subset 2, Subset 3 Subset 1 Pelatihan Tahap pelatihan diawali dengan prosedur untuk mencari nilai end point suatu feature. Nilai end point untuk feature numerik (diskret atau kontinu) merupakan nilai maksimum dan nilai minimum sebuah feature, sedangkan end point feature nominal merupakan nilai yang ada pada feature tersebut. Data gejala umum Paru merupakan feature dari masing-masing data pasien. Kriteria positif dan bukan menjadi kelas dari masing-masing data tersebut. Langkah selanjutnya adalah normalisasi. Data pada setiap atribut dihitung sampai dengan didapatkan nilai vote nya. Nilai vote tersebut akan digunakan pada tahap klasifikasi. Klasifikasi Pada tahap ini setiap nilai pada feature diperiksa dan dilihat pada interval berapa nilai tersebut jatuh. Nilai vote yang diberikan setiap kelas untuk setiap feature pada interval yang bersesuaian diambil dan kemudian dijumlahkan. Kelas dengan nilai vote tertinggi menjadi kelas prediksi dari pengujian tersebut. Hasil dari klasifikasi ini akan menghasilkan diagnosa dini penderita dengan keputusan mengarah ke Paru atau tidak. Dikatakan mengarah apabila nilai prediksi lebih besar dari nilai bukan. Akurasi Pengolahan data menggunakan algoritme VFI5 selesai, maka akan diketahui akurasi diagnosa penyakit Paru tersebut. Apabila tingkat akurasi Paru tinggi (mendekati 100%) maka algoritme VFI5 memiliki akurasi yang baik untuk diagnosa penyakit Paru. Proses penghitungan akurasi dapat dilihat pada rumus di bawah ini : Akurasi = Σ data uji benar klasifikasi x 100% Σ total data uji Lingkungan Pengembangan Lingkungan pengembangan ini berbasis web, diimplementasikan menggunakan basisdata MySQL. Perangkat lunak pendukungnya menggunakan PHP dengan pengolahnya yaitu Macromedia
16 7 Dreamwever 8. Adobe Photoshop CS2 sebagai software desainnya. Arah pengembangan sistem diagnosa ini meliputi : 1 Sistem ini berbasis web (internet). Hal ini dilakukan dengan tujuan sistem diagnosa ini dapat diakses dengan mudah oleh pihak-pihak yang bersangkutan dimanapun berada. 2 Koneksi jaringan yang digunakan adalah jaringan telepon atau teknologi mobile. 3 Konten sistem yang digunakan berupa pertanyaan seputar gejala-gejala yang telah ditentukan jenis gejala dan pilihan jawabannya. 4 Teknologi yang dapat digunakan untuk menjalankan sistem ini diantaranya : a Koneksi ke jaringan internet berupa modem b Komputer Pentium III ke atas lengkap dengan browsernya. Perangkat keras yang digunakan pada penelitian ini adalah komputer Notebook dengan spesifikasi sebagai berikut : Processor Intel Pentium IV Dual Core 1,86 GB, HDD 80GB, RAM 512MB. HASIL DAN PEMBAHASAN Pada tahap awal data gejala atau data variabel yang masih berbentuk data ordinal dikonversi menjadi data nominal. Proses ini dilakukan untuk mempermudah proses perhitungan algoritme. Misal data gejala batuk seperti ditunjukkan pada Tabel 4. Tabel 4 Contoh Konversi Data Gejala Gejala Nilai > 3 bulan bulan 3 1 minggu 1 bulan 2 Tidak 1 Proses konversi dilakukan melalui konsultasi dengan dokter menggunakan kuisioner dari gejala-gejala yang telah ditentukan. Hal ini dilakukan karena pihak dokter lebih memahami setiap gejala Paru yang relevan dilihat dari tingkat pengaruh pada setiap gejala. 3-Fold Cross Validation Data yang telah dikonversi kemudian dibagi tiga sesuai dengan konsep 3-Fold Cross Validation. Pembagian data menjadi 3 dapat dilihat pada Tabel 5. Tabel 5 Pembagian Data dengan Metode 3-Fold Cross Validation Gejala Jumlah Data Subset I II III Bukan Jumlah Iterasi pertama Pada iterasi pertama data latih berjumlah 128, masing-masing adalah data subset I dan II dari semua kelas. Sedangkan subset III sebanyak 63 data dijadikan sebagai data uji, seperti yang ditunjukkan pada Tabel 6. Tabel 6 Data Iterasi Pertama Data Latih Data Uji Subset 1 (64 instance) Subset 3 Subset 2 (64 instance) (63 instance) Data tersebut di olah menggunakan algoritme VFI5. Langkah pertama adalah proses training, dimana setiap data dicari nilai minimum & maksimumnya sampai dengan didapatkan nilai vote nya. Akurasi hasil perhitungan iterasi pertama adalah 76% dengan instance yang benar sebanyak 48 dari 63. Tabel 7 Confusion Matrix Iterasi Pertama Aktual Data Prediksi Tidak Tidak 5 23 Jumlah instance yang salah berjumlah 15, masing-masing 10 yang seharusnya diprediksi bukan dan 5 yang seharusnya bukan diprediksi. Hasil penelitian instance-instance yang salah pada iterasi pertama kelas ditunjukkan pada Tabel 8 dan Tabel 9.
17 8 Tabel 8 Data instance salah iterasi pertama kelas No Gejala Pasien 1 Pasien 15 Pasien 17 Pasien 24 Pasien 39 Bukan 1. 9% 91% 58% 42% 9% 91% 9% 91% 9% 91% 2. berdarah 44% 56% 44% 56% 44% 56% 44% 56% 44% 56% Bukan 3. Sakit dinding dada 47% 53% 32% 68% 100 % Bukan Bukan Bukan 0% 47% 53% 47% 53% 4. Nafas pendek 20% 80% 20% 80% 20% 80% 89% 11% 20% 80% 5. Berat badan menurun 53% 47% 53% 47% 53% 47% 53% 47% 53% 47% 6. Demam berkeringat 80% 20% 57% 43% 42% 58% 42% 58% 80% 20% 7. Hilang nafsu makan 48% 52% 48% 52% 48% 52% 48% 52% 48% 52% 8. Lemas 66% 34% 66% 34% 66% 34% 66% 34% 66% 34% Akurasi 43% 57% 47% 53% 49% 51% 46% 54% 43% 57% Pada pasien 1 gejala yang menentukan seseorang diprediksi adalah gejala berat badan menurun, demam berkeringat, dan lemas. Nilai dari gejala tersebut masingmasing 53%, 80%, dan 66%. Nilai gejala tertinggi hanya ada pada gejala demam berkeringat, sedangkan pada berat badan dan lemas nilainya kecil ditambah bobot dari gejala-gejala tersebut bernilai kecil. Artinya pasien prediksi hanya dipengaruhi oleh 1 gejala yaitu berat badan menurun. Hal ini menunjukkan bahwa pasien tidak dapat diprediksi hanya dengan gejala berat badan menurun. Gejala yang menentukan seseorang diprediksi pada pasien 15 adalah variabel batuk, berat badan menurun, demam berkeringat, dan lemas. Nilai gejala prediksi pada pasien 15 rata-rata bernilai kecil, sehingga sulit diprediksi pasien tersebut. Pada pasien 17 gejala yang diprediksi adalah sakit dinding dada, berat badan menurun, dan lemas. Nilai tertinggi hanya ada pada gejala sakit dinding dada dengan nilai 100%, akan tetapi gejala tersebut tidak terlalu berpengaruh untuk memprediksi pasien tersebut. Prediksi pada pasien 24 ditentukan oleh gejala nafas pendek, berat badan menurun, dan lemas. Nilai tertinggi hanya ada pada satu gejala, yaitu nafas pendek. Hal ini tidak dapat dijadikan sebagai bahan prediksi. Pada pasien 39 prediksi ditentukan oleh gejala berat badan menurun, demam berkeringat, dan lemas. Nilai tertingginya hanya pada gejala demam berkeringat, dan ini tidak dapat dijadikan sebagai prediksi. Pada Tabel 8 dapat disimpulkan bahwa salah prediksi yang terjadi disebabkan oleh : 1 Gejala yang diprediksi adalah gejala yang mempunyai bobot kecil, seperti nafas pendek, demam berkeringat, dan lemas. 