Implementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang

Transkripsi

1 Implementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang Implementation Of Fuzzy C-Means Algorithm For Clustering Tuberculois Patients at Semarang. Devi Dwi R¹, Etika Kartikadarma² Universitas Dian Nuswantoro Semarang Jurusan Teknik Informatika, FIK UDINUS, Semarang Abstrak Penyakit Tuberculosis merupakan salah satu penyakit yang di sebabkan oleh bakteri mycobacterium tuberkulosa. Di Dinas Kesehatan Kota Semarang untuk memberikan informasi jumlah penderita Tuberculosis di daerah setiap puskesmas yang ada di Kota Semarang masih menggunakan Microsoft Excel dan perhitungannnya. Untuk mempermudah akan diimplementasikan dengan metode clustering sehingga mampu untuk mengelompokan penderita yang terkena Tuberculosis serta peta penyebaran terbanyak pada pada daerah yang ada di daerah Kota Semarang.Clustering ialah metode pada mining yang memiliki fungsi memproses pengelompokan objek yang berdasar pada informasi yang didapat dari yang menjelaskan hubungan antar objek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas atau cluster. metode yang di gunakan ialah fuzzy clustering, yaitu dengan algoritma Fuzzy C-means. Fuzzy C-means mempunyai tingkat akurasi yang tinggi dan waktu komputasi yang cepat. Kemudian Clustering sajikan dalam bentuk Petalokasi. Dalam penelitian ini di bagi 4 cluster yaitu sangat tinggi, tinggi, sedang dan rendah. Uji validitas cluster yang didapatkan dari system clustering adalah 33%. Kata kunci : Tuberculosis,Fuzzy C-Means. Abstract Tuberculosis is a disease caused by the bacteria mycobacterium tuberculosis. In Semarang City Health Office to provide information on the number of patients with Tuberculosis every area health centers in the city of Semarang are still using Microsoft Excel and perhitungannnya. To make it easier to be implemented by the clustering method that is able to classify patients affected by tuberculosis and map the spread of the highest in the region in Semarang.Clustering City area is on mining method which has a processing function of grouping objects based on information derived from explain the relationship between objects in principle to maximize the similarity between members of the class and to minimize the similarity between the classes or clusters. methods used are fuzzy clustering, ie with Fuzzy C-means clustering algorithm. Fuzzy C-Means has a high level of accuracy and fast

2 computation time. Clustering then presented in the form Petalokasi. In this study in the fourth cluster is very high, high, medium and low. Test the validity of the cluster obtained from the clustering system is 33%. Key words: Tuberculosis,Fuzzy C-Means. 1. PENDAHULUAN Penyakit Tuberculosis merupakan salah satu penyakit yang di sebabkan oleh bakteri mycobacterium tuberkulosa yang dapat menyerang berbagai organ, terutama pada bagian organ paru-paru, proses penyebaran penyakit ini dapat melalui udara, percikan dahak,atau ludah yang terinfeksi kuman Tuberculosis pada kasus penderita Tuberculosis pada anak-anak bersumber dari infeksi yang diderita oleh penyakit Tuberculosis orang dewasa [1]. menjadi faktor utama penyebab kematian di dunia[2]. Menurut WHO (Word Health Organization) tahun 2014 peristiwa di Indonesia mencapai angka kasus baru pertahun, dan laporan yang sama pada tahun 2015 angka tersebut telah direvisi yang berdasarkan pada survey yang dilakukan mulai tahun 2013, yaitu meningkat menjadi kasus baru pertahunnya[3]. Di provinsi jawa tengah khususnya di Kota Semarang, penderita Tuberculosis ditinjau dari masing-masing puskesmas yang ada di Kota Semarang memiliki angka penderita yang berbeda dilihat dari usia penderita dari tingkat anak sampai dewasa dan jenis kelaminnya. Berdasarkan dari Dinas Kesehatan Kota Semarang tahun 2015 terdapat jiwa suspek penderita penyakit Tuberculosis di lihat dari setiap puskesmas[4]. Di Dinas Kesehatan Kota Semarang untuk memberikan informasi jumlah penderita Tuberculosis di daerah setiap puskesmas yang ada di Kota Semarang melalui Microsoft Excel dan perhitungannnya. Maka dari itu untuk mempermudah hal ini akan diimplementasikan dengan metode clustering sehingga mampu untuk mengelompokan penderita yang terkena Tuberculosis serta peta penyebaran terbanyak pada pada daerah yang ada di daerah Kota Semarang. Dalam clustering terdapat beberapa algoritma, salah satu algoritmanya ialah algoritma fuzzy c-means (FCM). Fuzzy c-means (FCM) ialah dimana objek dapat menjadi anggota beberapa cluster serta batasan Fuzzy c-means ialah samar[5].

