4 BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan 2.1.1. Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model (Saripudin, 2002). 2.1.2. Karakteristik Sistem Pengambil Keputusan Dari pengertian Sistem Pendukung Keputusan maka dapat ditentukan karakteristik antara lain : 1. Mendukung proses pengambilan keputusan, menitik beratkan pada management by perception. 2. Adanya interface manusia / mesin dimana manusia (user) tetap memegang control proses pengambilan keputusan. 3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur. 4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan. 5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item. 6. Membutuhkan struktur data komprehens if yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen. 2.1.3. Komponen Penyusun Sistem Pendukung Keputusan Suatu Sistem Pendukung Keputusan (SPK) memiliki tiga subsistem utama yang menentukan kapabilitas teknis sistem pendukung keputusan, antara lain :
5 1. Subsistem Manajemen Basis Data Subsistem data merupakan bagian yang menyediakan data-data yang dibutuhkan oleh Base management Subsystem (DBMS). DBMS sendiri merupakan susbsistem data yang terorganisasi dalam suatu basis data. Data-data yang merupakan dalam suatu Sistem Pendukung Keputusan dapat berasal dari luar lingkungan. Keputusan pada manajemen level atas seringkali harus memanfaatkan data dan informasi yang bersumber dari luar perusahaan. Kemampuan subsistem data yang diperlukan dalam suatu Sistem Pendukung Keputusan, antara lain : a. Mampu mengkombinasikan sumber-sumber data yang relevan melalui proses ekstraksi data. b. Mampu menambah dan menghapus secara cepat dan mudah. c. Mampu menangani data personal dan non ofisial, sehingga user dapat bereksperimen dengan berbagai alternatif keputusan. d. Mampu mengolah data yang bervariasi dengan fungsi manajemen data yang luas. 2. Subsistem Manajemen Model Subsistem model dalam Sistem Pendukung Keputusan memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan alternative solusi. Intergrasi model-model dalam Sistem Informasi Manajemen yang berdasarkan integrasi data -data dari lapangan menjadi suatu Sistem Pendukung Keputusan. Kemampuan subsistem model dalam system pendukung keputusan antara lain : a. Mampu menciptakan model-model baru dengan cepat dan mudah. b. Mampu mengkatalogkan dan mengelola model untuk mendukung semua tingkat pemakai. c. Mampu menghubungkan model-model dengan basis data melalui hubungan yang sesuai.
6 d. Mampu mengelola basis model dengan fungsi manajemen yang analog dengan database manajemen. 3. Subsistem Dialog Subsistem dialog merupakan bagian dari Sistem Pendukung Keputusan yang dibangun untuk memenuhi kebutuhan representasi dan mekanisme control selama proses analisa dalam Sistem Pendukung Keputusan ditentukan dari kemampuan berinteraksi anatara sistem yang terpasang dengan user. Pemakai terminal dan sistem perangkat lunak merupakan komponen- komponen yang terlibat dalam susbsistem dialog yang mewujudkan komunikasi antara user dengan sistem tersebut. Komponen dialog menampilkan keluaran sistem bagi pemakai dan menerima masukkan dari pemakai ke dalam Sistem Pendukung Keputusan. Adapun subsistem dialog dibagi menjadi tiga, antara lain : a. Bahasa Aksi (The Action Language) Merupakan tindakan-tindakan yang dilakukan user dalam usaha untuk membangun komunikasi dengan sistem. Tindakan yang dilakukan oleh user untuk menjalankan dan mengontrol sistem tersebut tergantung rancangan sistem yang ada. b. Bahasa Tampilan (The Display or Presentation Langauage) Merupakan keluaran yang dihasilakn oleh suatu Sistem Pendukung Keputusan dalam bentuk tampilan-tampilan akan memudahkan user untuk mengetahui keluaran system terhadap masukan-masukan yang telah dilakukan. c. Bahasa Pengetahuan (Knowledge Base Language) Meliputi pengetahuan yang harus dimiliki user tentang keputusan dan tentang prosedur pemakaian Sistem Pendukung Keputusan agar sistem dapat digunakan secara efektif. Pemahaman user terhadap permasalahan yang dihadapi dilakukan diluar sistem, sebelum user menggunakan sistem untuk mengambil keputusan.