2 Rata-rata hanya satu gejala yang mempunyai presentasi tinggi, selebihnya bernilai kurang dari 60%. Tabel 9 Data instance salah iterasi pertama kelas bukan. No Gejala Pasien 42 Pasien 46 Pasien 49 Bukan Pada pasien 42 gejala yang memprediksi bukan adalah batuk berdarah dan sakit dinding dada. Nilai pada gejala-gejala tersebut sangat kecil yaitu 56% 53%. Hal ini sulit dijadikan sebagai prediksi pasien bukan karena rata-rata gejala mengarah ke. Bukan Bukan 1. 58% 42% 100% 0% 100% 0% berdarah 44% 56% 0% 100% 44% 56% Sakit dinding 47% 53% 47% 53% 47% 53% dada Nafas pendek 89% 11% 100% 0% 89% 11% Berat badan 53% 47% 53% 47% 53% 47% menurun Demam 57% berkeringat 43% 80% 20% 57% 43% Hilang nafsu 48% 52% 48% 52% 48% 52% makan 8. Lemas 66% 34% 66% 34% 37% 63% Akurasi 55% 45% 58% 42% 60% 40%
18 9 Gejala yang memprediksi tidak pada pasien 46 adalah batuk berdarah, sakit dinding dada, dan, hilang nafsu makan. Nilai tertinggi hanya ada pada gejala batuk berdarah. Hal ini tidak dapat dijadikan sebagai prediksi pasien bukan karena satu gejala tidak dapat dijadikan sebagai penentu. Pada pasien 49 gejala yang memprediksi tidak adalah batuk bedarah, sakit dinding dada, dan lemas. Nilai pada masing-masing variabel tersebut tergolong kecil, yaitu 53persen, 56persen, 52%, dan 66%. Hal ini menunjukkan bahwa gejala-gejala tersebut tidak dapat dijadikan sebagai indikator penentu pasien tidak. Pada Tabel 9 dapat disimpulkan bahwa prediksi bukan yaitu gejala-gejala yang rata-rata nilainya kecil dan juga hanya ditentukan oleh 1 gejala. Pada iterasi pertama dapat diambil kesimpulan bahwa prediksi atau bukan sangat dipengaruhi oleh jumlah, bobot, dan nilai dari masing-masing gejala. Iterasi kedua Pada tahap ini dilakukan proses yang sama dengan iterasi pertama, hanya data uji dan data latih yang digunakan berbeda. Data latih dan data uji untuk iterasi kedua dapat dilihat pada Tabel 10. Tabel 10 Data iterasi kedua Data Latih Data Uji Subset 1 (64 instance) Subset 2 Subset 3 (63 instance) (64 instance) Hasil pengolahan dari iterasi kedua menghasilkan akurasi sebesar 84% dengan jumlah instance yang benar sebanyak 54 dari 64 instance. Tabel 11 Confusion matrix Iterasi kedua Aktual Data Prediksi Tidak 40 7 Tidak 3 24 Pada iterasi kedua nilai akurasi Algoritme VFI5 sebesar 84%. Instance yang salah berjumlah 10, masing-masing 7 yang seharusnya di, diprediksi bukan dan 3 yang seharusnya bukan, diprediksi. Data instance salah iterasi kedua ditunjukkan pada Tabel 12 dan Tabel 13. Tabel 12 Data instance salah iterasi kedua kelas No Gejala Pasien 8 Pasien 15 Bukan Bukan 1. 57% 43% 57% 43% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 41% 59% 41% 59% 45% 55% 45% 55% 29% 71% 29% 71% 51% 49% 51% 49% 44% 56% 37% 63% 49% 51% 49% 51% 8. Lemas 32% 68% 71% 29% Akurasi 45% 55% 48% 52% Tabel 13 Data instance salah iterasi kedua kelas No Gejala Pasien 19 Pasien 26 Bukan Bukan 1. 75% 25% 23% 77% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 41% 59% 41% 59% 45% 55% 16% 84% 29% 71% 29% 71% 51% 49% 49% 51% 44% 56% 37% 63% 49% 51% 49% 51% 8. Lemas 32% 68% 32% 68% Akurasi 48% 52% 34% 66% Pada pasien 8 gejala yang memprediksi adalah batuk dan berat badan menurun. Nilai dari masing-masing gejala tersebut masih kecil, yaitu 57% dan 51%. Hal ini tidak dapat gejala-gejala tersebut tidak dapat dijadikan prediksi. Pada pasien 15 nilai tertinggi gejala yaitu pada gejala lemas saja, hal ini tidak dapat menjadi penentu prediksi pasien tersebut. Pada pasien 19 nilai tertinggi gejala yang memprediksi hanya pada gejala batuk saja, hal ini sama seperti pada pasien 15 tidak dapat menjadi acuan prediksi.
19 10 Pada pasien 26 tidak ada sama sekali nilai di atas 50%. Hal ini sudah pasti gejalagejala tersebut lebih mengarah pada prediksi bukan. Pada Tabel 12 dan 13 prediksi ditunjukkan dengan gejala yang rata-rata nilainya kecil. Hal ini menjadi alasan salah prediksi untuk pasien pada iterasi kedua. Tabel 14 Data instance salah iterasi kedua kelas bukan No Gejala Pasien 52 Pasien 53 Pasien 59 Bukan Bukan Bukan 1. 57% 43% 57% 43% 87% 13% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 41% 59% 41% 59% 91% 9% 45% 55% 45% 55% 45% 55% 75% 25% 29% 71% 29% 71% 51% 49% 51% 49% 51% 49% 44% 56% 85% 15% 44% 56% 49% 51% 49% 51% 49% 51% 8. Lemas 71% 29% 71% 29% 32% 68% Akurasi 52% 48% 52% 48% 59% 41% Pada pasien 52, gejala prediksi bukan adalah batuk berdarah, sakit dinding dada, demam berkeringat, dan hilang nafsu makan. Nilai pada gejala-gejala tersebut masih dibawah 60%, hal ini menunjukkan bahwa gejala-gejala tersebut tidak dapat menjadi prediksi pasien bukan. Pada pasien 53, gejala bukan yang mempunyai nilai tertinggi adalah nafas pendek sebesar 71%. Nafas pendek merupakan gejala yang mempunyai bobot kecil, sehingga nafas pendek tidak dapat dijadikan sebagai prediksi pasien bukan. Pada pasien 59, gejala prediksi bukan tertinggi adalah pada gejala nafas pendek dan gejala lemas. Gejala nafas pendek dan lemas merupakan gejala yang nilai bobotnya kecil, sehingga gejala tersebut tidak dapat dijadikan sebagai prediksi pasien bukan. Pada Tabel 12, 13, dan 14 menunjukkan bahwa iterasi kedua untuk prediksi atau bukan rata-rata ditentukan oleh gejala nafas pendek. Hal ini menunjukkan bahwa nafas pendek tidak dapat dijadikan sebagai prediksi, selain merupakan gejala umum juga nafas pendek juga mempnyai nilai bobot yang kecil. Iterasi ketiga Pada iterasi ketiga dilakukan kembali proses cross validation dengan data latih menggunakan subset 2 dan subset 3, sedangkan data uji nya menggunakan subset 1. Jumlah instance yang dijadikan data latih dan data uji ditunjukkan pada Tabel 15. Tabel 15 Data iterasi ketiga Data Latih Data Uji Subset 2 (64 instance) Subset 1 Subset 3 (63 instance) (64 instance) Iterasi ketiga merupakan iterasi terakhir yang dilakukan pada penelitian ini. Hasil akurasi pada iterasi ketiga adalah 89% dengan jumlah instance yang benar adalah 57 dari 64 instance. Tabel 16 Confusion matrix iterasi ketiga Aktual Data Prediksi Tidak 40 5 Tidak 2 24 Pada iterasi ketiga nilai akurasi Algoritme VFI5 sebesar 89%. Instance yang salah berjumlah 7, masing-masing 5 instance yang seharusnya, diprediksi bukan dan 3 instance yang seharusnya bukan, diprediksi. Tujuh data instance yang salah prediksi ditunjukkan pada Tabel 17 dan18. Tabel 17 Data instance salah iterasi ketiga kelas No Gejala Pasien 3 Pasien 5 Bukan Bukan 1. 47% 53% 47% 53% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 44% 56% 44% 56% 45% 55% 45% 55% 73% 27% 73% 27% 16% 84% 16% 84% 45% 55% 45% 55% 50% 50% 50% 50% 8. Lemas 60% 40% 42% 58% Akurasi 44% 56% 43% 57%