3 2. METODE PENELITIAN Fuzzy c-means (FCM) merupakan teknik pengelompokan atau cluster yang berdasarkan pada nilai keanggotaan pada setiap dalam suatu cluster. Pada proses pembuatan system penulis menggunakan metode pengembangan Prototype.Prototyping adalah pengembangan yang cepat dan pengujian terhadap model kerja (prototipe) dari aplikasi baru melalui proses interaksi dan berulang-ulang yang biasa digunakan ahli sistem informasi dan ahli bisnis. Langkah langkah yang di lakukan : Analisis kebutuhan system Desain Sistem Pengujian sistem implementasi a. Analisis kebutuhan system - System dapat menginputkan puskesmas - System dapat melakukan editing - System dapat melakukan proses pengolahan menggunakan Fuzzy C-means. b. Desain system Desain dari system yang telah dibuat. c. Pengujian system Setelah sistem selesai dibuat maka tahapan selanjutnya adalah pengujian system. Pengujian system menggunakan blacbox, Black box testing adalah pengujian yang dilakukan hanya mengamati hasil eksekusi melalui uji dan memeriksa fungsional dari perangkat lunak. d. Setelah prototipe diterima maka pada tahap ini merupakan implementasi sistem yang siap dioperasikan dan selanjutnya terjadi proses pembelajaran terhadap sistem baru

4 dan membandingkannya dengan sistem lama, evaluasi secara teknis dan operasional serta interaksi pengguna, sistem dan teknologi informasi. 3. HASIL DAN PEMBAHASAN Berikut merupakan tahap analisis system : Dalam pengembangan sebuah system terdapat scenario system. Scenario system yaitu gambaran umum dari system tersebut yang berfungsi menjelaskan gambaran system secara umum. Secara umum system ini digunakan untuk mengolah yang terdapat pada Dinas Kesahatan Kota Semarang. Data yang diolah merupakan jumlah dari penderita Tuberculosis di setiap puskesmas yang ada di Kota Semarang. System ini dapat menginputkan puskesmas, dan memproses sehingga dapat dibagi menjadi beberapa cluster. Dalam system ini terdapat proses iterasi, hasil iterasi dan pengosongan iterasi serta peta lokasi. Gambar 1. Usecase diagram Skenario ( Flow Of Event ) untuk masing-masing use case dari perangkat lunak ini adalah sebagai berikut : a. Skenario Use Case Dasboard Tabel 1 : Skenario Use Case Dasboard Nama use case Aktor Tujuan Identifikasi Dashboard User Menampilkan halaman utama

5 Deskripsi use case Aksi Aktor 1. Aktor memilih menu dasboard Actor memilih menu dashboard untuk memilih menu utama Skenario Reaksi Sistem 2. Aplikasi menampilkan halaman utama dan menampilkan menu input dan puskesmas. b. Skenario Use Case Proses Iterasi Nama use case Aktor Tabel 4.2 : Skenario Use Case Proses Iterasi Identifikasi Proses Iterasi User Tujuan Menampilkan halaman proses iterasi menampilkan menu iterasi awal, iterasi akhir dan kosongkan iterasi Deskripsi use case Actor memilih menu Proses iterasi untk menilih menu iterasi awal, iterasi akhir dan kosongkan. Skenario Aksi Aktor 1. Aktor memilih menu Proses Iterasi. Reaksi Sistem 2. Aplikasi menampilkan halaman iterasi awal, iterasi akhir dan kosongkan. c. Skenario Use Case Hasil Olah Data Tabel 4.3 : Skenario Use Case Hasil Olah Data Nama use case Aktor Tujuan Deskripsi use case Identifikasi Hasil Olah Data User Menampilkan halaman hasil olah Actor memilih hasil olah untk untuk melihat hasil olah