7 2.1.4. Tingkat Teknologi Dalam Sistem Pendukung Keputusan Dalam Sistem Pendukung Keputusan terdapat tiga keputusan tingkatan perangkat keras maupun lunak. Masing-masing tingkatan berdasarkan tingkatan kemampuan berdasarkan perbedaan tingkat teknik, lingkungan dan tugas yang akan dikerjakan. Ketiga tingkatan tersebut adalah : a. Sistem Pendukung Keputusan (Specific DSS). b. Pembangkit Sistem Pendukung Keputusan (DSS Generatorr). c. Peralatan Sistem Pendukung Keputusan (DSS Tools). 2.2. Penyakit Malaria Malaria adalah penyakit infeksi yang disebabkan oleh protozoa parasit yang merupakan golongan Plasmodium, dimana proses penularannya melalui gigitan nyamuk Anopheles. Protozoa parasit jenis ini banyak sekali tersebar di wilayah tropik, misalnya di Amerika, Asia dan Afrika. Penyebaran penyakit malaria pada manusia dilakukan oleh nyamuk Anopheles betina yang sudah terinfeksi parasit Plasmodium. Nyamuk akan terinfeksi jika menggigit penderita malaria. Nyamuk ini kemudian akan menyebarkan parasit pada orang lain melalui gigitan. Parasit akan masuk ke aliran darah dan bergerak ke organ hati. Infeksi akan terjadi dan berkembang di organ hati. Dari situ, parasit akan masuk kembali ke aliran darah dan menyerang sel darah merah. Parasit akan memanfaatkan sel darah merah sebagai tempat berkembang biak. Jika sel darah merah sudah penuh terisi dengan parasit malaria, sel tersebut akan meletus sehingga lebih banyak lagi parasit yang tersebar di dalam aliran darah. Sel darah merah yang terinfeksi meletus tiap dua hingga tiga hari. Ketika ini terjadi, penderita akan mengalami gejala seperti : 1. Demam yang naik turun 2. Sakit kepala 3. Berkeringat dingin 4. Mual dan muntah-muntah 5. Nyeri otot
8 6. Diare Pemulihan secara sempurna bisa dilakukan jika malaria diobati dan dirawat dengan benar. Proses ini dilakukan langsung setelah diagnosis malaria diketahui. Obat antimalaria yang diberikan tergantung kepada: 1. Jenis parasit yang menyebabkan malaria 2. Tingkat keparahan gejala yang dialami penderita 3. Apakah Anda sedang hamil Beberapa jenis penyakit malaria terkadang resisten terhadap obat-obatan tertentu. Contohnya, obat antimalaria chloroquine terbukti tidak efektif dalam menangani kasus malaria di Indonesia karena jenis parasit di Indonesia telah kebal terhadap obat ini. Untuk masalah ini, kombinasi obat malaria akan disarankan oleh dokter. Jika malaria berada pada tingkat yang parah, obat akan diberikan melalui infus dan dilakukan di rumah sakit. Untuk menangani malaria yang disebabkan oleh Plasmodium falciparum, berikut obat-obatan yang digunakan: 1. Kombinasi artesunate dan amodiaquine 2. Kombinasi dihydroartemisinin, piperaquine dan primaquine 3. Kombinasi quinine, doxycycline dan primaquine Malaria yang disebabkan oleh Plasmodium vivax diobati dengan salah satu kombinasi berikut: 1. Artesunate dan amodiaquine 2. Dihydroartemisinin, piperaquine dan primaquine 2.3. Penyakit Demam Typoid Penyakit demam typoid adalah adalah penyakit infeksi bakteri pada usus halus dan terkadang pada aliran darah yang disebabkan oleh kuman salmonella typhi atau salmonella paratyphi A, B dan C, selain itu dapat juga menyebabkan gastroenteritis (keracunan makanan) dan septikimia (tidak menyerang usus). Bakteri dalam tipus menyebabkan penyakit yang mengancam jiwa dikenal dengan nama demam tipus, dimana orang yang terserang tipus sekitar 21,5 juta orang setiap tahunnya.