20 11 Tabel 18 Data instance salah iterasi ketiga kelas No Gejala Pasien 11 Pasien 21 Bukan Bukan 1. 37% 63% 47% 53% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 44% 56% 44% 56% 45% 55% 45% 55% 31% 69% 73% 27% 53% 47% 16% 84% 45% 55% 45% 55% 50% 50% 50% 50% 8. Lemas 60% 40% 42% 58% Akurasi 45% 55% 43% 57% Pada pasien 3 gejala yang diprediksi adalah gejala nafas pendek dan lemas, masing-masing 73% dan 60%. Nilai tersebut masih belum dapat dijadikan indikator pasien dinayatakan karena dua gejala tersebut merupakan gejala yang nilai bobotnya kecil. Nilai yang di atas 60% hanya satu gejala yaitu nafas pendek saja. Pada pasien 5 gejala yang diprediksi dengan nilai tertinggi hanya ada pada gejala nafas pendek sebesar 73%. Artinya satu gejala tidak dapat dijadikan sebagai penentu prediksi. Pada pasien 11 nilai gejala prediksi rata-rata di bawah 60%. Hal ini menunjukkan bahwa gejala-gejala tersebut masih sangat kecil kemungkinan untuk dikategorikan pasien tersebut. Pada pasien 21 kondisinya hampir sama dengan pasien 5 gejala yang diprediksi dengan nilai tertinggi hanya ada pada gejala nafas pendek sebesar 73%. Artinya satu gejala tidak dapat dijadikan sebagai penentu prediksi. Pada Tabel 17 dan 18 rata-rata gejala nafas pendek menjadi faktor yang membuat prediksi salah. Nilai gejala nafas pendek cukup tinggi dengan rata-rata lebih dari 60%, akan tetapi gejala tersebut timbu sendiri tidak diikuti oleh gejala lainyang nilainya tinggi. Hal ini dapat disimpulkan bahwa nafas pendek dan satu gejala pada prediksi tidak dapat dijadikan sebagai prediksi. Tabel 19 Data instance salah iterasi ketiga kelas bukan No Gejala Pasien 42 Pasien 51 Bukan Bukan 1. 42% 58% 37% 63% berdarah Sakit dinding dada Nafas pendek Berat badan menurun Demam ber keringat Hilang nafsu makan 50% 50% 95% 5% 45% 55% 45% 55% 53% 47% 31% 69% 31% 69% 53% 47% 45% 55% 45% 55% 95% 5% 50% 50% 8. Lemas 37% 63% 42% 58% Akurasi 52% 48% 52% 48% Pada pasien 42 gejala yang diprediksi bukan dengan nilai lebih dari 60% adalah berat badan menurun dan lemas, masing-masing 69% dan 63%. Nilai-nilai tersebut tidak dapat dijadikan sebagai indikator pasien diprediksi bukan karena gejala lemas merupakan gejala dengan nilai bobot rendah dan juga nilainya hanya 63%. Pada pasien 51 nilai gejala prediksi bukan yang di atas 60% yaitu pada batuk dan nafas pendek. Nilai dari masing-masing gejala tersebut adalah 63% dan 69%. Nilai tertinggi yaitu pada gejala nafas pendek, hal ini tidak dapat dijadikan sebagai indikator penentu prediksi pasien bukan, selain nilai gejala tersebut masih kecil juga gejala nafas pendek merupakan gejala yang mempunyai nilai bobot rendah. Pada iterasi ketiga, kesalahan instance rata-rata ditunjukkan dengan data gejala berat nafas pendek. Gejala-gejala lain dilura nafas pendek rata-rata bernilai di bawah 60%. Hal ini dapat disimpulkan bahwa prediksi atau bukan tidak dapat ditentukan oleh satu gejala, terlebih gejala tersebut mempunyai nilai bobot rendah, seperti gejala nafas pendek. Akurasi Hasil dari ketiga iterasi tersebut dirataratakan sehingga menghasilkan akurasi sebesar 83% seperti ditunjukkan pada Tabel 20.
21 12 Tabel 20 Hasil rata-rata dari semua iterasi Gejala Jumlah data uji Jumlah data latih Akurasi Iterasi I % Iterasi II % Iterasi III % Rata-rata 83% Dari ketiga iterasi ini menunjukkan bahwa akurasi diagnosa penyakit Tuberkulosis menggunakan VFI5 dengan 3- Fold Cross Validation sebesar 83%. Gambar 6 Grafik akurasi setiap iterasi Data gejala penentu atau tidak ditentukan tidak hanya oleh satu variabel, melainkan lebih dari satu variabel. Variabel yang mempunyai prediksi tinggi yaitu pada variabel batuk, batuk berdarah, dan berat badan menurun. Hal ini terbukti dari beberapa iterasi yang instance nya salah gejala-gejala tersebut mempunyai nilai tinggi pada hasil sebaliknya. Gejala tersebut juga memiliki nilai bobot cukup tinggi dibandingkan dengan gejala-gejala lainnya walaupun nilainya tinggi. KESIMPULAN DAN SARAN Kesimpulan Algoritme VFI5 masih termasuk algoritme yang mempunyai akurasi baik pada penelitian diagnosa penyakit. Pada penelitian ini akurasi yang didapatkan masih belum maksimal dengan nilai masingmasing iterasi pertama sampai dengan ketiga (76%, 84%, dan 89%), sehingga didapatkan rata-rata 83%. Gejala umum Paru memiliki ke khasan dari gejala-gejala penyakit lainnya, seperti batuk, batuk berdarah, dan berat badan menurun. Dengan algoritme VFI5 dapat diperkirakan seseorang mengarah ke atau tidak dengan melihat hasil diagnosa tersebut. Saran Penelitian ini dapat dijadikan referensi yang dapat dikembangkan sebagai metode diagnosa dini penyakit khususnya penyakit Paru di Indonesia. Untuk penelitian selanjutnya dapat digunakan sumber data lain, misalnya data rekam medis di rumah sakit Persahabatan atau di rumah sakit paru Ciawi - Bogor. Penelitian selanjutnya dapat ditingkatkan dengan pemberikan bobot pada setiap variabel, sehingga akurasi yang didapatkan lebih tinggi. DAFTAR PUSTAKA Aritonang, Rosida Klasifikasi Imbalance Data Menggunakan Algoritme Voting Feature Intervals[skripsi]. Bogor : Departemen Ilmu Komputer, Institut Pertanian Bogor. Crofton, John Tuberkulosis Klinis, Jakarta : Penerbit Widya Medika Demiroz G, Guvenir HA, Classification by Voting Feature Intervals. ~ecl/papers/miros97classification.pdf. Depkes Pedoman Nasional Penanggulangan Tuberkulosis Jakarta. Fu L Neural Network in Computers Intelligence. Singapura : McGraw-Hill. Guvenir An expert system for the differential diagnosis of erythematosquamous diseases. Turki : Department of Computer Engineering, Bilkent University. Girsang, Merriyani Evaluasi Program DOTS (Directly Observed Treatment, Shorcourse Chemotherapy) [tesis]. Jogjakarta : Universitas Gajah Mada.