6 Aksi Aktor 1. Aktor memilih menu Hasil olah. Skenario Reaksi Sistem 2. Aplikasi menampilkan halaman hasil olah.. d. Skenario Use Case Peta Lokasi Nama use case Aktor Tabel 4.4 : Skenario Use Case Peta Lokasi Identifikasi Peta Lokasi User Tujuan Menampilkan halaman peta lokasi Deskripsi use case Actor memilih menu peta lokasi untuk menampilkan peta lokasi Skenario Aksi Aktor 3. Aktor memilih menu peta lokasi Reaksi Sistem 4. Aplikasi menampilkan halaman peta lokasi.. Dan kemudian class diagramnya sebagai berikut : Class diagram adalah sebuah class yang menggambarkan struktur dan penjelasan class, paket, dan objek serta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan lain-lain.

7 Gambar 2. class diagram - Pengujian Sistem pengujian ini di lakukan untuk memperlihatkan bahwa fungsi-fungsi bekerja dengan baik dalam arti masukan yang diterima dengan benar dan keluaran yang di hasilkan benar-benar sesuai dan tepat.berikut ini adalah hasil dari pengujian black box :

8 Tabel.5 pengujian Sistem Lay out Input Proses Output hasil Input Data Nama puskesmas, Kontak HP, Alamat, Keterangan. Index.php clear Tombol Index.php simpan tombol simpan Data Index.php clear puskesm puskesmas as

9 Action edit edit Index.php clear Proses proses index.php? iterasi iterasi awal option=iter awal asi Proses proses index.php? iterasi iterasi option=iter asi

10 Kosong index.php? kan kosongkan option=iter asi Tombol index.php? tombol option=iter kosongkan asi Hasil hasil olah olah host/devi/in dex.php?op tion=hasiliterasi Tombol clear update tombol host/devi/in update dex.php?op tion=hasiliterasi

11 input Index.php input : nama puskesmas, kontak hp, alamat, keterangan Tombol Index.php simpan tombol simpan Index.php puskesmas puskesm as

12 peta Lokasi index.php? option=gis map1 clear 5. KESIMPULAN Dari hasil pengujian dan perhitungan yang sudah dilakukan, dapat ditarik kesimpulan bahwa : 1. Metode Fuzzy C-Means (FCM) telah diimplementasikan kedalam sistem Clustering jumlah penderita Tuberkulosis di Kota Semarang. 2. Menggunakan variabel yang sesuai dengan standart perusahaan yang antara lain ialah Kode Puskesmas, Usia dan Jenis Kelamin untuk menentukan Clustering jumlah penderita Tuberculosis. 3. Penerapan atau implementasi metode Fuzzy C-Means yang berdasarkan pada variabel yang sudah ditentukan dapat membantu dalam menentukan Cluster pada jumlah penderita Tuberculosis di Kota Semarang. 4. Sistem pada clustering jumlah penderita Tuberkulosis dibangun berdasarkan pada kebutuhan user yang tentunya dapat memudahkan user dalam penggunaannya. 5. SARAN Berdasarkan pada hasil yang telah dilakukan terdapat saran untuk instansi Dinas Kesehatan Kota Semarang yang diantaranya prnggunaan variabel yang lebih luas atau diperinci lagi yang sesuai dengan karakteristik penderita Tuberkulosis dan penelitian ini dapat dikembangkan dengan metode lain yang lebih baik agar tingkat keakuratan cluster yang terbentuk semakakin tinggi.

13 6. DAFTAR PUSTAKA [1] Anonim, Tuberculosis, PenyakitTBC.org,2015[Online] Available: [diakses 15 februari 2017] [2] Hudoyo achmad, Jurnal Tuberculosis Indonesia, Vol. 8. Maret. ISSN [3] bimantara galuh, Tuberculosis di Indonesia Terbanyak ke dua di Dunia.2016[online] Available: Terbanyak-Kedua-Di-Dunia. [diakses 20 februari2017] [4]Dinas Kesehatan Kota Semarang,Data Tuberculosis 2015,2015. [5]Dewi astria penerapan algoritma fuzzy c-means (fcm) untuk clustering pelanggan pada CV.mataram jaya bawen skripsi teknik informatika universitas dian nuswantoro semarang