9 Seperti yang telah dikemukakan sebelumnya, tipus adalah penyakit yang umum dikenal di Negara berkembang. Hal ini disebabkan karena tipus merupakan penyakit yang sangat tergantung sanitasi dan kebersihan lingkungan. Sesorang dapat tertular tipus jika makan makanan atau minum minuman yang telah terkontaminasi oleh orang yang terinfeksi tipus sebelumnya atau jika limbah telah terkontaminasi dengan bakteri digunakan untuk minum atau mencuci makanan. Biasanya gejala penyakit tipus akan timbul secara bertahap dalam waktu 8-14 hari setelah terinfeksi. Gejala yang dialami penderita penyakit tipus adalah: 1. Panas badan yang semakin hari bertambah tinggi, terutama pada sore dan malam hari. Terjadi selama 7 10 hari, kemudian panasnya menjadi konstan dan kontinyu. Umumnya pagi sudah merasa baik, namun menjelang malam kondisi menurun lagi. 2. Pada fase awal timbul gejala lemah, sakit kepala, infeksi tenggorokan, rasa tidak enak di perut sulit buang air besar dan diare. 3. Pada keadaan yang berat penderita tipus bertambah sakit dan kesadaran mulai menurun. 4. Muncul bintik-bintik kecil berwarna merah muda di dada dan perut pada minggu kedua dan berlangsung selama 2 5 hari. 5. Tubuh menggigil 6. Nyeri otot 7. Nafsu makan berkurang 8. Sakit perut 9. Badan lemas Pencegahan terhadap penyakit tipus hindari makan di pinggir jalan, jangan makan telor ayam setengah matang, memberikan vaksin tipus atau tifoid yang disuntikkan atau secara minum obat dan dapat melindungi dalam waktu 3 tahun. Daya tahan tubuh harus ditingkatkan seperti gizi yang baik, istirahat yang cukup, dan olahraga secara teratur. Bagi pasien yang pernah mengalami penyakit tipus sebaiknya tidak melakukan kegiatan yang sangat melelahkan, karena akan lebih mudah kambuh lagi, hindari makanan yang tidak bersih, cuci tangan sebelum makan.
10 Pengobatan penyakit tipus biasanya melibatkan antibiotik yang dapat membunuh bakteri tipus, yang berfokus memberikan bantuan untuk mengurangi gejala misalnya antibiotik melawan penyakit atau obat penurun panas ketika terjadi demam. Dengan perawatan yang tepat dimulai sejak dini, prognosis bagi penderita akan baik, sebaliknya jika terlambat menangani, prognosis dapat menjadi buruk bahkan dapat menyebabkan kematian atau koplikasi. Dengan pengobatan tepat angka kematian penyakit tipus dapat diminimalisir dan menurunkan beberapa komplikasi penyakit. Sangat dibutuhkan bila terkena penyakit tipus adalah istirahat total selama beberapa minggu, yang perlu diperhatikan setelah terkena penyakit tipus adalah : 1. Pola makan yang benar, misalnya harus lunak, hindari makan yang berminyak, makanan pedas, asam, dan sesuai dengan petunjuk dokter. 2. Kurangi kegiatan yang menguras tenaga. 2.4. Penyakit Demam Berdarah Penyakit demam berdarah adalah suatu penyakit yang dibawa oleh virus dengue yang dibawa oleh nyamuk aedes aegypti betina lewat air liur gigitan saat menghirup darah manusia. Selama nyamuk aedes aegypti tidak terkontaminasi virus dengue maka gigitan nyamuk tersebut tidak berbahaya. Jika nyamuk itu menghisap darah penderita demam berdarah maka nyamuk menjadi berbahaya karena dapat menularkan virus dengue yang mematikan. Gejala yang tampak akibat infeksi virus dengue biasanya muncul setelah masa inkubasi 3-15 hari setelah virus masuk kedalam tubuh. Jika sitem pertahanan tubuh dapat mengatasi virus, maka gejala yang tampak bisa ringan atau bahkan tidak didapatkan. Namun jika tidak, muncul berbagai tanda dan gejala demam berdarah antara lain : 1. Demam tinggi yang mendadak 2-7 hari ( 38-40 derajat celcius ). 2. Munculnya bintik-bintik merah pada kulit akibat pecahnya pembuluh darah. 3. Nyeri pada ulu hati. 4. Terjadi pembesaran hati.