22 13 Hamilton H, Gurak E, Findlater L Confusion Matrix. cs. uregina.ca/ ~dbd/cs831/notes/confusion_ matrix/confusion_matrix.html. Han J, Kamber M Data Mining Concepts & Techniques. USA : Academic Press. Iqbal, Muhammad Klasifikasi Pasien Suspect Parvo dan Distemper Pada Data Rekam Medik Rumah Sakit Hewan IPB Menggunakan Algoritme Voting Feature Intervals[skripsi]. Bogor : Departemen Ilmu Komputer, Institut Pertanian Bogor. Syafii, Muhammad Adaftive Neuro Fuzzy Inference System (ANFIS) Untuk Diagnosa dan Tatalaksana Penyakit Demam Berdarah Dengue [tesis]. Bogor : Departemen Ilmu Komputer, Institut Pertanian Bogor.
23 LAMPIRAN 14
24 15 Lampiran 1 Kuisioner pembobotan variabel Bobot variabel gejala Paru adalah Penilaian subjektif dokter terhadap tingkat pengaruh antar gejala penyakit Paru. Range Bobot (0 10) No Gejala Bobot Keterangan 1 2 berdarah 3 Sakit dinding dada 4 Nafas pendek 5 Berat badan menurun 6 Demam berkeringat 7 Hilang nafsu makan 8 Lemas Jakarta, Februari 2009 Penilai ( )
25 16 Lampiran 2 Konversi nilai dari setiap variabel No Variabel Nilai 1 a. Tidak 1 b. 1 Minggu - < bulan 2 c. 1 bulan - < 3 bulan 3 d. > 3bulan 4 2 Berdarah a. Keluar darah < 1 minggu 2 b. Keluar darah 1 minggu - 3 Minggu 3 c. Keluar darah > 3 Minggu 4 d. Tidak keluar darah 1 3 Sakit Dinding dada a. Sakit dada 2 b. Sakit dada setiap batuk 4 c. Sakit dada sebelah kiri 3 d. Tidak sakit dada 1 4 Napas Pendek a. < 1 minggu 2 b. > 1 minggu - 1 bln 3 c. > 1 bulan 4 d. Tidak Sesak napas 1 5 Demam + Keringat Malam a. < 1 minggu 2 b. 1 minggu - 1 bln 3 c. > 1 bulan 4 d. Tidak Demam/Keringat 1 6 Hilang Napsu Makan a. Ya 2 b. Tidak 1 7 Berat Badan Menurun a. Ya 2 b. Tidak 1 8 Lemas a. Tidak Lemas 1 b. 1-2 Minggu 2 c. > 2 Minggu 3
26 17 Lampiran 3 Data pasien rawat inap Rumah Sakit Pasar Rebo tahun 2008 No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Ber- keringat Hilang Nafsu Makan Lemas Kelas
27 18 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Ber- keringat Hilang Nafsu Makan Lemas Kelas
28 19 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Ber- keringat Hilang Nafsu Makan Lemas Kelas
29 20 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Ber- keringat Hilang Nafsu Makan Lemas Kelas
30 21 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Ber- keringat Hilang Nafsu Makan Lemas Kelas
31 22 Lampiran 4 Data testing iterasi I No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas
32 23 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas Lampiran 5 Data testing iterasi II No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas
33 24 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas
34 25 Lampiran 6 Data testing iterasi III No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas
35 26 Lanjutan No Berdarah Sakit Dinding Dada Nafas Pendek Berat Badan Turun Demam & Berkeringat Hilang Nafsu Makan Lemas Kelas Lampiran 7 Instance salah iterasi I Kelas No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan ,2% 56,8% ,5% 56,5% ,9% 51,1% ,8% 54,2% ,6% 51,4% ,8% 54,2% ,8% 54,2% ,2% 56,8%
36 27 Lampiran 8 Instance salah iterasi I Kelas Bukan No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan ,1% 48,9% ,0% 46,0% ,0% 48,0% ,7% 43,3% ,5% 49,5% Lampiran 9 Instance salah iterasi II Kelas No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan % 55% % 51% % 52% % 52% % 66% % 51% % 51% Lampiran 10 Instance salah iterasi II Kelas Bukan No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan % 48% % 48% % 41%
37 28 Lampiran 11 Instance salah iterasi III Kelas No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan % 57% % 54% % 51% % 51% % 55% Lampiran 12 Instance salah iterasi III Kelas Bukan No Berdarah Sakit dinding dada Napas Pendek Berat Badan Menurun Demam & Berkeringat Hilang Nafsu Makan lemas kelas Bukan % 48% % 48% Lampiran 13 Confusion Matrix Iterasi Pertama Aktual Data Prediksi Tidak Tidak 5 23 Lampiran 14 Confusion Matrix Iterasi Kedua Aktual Data Prediksi Tidak 40 7 Tidak 3 24 Lampiran 15 Confusion Matrix Iterasi Ketiga Aktual Data Prediksi Tidak 40 5 Tidak 2 24
38 29 Lampiran 16 Halaman utama sistem Lampiran 17 Halaman training sistem
39 30 Lampiran 18 Halaman testing sistem Lampiran 19 Halaman simulasi sistem
40 31 Lampiran 20 Halaman akurasi simulasi sistem Lampiran 21 Halaman utama publik
PENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Klasifikasi merupakan salah satu bidang kajian pada machine learning. Klasifikasi adalah proses menemukan sekumpulan model atau fungsi yang menggambarkan dan membedakan konsep
Lebih terperinciPREDIKSI PENYAKIT PARU MENGGUNAKAN ALGORITME VOTING FEATURE INTERVALS 5 DENGAN BOBOT FITUR TIDAK SERAGAM DISTY TATA CERIA
PREDIKSI PENYAKIT PARU MENGGUNAKAN ALGORITME VOTING FEATURE INTERVALS 5 DENGAN BOBOT FITUR TIDAK SERAGAM DISTY TATA CERIA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciEKSPLORASI METODE PENENTUAN NILAI END POINT PADA ALGORITMA VOTING FEATURE INTERVALS 5 SETA BAEHERA
EKSPLORASI METODE PENENTUAN NILAI END POINT PADA ALGORITMA VOTING FEATURE INTERVALS 5 SETA BAEHERA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009 EKSPLORASI
Lebih terperinciPENGARUH INCOMPLETE DATA TERHADAP AKURASI VOTING FEATURE INTERVALS-5 (VFI5) ABSTRAK
PENGARUH INCOMPLETE DATA TERHADAP AKURASI VOTING FEATURE INTERVALS-5 (VFI5) Atik Pawestri Sulistyo 1, Aziz Kustiyo 1, Agus Buono 2 1 Departemen Ilmu Komputer, Fakultas Matematika dan IPA Institut Pertanian
Lebih terperinciBAB I PENDAHULUAN. mengisi rongga dada, terletak disebelah kanan dan kiri dan ditengah
BAB I PENDAHULUAN A. Latar Belakang Paru adalah struktur elastik yang dibungkus dalam sangkar thoraks, yang merupakan suatu bilik udara kuat dengan dinding yang dapat menahan tekanan. Paru-paru ada dua,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis yang pada umumnya menyerang jaringan paru, tetapi dapat menyerang organ
Lebih terperinciSAFII, 2015 GAMBARAN KEPATUHAN PASIEN TUBERKULOSIS PARU TERHADAP REGIMEN TERAPEUTIK DI PUSKESMAS PADASUKA KECAMATAN CIBEUNYING KIDUL KOTA BANDUNG
BAB I PENDAHULUAN A. Latar Belakang Masalah Tuberkulosis (Tb) merupakan penyakit menular bahkan bisa menyebabkan kematian, penyakit ini menyebar melalui droplet orang yang telah terinfeksi basil tuberkulosis
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
1.1 Latar belakang BAB I PENDAHULUAN Paru-paru adalah organ penting yang merupakan salah satu organ vital bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan, karena dapat memenuhi
Lebih terperinciS T O P T U B E R K U L O S I S
PERKUMPULAN PELITA INDONESIA helping people to help themselves * D I V I S I K E S E H A T A N * S T O P T U B E R K U L O S I S INGAT 4M : 1. MENGETAHUI 2. MENCEGAH 3. MENGOBATI 4. MEMBERANTAS PROGRAM
Lebih terperinciKLASIFIKASI PASIEN SUSPECT PARVO DAN DISTEMPER PADA DATA REKAM MEDIK RUMAH SAKIT HEWAN IPB MENGGUNAKAN VOTING FEATURE INTERVALS ABSTRAK
1 KLASIFIKASI PASIEN SUSPECT PARVO DAN DISTEMPER PADA DATA REKAM MEDIK RUMAH SAKIT HEWAN IPB MENGGUNAKAN VOTING FEATURE INTERVALS Muhammad Iqbal 1, Aziz Kustiyo 1, Ekowati Handharyani 2 1 Departemen Ilmu
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Penelitian mengenai pengenalan wajah termotivasi oleh banyaknya aplikasi praktis yang diperlukan dalam identifikasi wajah. Pengenalan wajah sebagai salah satu dari teknologi
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. Tuberkulosis (TB) adalah penyakit infeksi menular langsung yang
1 BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis (TB) adalah penyakit infeksi menular langsung yang disebabkan oleh Mycobacterium tuberculosis. Kuman ini paling sering menyerang organ paru dengan sumber
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis masih menjadi masalah kesehatan dunia. Pada tahun 2012 diperkirakan 8,6 juta orang terinfeksi TB dan 1,3 juta orang meninggal karena penyakit ini (termasuk
Lebih terperinciBAB 1 PENDAHULUAN. karena penularannya mudah dan cepat, juga membutuhkan waktu yang lama
BAB 1 PENDAHULUAN A. Latar Belakang Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh Mycobacterium tuberkulosis. Penyakit ini umumnya menyerang pada paru, tetapi juga dapat menyerang bagian
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciMateri Penyuluhan Konsep Tuberkulosis Paru
1.1 Pengertian Materi Penyuluhan Konsep Tuberkulosis Paru Tuberkulosis (TB) adalah penyakit infeksi menular yang disebabkan oleh Mycobacterium tuberculosis. Tuberkulosis paru adalah penyakit infeksi kronis
Lebih terperinciBAB I PENDAHULUAN. (Thomas, 2004). Ada beberapa klasifikasi utama patogen yang dapat
BAB I PENDAHULUAN A. Latar Belakang Penyakit infeksius dapat disebabkan oleh invasi organisme mikroskopik yang disebut patogen. Patogen adalah organisme atau substansi seperti bakteri, virus, atau parasit
Lebih terperinciKUESIONER PENGARUH PROMOSI KESEHATAN TERHADAP PERILAKU PENCEGAHAN TUBERKULOSIS PARU DI LEMBAGA PEMASYARAKATAN KELAS 1 DAN RUMAH TAHANAN KELAS 1 MEDAN
KUESIONER PENGARUH PROMOSI KESEHATAN TERHADAP PERILAKU PENCEGAHAN TUBERKULOSIS PARU DI LEMBAGA PEMASYARAKATAN KELAS 1 DAN RUMAH TAHANAN KELAS 1 MEDAN NOMOR RESPONDEN PETUNJUK PENGISIAN KUESIONER Berikut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis (TB) adalah suatu penyakit infeksi menular yang disebabkan oleh bakteri Mycobacterium tuberculosis, yang dapat menyerang berbagai organ, terutama paru-paru.
Lebih terperinciDIAGNOSIS GANGGUAN SISTEM URINARI PADA ANJING DAN KUCING MENGGUNAKAN VFI 5. Oleh: DHANY NUGRAHA RAMDHANY G
DIAGNOSIS GANGGUAN SISTEM URINARI PADA ANJING DAN KUCING MENGGUNAKAN VFI 5 Oleh: DHANY NUGRAHA RAMDHANY G64353 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB I PENDAHULUAN. meningkatkan kesejahteraan rakyat secara menyeluruh. Pemberantasan penyakit. berperanan penting dalam menurunkan angka kesakitan
BAB I PENDAHULUAN 1.1. Latar Belakang Pembangunan kesehatan merupakan bagian dari pembangunan nasional yang dilaksanakan secara bertahap dan berkesinambungan serta ditujukan untuk meningkatkan kesejahteraan
Lebih terperinciBAB I. PENDAHULUAN. Latar Belakang
BAB I. PENDAHULUAN 1.1 Latar Belakang Tuberkulosis adalah suatu penyakit infeksi menular yang disebabkan oleh basil Mycobacterium tuberculosis (Kumar dan Clark, 2012). Tuberkulosis (TB) merupakan salah
Lebih terperinciMETODE PENELITIAN HASIL DAN PEMBAHASAN
5. Oleh karena itu untuk meningkatkan akurasinya, proses learning harus dihentikan lebih awal atau melakukan pemotongan tree secara umum. Untuk itu diberikan 2 (dua) buah threshold yang harus dipenuhi
Lebih terperinciBAB I PENDAHULUAN. dari golongan penyakit infeksi. Pemutusan rantai penularan dilakukan. masa pengobatan dalam rangka mengurangi bahkan kalau dapat
1 BAB I PENDAHULUAN 1.1.Latar Belakang Penyakit tuberkulosis (TB Paru) sampai saat ini masih masih menjadi masalah kesehatan masyarakat, dimana hasil Survai Kesehatan Rumah Tangga (SKRT) tahun 1995 menunjukan
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik merupakan ilmu pengetahuan yang membangun identitas seseorang berdasarkan sifat-sifat fisik, kimiawi, ataupun kebiasaan seseorang. Sistem biometrik dapat menggunakan
Lebih terperinciBAB 1 PENDAHULUAN. Penyakit Tuberkulosis paru merupakan penyakit infeksi yang masih menjadi
BAB 1 PENDAHULUAN 1.1. Latar Belakang Penyakit Tuberkulosis paru merupakan penyakit infeksi yang masih menjadi masalah kesehatan Masyarakat. Tuberkulosis (TB) adalah suatu penyakit infeksi yang disebabkan
Lebih terperinciBAB I PENDAHULUAN. Tuberkulosis (TB) yang disebabkan oleh Mycobacterium tuberculosis merupakan
BAB I PENDAHULUAN 1.1. Latar Belakang Penyakit menular adalah salah satu permasalahan kesehatan yang masih sulit ditanggulangi, baik itu penyakit menular langsung maupun tidak langsung. Tuberkulosis (TB)
Lebih terperinciBAB 1 PENDAHULUAN. masyarakat dunia. Setiap tahunnya, TB Paru menyebabkan hampir dua juta
BAB 1 PENDAHULUAN 1.1. Latar Belakang TB Paru adalah salah satu masalah kesehatan yang harus dihadapi masyarakat dunia. Setiap tahunnya, TB Paru menyebabkan hampir dua juta kematian, dan diperkirakan saat
Lebih terperinciDIAGNOSIS PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN VOTING FEATURE INTERVALS 5 ARISTI IMKA APNIASARI G
DIAGNOSIS PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN VOTING FEATURE INTERVALS 5 ARISTI IMKA APNIASARI G64103027 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB I PENDAHULUAN. menular (dengan Bakteri Asam positif) (WHO), 2010). Tuberkulosis merupakan masalah kesehatan global utama dengan tingkat
BAB I PENDAHULUAN A. Latar Belakang Penyakit Tuberkulosis (TB) merupakan masalah kesehatan yang penting saat ini. WHO menyatakan bahwa sekitar sepertiga penduduk dunia tlah terinfeksi kuman Tuberkulosis.
Lebih terperinciBAB I PENDAHULUAN. yang dapat menimbulkan komplikasi kesakitan (morbiditas) dan kematian
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit tuberkulosis paru masih merupakan masalah utama kesehatan yang dapat menimbulkan komplikasi kesakitan (morbiditas) dan kematian (mortalitas) (FK-UI, 2002).