11 5. Mengalami pendarahan pada hidung dan gusi. 6. Tekanan darah menurun sehingga menyebabkan syok. 7. Mual, muntah, nafsu makan menurun, sakit perut, diare, menggigil, dan sakit kepala. 8. Demam yang dirasakan menyebabkan keluhan pegal dan sakit pada persendian. 9. Penderita pucat, gelisah, ujung kaki dan ujung tangan dingin. Orang yang terindikasi terserang penyakit demam berdarah harus secepatnya diberi pertolongan medis, dokter atau rumah sakit untuk diobati. Terlambat memberi pada penderita demam berdarah dapat menyebabkan penderita meninggal dunia. Penyakit demam berdarah berkaitan dengan kondisi lingkungan dan perilaku masyarakat. Perlu kesadaran dan peran aktif masyarakat dalam memberantas penyakit demam berdarah. Pengendelian nyamuk demam berdarah dapat dilakukan dengan menggunakan metode yang tepat. 1. Lingkungan Pencegahan demam berdarah dapat dilakukan dengan mengendalikan vektor nyamuk antara lain dengan menguras bak mandi atau penampungan air minimal seminggu sekali, mengganti air dalam vas bunga dan tempat minum burung, menutup dengan rapat tempat penmpungan air, mengubur kaleng-kaleng bekas dan barang bekas. 2. Biologis Secara biologis, vektor nyamuk pembawa virus dengue dapat dikontrol dengan menggunakan ikan pemakan jentik dan bakteri. 3. Kimiawi Pengasapan fogging dapat membunuh nyamuk dewasa, sedang pemberian bubuk abate pada tempat-tempat penampungan air dapat membunuh jentik-jentik nyamuk. Sampai saat ini belum ada obat spesifik bagi penderita demam berdarah. Banyak orang yang sembuh dari penyakit ini selama 2 minggu. Tindakan pengobatan yang umum dilakukan pada pasien demam berdarah yang tidak terlalu parah adalah memberikan cairan tubuh untuk mencegah dehidrasi akibat demam
12 dan muntah, konsumsi obat yang mengandung acetaminofen untuk mengurangi nyeri dan menurunkan demam. Pasien demam berdarah parah, disarankan untuk menjalani rawat inap di rumah sakit, pemberian infuse dan elektrolid untuk mengganti cairan tubuh, serta tranfusi darah akibat pendarahan yang terjadi. 2.5. Metode K-Nearest Neighbor K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN (Sikki, 2009). Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru bedasarkan atribut dan training sample. Classifier tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik query, akan ditemukan sejumlah k obyek atau (titik training) yang paling dekat dengan titik query permasalahan. Klasifikasi menggunakan voting terbanyak diantara klasifikasi dari k obyek.. algoritma KNN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari query instance yang baru. Algoritma metode KNN sangatlah sederhana, bekerja berdasarkan penentu kesimpulan terdekat dalam gejala yang ada dari query instance ke training sample untuk menentukan KNN-nya. Training sample diproyeksikan ke ruang berdimensi banyak, dimana masing-masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian berdasarkan klasifikasi training sample. Sebuah titik pada ruang ini ditandai kelac c jika kelas c merupakan klasifikasi yang paling banyak ditemui pada k buah tetangga terdekat dari titik tersebut. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan Euclidean Distance yang direpresentasikan sebagai berikut :
13 dimana matriks D(a,b) adalah jarak skalar dari kedua vektor a dan b dari matriks dengan ukuran d dimensi. Pada fase training, algoritma ini hanya melakukan penyimpanan vektor-vektor fitur dan klasifikasi data training sample. Pada fase klasifikasi, fitur-fitur yang sama dihitung untuk testing data (yang klasifikasinya tidak diketahui). Jarak dari vektor baru yang ini terhadap seluruh vektor training sample dihitung dan sejumlah k buah yang paling dekat diambil. Titik yang baru klasifikasinya diprediksikan termasuk pada klasifikasi terbanyak dari titik-titik tersebut. Sebagai contoh, untuk mengestimasi p(x) dari n training sample dapat memusatkan pada sebuah sel disekitar x dan membiarkannya tumbuh hingga meliputi k samples.samples tersebut adalah KNN dari x. Jika densitasnya tinggi di dekat x, maka sel akan berukuran relatif kecil yang berarti memiliki resolusi yang baik. Jika densitas rendah, sel akan tumbuh lebih besar, tetapi akan berhenti setelah memasuki wilayah yang memiliki densitas tinggi. Gambar 2. 1. KNN Mengestimasi Densitas Dengan k=3 dan k=5 Nilai k yang terbaik untuk algoritma ini tergantung pada data. Secara umum, nilai kyang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara setiap klasifikasi menjadi semakin kabur. Nilai k yang bagus dapat dipilih dengan optimasi parameter, misalnya dengan menggunakan cross-validation. Kasus khusus dimana klasifikasi diprediksikan berdasarkan training data yang paling dekat (dengan kata lain, k= 1) disebut algoritma nearest neighbor.
14 Ketepatan algoritma KNN sangat dipengaruhi oleh ada atau tidaknya fiturfitur yang tidak relevan atau jika bobot fitur tersebut tidak setara dengan relevansinya terhadap klasifikasi. Riset terhadap algoritma ini sebagian besar membahas bagaimana memilih dan memberi bobot terhadap fitur agar performa klasifikasi menjadi lebih baik. KNN memiliki beberapa kelebihan yaitu ketangguhan terhadap training data yang memiliki banyak noise dan efektif apabila training data-nya besar. Sedangkan, kelemahan KNN adalah KNN perlu menentukan nilai dari parameter k (jumlah dari tetangga terdekat), training berdasarkan jarak tidak jelas mengenai jenis jarak apa yang harus digunakan dan atribut mana yang harus digunakan untuk mendapatkan hasil terbaik, dan biaya komputasi cukup tinggi karena diperlukan perhitungan jarak dari tiap query instance pada keseluruhan training sample.