Lebih terperinciDIAGNOSIS GANGGUAN SISTEM URINARI PADA ANJING DAN KUCING MENGGUNAKAN VFI 5. Abstrak
DIAOSIS AUA SISTEM URIARI PADA AJI DA KUCI MEUAKA VFI 5 Dhany ugraha Ramdhany 1, Aziz Kustiyo 2, Ekowati Handharyani 3, dan Agus Buono 4 1, 2, 4 Departemen Ilmu Komputer, FMIPA, IPB, Kampus IPB Darmaga
Lebih terperinciBAB I PENDAHULUAN. Diperkirakan sekitar 2 miliar atau sepertiga dari jumlah penduduk dunia telah
BAB I PENDAHULUAN 1.1. Latar Belakang Diperkirakan sekitar 2 miliar atau sepertiga dari jumlah penduduk dunia telah terinfeksi oleh kuman Mycobacterium tuberculosis pada tahun 2007 dan ada 9,2 juta penderita
Lebih terperinciBAB 1 PENDAHULUAN A. Latar Belakang
BAB 1 PENDAHULUAN A. Latar Belakang TBC merupakan penyakit yang sangat membahayakan, karena di dalam paru-paru kita terdapat kuman mycrobacterium tuberculosis, yang apabila di biarkan, kuman tersebut akan
Lebih terperinciBAB I PENDAHULUAN. sebabkan oleh Mycobacterium tuberkulosis yang sampai saat ini menjadi masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis paru (Tb paru) adalah penyakit infeksi menular yang di sebabkan oleh Mycobacterium tuberkulosis yang sampai saat ini menjadi masalah kesehatan penting
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis (TB) masuk dalam kategori penyakit infeksi yang bersifat kronik. TB menular langsung melalui udara yang tercemar basil Mycobakterium tuberculosis, sehingga
Lebih terperinciKLASIFIKASI DEBITUR KARTU KREDIT DENGAN PEMILIHAN FITUR MENGGUNAKAN VOTING FEATURE INTERVALS 5 SRI RAHAYU NATASIA
KLASIFIKASI DEBITUR KARTU KREDIT DENGAN PEMILIHAN FITUR MENGGUNAKAN VOTING FEATURE INTERVALS 5 SRI RAHAYU NATASIA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciTuberkulosis (TB) adalah penyakit yang sudah ada sejak zaman purbakala. Hal ini terbukti dari penemuan-penemuan kuno seperti sisa-sisa tulang belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tuberkulosis (TB) adalah penyakit yang sudah ada sejak zaman purbakala. Hal ini terbukti dari penemuan-penemuan kuno seperti sisa-sisa tulang belakang manusia dengan
Lebih terperinciBAB I PENDAHULUAN. Mycobacterium Tuberculosis, sejenis bakteri berbentuk batang (basil) tahan asam
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Tuberkulosis (TB) paru adalah penyakit infeksi kronis yang disebabkan oleh Mycobacterium Tuberculosis, sejenis bakteri berbentuk batang (basil) tahan asam
Lebih terperinciBAB II TINJAUAN PUSTAKA. Mycobacterium tuberculosis dan menular secara langsung. Mycobacterium
BAB II TINJAUAN PUSTAKA 2.1 Etiologi dan Patogenesis Tuberkulosis Paru Tuberkulosis paru adalah penyakit infeksi kronis yang disebabkan oleh Mycobacterium tuberculosis dan menular secara langsung. Mycobacterium
Lebih terperinciKUESIONER PENELITIAN SKRIPSI HUBUNGAN PENGETAHUAN PENDERITA TENTANG TUBERKULOSIS PARU DENGAN PERILAKU KEPATUHAN MINUM OBAT
KUESIONER PENELITIAN SKRIPSI HUBUNGAN PENGETAHUAN PENDERITA TENTANG TUBERKULOSIS PARU DENGAN PERILAKU KEPATUHAN MINUM OBAT DI PUSKESMAS CURUG TANGERANG Pengantar : Dengan hormat, nama saya Ade Atik, mahasiswa
Lebih terperinciBAB I PENDAHULUAN. ditemukannya kuman penyebab tuberkulosis oleh Robert Koch tahun 1882
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit TB Paru telah dikenal lebih dari satu abad yang lalu, yakni sejak ditemukannya kuman penyebab tuberkulosis oleh Robert Koch tahun 1882 menurut (Mansjoer,
Lebih terperinciBAB I PENDAHULUAN. masyarakat di dunia, terutama di negara-negara berkembang termasuk Indonesia.
BAB I PENDAHULUAN 1.1. Latar Belakang Tuberkulosis (TB) sampai saat ini masih menjadi masalah kesehatan masyarakat di dunia, terutama di negara-negara berkembang termasuk Indonesia. Penyakit ini merupakan
Lebih terperinciBAB I PENDAHULUAN. kesehatan masyarakat di dunia termasuk Indonesia. World. Health Organization (WHO) dalam Annual report on global TB
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Penyakit Tuberkulosis (TB) adalah penyakit infeksi kronis menular yang masih tetap merupakan masalah kesehatan masyarakat di dunia termasuk Indonesia. World Health
Lebih terperinciBAB 1 PENDAHULUAN. Tuberkulosis atau TB (singkatan yang sekarang ditinggalkan adalah TBC)
BAB 1 PENDAHULUAN 1.1. Latar Belakang Tuberkulosis atau TB (singkatan yang sekarang ditinggalkan adalah TBC) adalah penyakit infeksi yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Pada tahun
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. dilakukan secara retrospektif berdasarkan rekam medik dari bulan Januari
1. Sampel Penelitian BAB IV HASIL PENELITIAN DAN PEMBAHASAN Sampel pada penelitian ini sebanyak 126 pasien. Pengambilan data dilakukan secara retrospektif berdasarkan rekam medik dari bulan Januari Juni
Lebih terperinciBAB 1 PENDAHULUAN. menyerang paru, tetapi dapat juga mengenai organ tubuh lainnya (World
BAB 1 PENDAHULUAN A. Latar Belakang Penelitian Tuberkulosis (TB) adalah penyakit menular yang disebabkan oleh kuman TB (Mycobacterium Tuberculosis). Sebagian besar kuman TB menyerang paru, tetapi dapat
Lebih terperinciBAB I PENDAHULUAN. Mycobacterium tuberculosis, dengan gejala klinis seperti batuk 2
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia masih menjadi salah satu negara dengan kasus Tuberkulosis (TB) yang tinggi dan masuk dalam ranking 5 negara dengan beban TB tertinggi di dunia 1. Menurut
Lebih terperinciPENANGANAN DAN PENCEGAHAN TUBERKULOSIS. Edwin C4
PENANGANAN DAN PENCEGAHAN TUBERKULOSIS Edwin 102012096 C4 Skenario 1 Bapak M ( 45 tahun ) memiliki seorang istri ( 43 tahun ) dan 5 orang anak. Istri Bapak M mendapatkan pengobatan TBC paru dan sudah berjalan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang TBC yang telah menginfeksi sepertiga penduduk dunia adalah pembunuh menular yang paling banyak membunuh orang muda dan orang dewasa di dunia. TBC membunuh 8000 orang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Tuberkulosis adalah penyakit infeksi menular yang masih tetap merupakan masalah kesehatan masyarakat di dunia. Penyakit ini termasuk salah satu prioritas nasional
Lebih terperinciBAB 1 PENDAHULUAN. dengan sinar matahari, tetapi dapat hidup beberapa jam di tempat yang gelap dan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit TBC Paru merupakan salah satu penyakit yang menjadi masalah kesehatan masyarakat. Kuman ini memiliki sifat khusus tahan asam, cepat mati dengan sinar
Lebih terperinciBAB I PENDAHULUAN. oleh bakteri Mycobacterium tuberculosis sebagian besar bakteri ini menyerang
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Penyakit Tuberkulosis merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis sebagian besar bakteri ini menyerang bagian paru, namun tak
Lebih terperinciPREDIKSI PENYAKIT KENCING MANIS (DIABETES MELLITUS) MENGGUNAKAN ALGORITME KLASIFIKASI VOTING FEATURE INTERVALS 5 EKA HAYANA HASIBUAN
PREDIKSI PENYAKIT KENCING MANIS (DIABETES MELLITUS) MENGGUNAKAN ALGORITME KLASIFIKASI VOTING FEATURE INTERVALS 5 EKA HAYANA HASIBUAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciSKRIPSI ANALISIS FAKTOR RISIKO KEJADIAN PENYAKIT TUBERKULOSIS PADA ANAK DI BALAI BESAR KESEHATAN PARU MASYARAKAT SURAKARTA
SKRIPSI ANALISIS FAKTOR RISIKO KEJADIAN PENYAKIT TUBERKULOSIS PADA ANAK DI BALAI BESAR KESEHATAN PARU MASYARAKAT SURAKARTA Skripsi Ini Disusun untuk Memenuhi Salah Satu Syarat Memperoleh Ijazah S1 Kesehatan
Lebih terperinciPEMILIHAN DATA TRAINING UNTUK MENINGKATKAN KINERJA VOTING FEATURE INTERVAL 5 (VFI 5) DAVID AULIA AKBAR ADHIEPUTRA
PEMILIHAN DATA TRAINING UNTUK MENINGKATKAN KINERJA VOTING FEATURE INTERVAL 5 (VFI 5) DAVID AULIA AKBAR ADHIEPUTRA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB I PENDAHULUAN. (laki-laki, perempuan, tua, muda, miskin, kaya, dan sebagainya) (Misnadiarly,
BAB I PENDAHULUAN 1.1. Latar Belakang Tuberkulosis (TBC) adalah penyakit infeksi menular yang disebabkan oleh Mycobacterium Tuberculosis dan bersifat kronis serta bisa menyerang siapa saja (laki-laki,
Lebih terperinci1 Universitas Kristen Maranatha
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis (TB) adalah suatu penyakit infeksi menular yang disebabkan oleh bakteri Mycobacterium tuberculosis, yang dapat menyerang berbagai organ, terutama paru-paru
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Tuberkolusis 1. Definisi Tuberkulosis adalah suatu penyakit menular yang paling sering (sekitar 80%) terjadi di paru-paru. Penyebabnya adalah suatu basil gram positif tahan asam
Lebih terperinciBAB I PENDAHULUAN. oleh infeksi Mycobacterium tuberculosis dan dapat disembuhkan. Tuberkulosis
BAB I PENDAHULUAN A. Latar Belakang Masalah Tuberkulosis (TB) merupakan penyakit infeksi kronis yang disebabkan oleh infeksi Mycobacterium tuberculosis dan dapat disembuhkan. Tuberkulosis dapat menyebar
Lebih terperinciBAB 1 PENDAHULUAN. TB.Paru merupakan penyakit yang mudah menular dan bersifat menahun, disebabkan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penyakit Tuberkulosis (TB) atau dalam program kesehatan dikenal dengan TB.Paru merupakan penyakit yang mudah menular dan bersifat menahun, disebabkan oleh kuman Mycobacterium
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah. jumlah kematian per tahun. Kematian tersebut pada umumnya
BAB I PENDAHULUAN A. Latar Belakang Masalah Penyakit Tuberkulosis (TB) paru adalah penyakit infeksi menular yang masih menjadi masalah kesehatan dunia, dimana WHO melaporkan bahwa setengah persen dari
Lebih terperinciBAB I PENDAHULUAN. perhatian khusus di kalangan masyarakat. Menurut World Health Organization
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis (TB) paru merupakan salah satu penyakit yang mendapat perhatian khusus di kalangan masyarakat. Menurut World Health Organization (WHO) 2013, lebih dari
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Jamur merupakan salah satu jenis tumbuhan yang banyak dijumpai di alam, sehingga sejak dahulu jamur dijadikan sebagai bahan konsumsi utama. Seiring dengan berkembangnya waktu,
Lebih terperinciADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Kematian akibat
Lebih terperinciBAB I PENDAHULUAN. kecacatan dalam masyarakat (Depkes RI, 2009). pembangunan berkelanjutan yang diberi nama Sustainable Development Goals
BAB I PENDAHULUAN A. Latar Belakang Kesehatan merupakan hak dasar manusia dan tanggung jawab bersama dari setiap individu, masyarakat, pemerintah dan swasta. Perilaku masyarakat adalah perilaku proakftif
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Banyak orang di Indonesia telah meremehkan penyakit tuberkulosis paru atau yang dahulu sering disebut TBC yang kini menjadi sebutan TB Paru. Tuberkulosis Paru merupakan
Lebih terperinciBAB I PENDAHULUAN. Dan untuk mengenang jasanya bakteri ini diberi nama baksil Koch,
1 BAB I PENDAHULUAN A. Pendahuluan Tuberculosa adalah penyakit infeksi yang disebabkan oleh Mikobakterium tuberkulosa. Bakteri ini berbentuk batang dan bersifat tahan asam, makanya dikenal sebagai Batang
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis (TBC) merupakan salah satu penyakit infeksi menular yang disebabkan oleh kuman Mycobacterium tuberculosis. Tuberkulosis yang menyerang paru disebut tuberkulosis
Lebih terperinciBAB I PENDAHULUAN. oleh bakteri Mycobacterium tuberculosis (Alsagaff,H, 2006). Penyakit ini juga
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Tuberkulosis (TB) paru merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis (Alsagaff,H, 2006). Penyakit ini juga dapat menyebar
Lebih terperinciBAB 1 PENDAHULUAN. Penyakit Tuberculosis Paru (TB Paru) merupakan salah satu penyakit yang
BAB 1 PENDAHULUAN A. Latar belakang Penyakit Tuberculosis Paru (TB Paru) merupakan salah satu penyakit yang telah lama dikenal dan sampai saat ini masih merupakan masalah kesehatan di berbagai negara di
Lebih terperinciBAB 1 PENDAHULUAN. yang merupakan bagian dari keluarga (Friedman, 1998).
1 BAB 1 PENDAHULUAN 1. Latar Belakang Keluarga adalah dua orang atau lebih yang hidup bersama dengan keterikatan aturan dan emosional dan individu mempunyai peran masing-masing yang merupakan bagian dari
Lebih terperinciI. PENDAHULUAN. Mycobacterium tuberculosis. Menurut World Health Organization (WHO)
1 I. PENDAHULUAN 1.1 Latar Belakang Tuberkolosis (TB) merupakan penyakit menular yang disebabkan oleh kuman Mycobacterium tuberculosis. Menurut World Health Organization (WHO) dalam satu tahun kuman M.
Lebih terperinciHUBUNGAN KECEMASAN TENTANG PENULARAN PENYAKIT DENGAN PERAN KELUARGA DALAM PERAWATAN PENYAKIT TB PARU DI WILAYAH KERJA PUSKESMAS GROGOL I SUKOHARJO
HUBUNGAN KECEMASAN TENTANG PENULARAN PENYAKIT DENGAN PERAN KELUARGA DALAM PERAWATAN PENYAKIT TB PARU DI WILAYAH KERJA PUSKESMAS GROGOL I SUKOHARJO Skripsi Diajukan Untuk Memenuhi Salah Satu Persyaratan
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis adalah suatu penyakit infeksi yang disebabkan oleh Mycobacterium Tuberculosis yang bersifat menular. Mycobacterium Tuberculosis telah menginfeksi sepertiga
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang
1 BAB I PENDAHULUAN A. Latar Belakang Penyakit menular merupakan masalah kesehatan yang belum dapat diselesaikan sampai saat ini, salah satu penyakit menular tersebut adalah Tuberkulosis. Tuberkulosis
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. Penyakit tuberkulosis masih menjadi masalah kesehatan dunia,
48 BAB I PENDAHULUAN A. Latar Belakang Penyakit tuberkulosis masih menjadi masalah kesehatan dunia, dimana WHO melaporkan bahwa setengah persen dari penduduk dunia terserang penyakit ini, sebagian besar
Lebih terperinciBAB 1 PENDAHULUAN. (Mycobacterium tuberculosis). Sebagian besar kuman TB menyerang paru-paru,
BAB 1 PENDAHULUAN 1.1 Latar Belakang TB Paru masih menjadi masalah kesehatan yang mendunia. Tuberkulosis adalah penyakit menular langsung yang disebabkan oleh kuman TB (Mycobacterium tuberculosis). Sebagian
Lebih terperinciBAB I PENDAHULUAN. disebabkan oleh infeksi bakteri Mycobacterium tuberculosis. Indonesia saat ini berada pada ranking kelima negara
BAB I PENDAHULUAN 1.1. Latar Belakang Tuberkulosis Paru (TB Paru) merupakan salah satu penyakit menular yang masih menjadi masalah kesehatan masyarakat di dunia maupun di Indonesia. Penyakit ini disebabkan
Lebih terperinciBAB I PENDAHULUAN. merupakan bentuk yang paling banyak dan paling penting (Widoyono, 2011).
BAB I PENDAHULUAN A. Latar Belakang Penyakit tubercolusis atau yang sering disebut TB merupakan penyakit infeksi yang dapat menyerang berbagai organ atau jaringan tubuh.tuberkulosis paru merupakan bentuk
Lebih terperinciBAB I PENDAHULUAN UKDW. Mycobacterium tuberculosis. Tanggal 24 Maret 1882 Dr. Robert Koch
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Tuberkulosis (TB) paru adalah infeksi yang disebabkan oleh kuman Mycobacterium tuberculosis. Tanggal 24 Maret 1882 Dr. Robert Koch menemukan penyakit penyebab
Lebih terperinciMetode Deffuzifikasi Mean of Maximum (MOM) Kolik Gas (Tympani) Kolik Twisted gut Kolik Impaksi METODE PENELITIAN Kerangka Pemikiran
Metode Deffuzifikasi Mean of Maximum (MOM) Salah satu metode deffuzifikasi adalah Mean of Maximum. Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai
Lebih terperinciBAB I PENDAHULUAN. penyakit infeksi yang disebabkan oleh Mycobacterium Tuberculosis. Penyakit ini
BAB I PENDAHULUAN A. LATAR BELAKANG TB paru merupakan penyakit infeksi kronik dan menular yang erat kaitannya dengan keadaan lingkungan dan prilaku masyarakat. Penyakit TB paru merupakan penyakit infeksi
Lebih terperinciBAB I PENDAHULUAN. TB (Mycobacterium Tuberculosis) (Depkes RI, 2011). Mycobacrterium tuberculosis
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis adalah penyakit menular langsung yang disebabkan oleh kuman TB (Mycobacterium Tuberculosis) (Depkes RI, 2011). Mycobacrterium tuberculosis bersifat tahan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Tuberkulosis (TB) adalah penyakit infeksi yang disebabkan oleh Bakteri Tahan Asam (BTA) Mycobacterium tuberculosa. Sebagian besar bakteri ini menyerang paru-paru
Lebih terperinciII. TINJAUAN PUSTAKA. Ukuran dari bakteri ini cukup kecil yaitu 0,5-4 mikron x 0,3-0,6 mikron
10 II. TINJAUAN PUSTAKA 2.1 Tuberkulosis Paru 2.1.1 Etiologi Penyebab dari penyakit ini adalah bakteri Mycobacterium tuberculois. Ukuran dari bakteri ini cukup kecil yaitu 0,5-4 mikron x 0,3-0,6 mikron
Lebih terperinciBAB 1 PENDAHULUAN. Kegiatan penanggulangan Tuberkulosis (TB), khususnya TB Paru di
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kegiatan penanggulangan Tuberkulosis (TB), khususnya TB Paru di Indonesia telah dimulai sejak diadakan Simposium Pemberantasan TB Paru di Ciloto pada tahun 1969. Namun
Lebih terperinciBAB 1 PENDAHULUAN. menular yang muncul dilingkungan masyarakat. Menanggapi hal itu, maka perawat
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Pada era sekarang ini tantangan dalam bidang pelayanan keperawatan semakin meningkat. Hal tersebut ditunjukkan dengan semakin banyaknya berbagai penyakit menular yang
Lebih terperinciBAB I PENDAHULUAN. tercapainya bangsa yang maju, mandiri, dan sejahtera. Salah satu ciri
BAB I PENDAHULUAN A. Latar Belakang Pembangunan yang ingin dicapai bangsa Indonesia adalah tercapainya bangsa yang maju, mandiri, dan sejahtera. Salah satu ciri bangsa yang maju adalah mempunyai derajat
Lebih terperinciII. TINJAUAN PUSTAKA. penting untuk terbentuknya tindakan seseorang. Berdasarkan penelitian
10 II. TINJAUAN PUSTAKA A. Pengetahuan Pengetahuan merupakan hasil tahu, dan ini terjadi setelah orang melakukan penginderaan terhadap sesuatu. Pengetahuan merupakan domain yang sangat penting untuk terbentuknya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. Tuberkulosis merupakan penyakit infeksi paling. umum di dunia dengan perkiraan sepertiga populasi
BAB I PENDAHULUAN 1.1. Latar Belakang Tuberkulosis merupakan penyakit infeksi paling umum di dunia dengan perkiraan sepertiga populasi terinfeksi dan 2,5 juta orang meninggal setiap tahun. Penyakit tuberkulosis
Lebih terperinciBAB 1 PENDAHULUAN. Mycobacterium tuberculosis. Sumber infeksi TB kebanyakan melalui udara, yaitu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tuberkulosis (TB) adalah penyakit infeksi menular yang disebabkan oleh Mycobacterium tuberculosis. Sumber infeksi TB kebanyakan melalui udara, yaitu melalui inhalasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang yakni
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis adalah penyakit infeksi yang terutama disebabkan oleh bakteri Mycobacterium tuberculosis, sebagian kecil oleh bakteri Mycobacterium africanum dan Mycobacterium
Lebih terperinciPenemuan PasienTB. EPPIT 11 Departemen Mikrobiologi FK USU
Penemuan PasienTB EPPIT 11 Departemen Mikrobiologi FK USU 1 Tatalaksana Pasien Tuberkulosis Penatalaksanaan TB meliputi: 1. Penemuan pasien (langkah pertama) 2. pengobatan yang dikelola menggunakan strategi
Lebih terperinciSELEKSI FITUR MENGGUNAKAN FAST CORRELATION BASED FILTER PADA ALGORITMA VOTING FEATURE INTERVALS 5 HIDA NUR FIRQIANI G
SELEKSI FITUR MENGGUNAKAN FAST CORRELATION BASED FILTER PADA ALGORITMA VOTING FEATURE INTERVALS 5 HIDA NUR FIRQIANI G64103047 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN. Tuberkulosis merupakan infeksi yang disebabkan oleh bakteri. Mikobakterium tuberculosis dan kadang-kadang oleh Mikobakterium bovis
1 BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis merupakan infeksi yang disebabkan oleh bakteri Mikobakterium tuberculosis dan kadang-kadang oleh Mikobakterium bovis dan Africanum. Organisme ini disebut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. LANDASAN TEORI Tuberkulosis A.1 Definisi Tuberkulosis adalah penyakit yang disebabkan oleh infeksi Mycobacterium tuberculosis. Bakteri ini ditemukan pertama kali oleh Robert
Lebih terperinciHUBUNGAN PENGETAHUAN, SIKAP, DAN MOTIVASI PETUGAS TBC DENGAN ANGKA PENEMUAN KASUS TBC DI WILAYAH KERJA PUSKESMAS KABUPATEN BOYOLALI
HUBUNGAN PENGETAHUAN, SIKAP, DAN MOTIVASI PETUGAS TBC DENGAN ANGKA PENEMUAN KASUS TBC DI WILAYAH KERJA PUSKESMAS KABUPATEN BOYOLALI Skripsi ini Disusun untuk Memenuhi Salah Satu Syarat Memperoleh Ijazah
Lebih terperinciBAB I PENDAHULUAN. masih menjadi masalah kesehatan masyarakat di dunia maupun di Indonesia.
BAB I PENDAHULUAN A. Latar Belakang Tuberkulosis (TB paru) merupakan salah satu penyakit menular yang masih menjadi masalah kesehatan masyarakat di dunia maupun di Indonesia. Penyakit ini disebabkan oleh
Lebih terperinci