BAB 3

PEMBAHASAN

3.1 Rumah Sakit Pondok Indah

3.1.1 Latar Belakang

Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan

pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan

rumah sakit pertamanya yaitu RS Pondok Indah yang terletak di Jakarta Selatan, dan

kemudian pada pada tahun 2008 mendirikan rumah sakit keduanya, yaitu RS Puri Indah

di wilayah Jakarta Barat tepatnya di Puri Indah, Kembangan.

Rumah Sakit Pondok Indah adalah rumah sakit swasta mutakhir pertama di

Indonesia yang diresmikan pada 1 Desember 1986. Kehadiran RS Pondok Indah

mendapat tanggapan positif dari masyarakat luas, terbukti dengan tetap bertahan,

berkembang dan bertambahnya pusat-pusat pelayanan kesehatan, peralatan medis

mutakhir serta bergabungnya lebih dari 250 dokter spesialis, subspesialis dan dokter

umum dengan RS Pondok Indah.

Hingga kini RS Pondok Indah menjadi rumah sakit pilihan dan telah memiliki

lebih dari 600 ribu pasien baik pasien lama (kunjungan berulang) maupun pasien baru.

RS Pondok Indah selain memberikan pelayanan pasien secara individu juga melayani

pasien karyawan perusahaan dan klien perusahaan asuransi.

Guna memenuhi kebutuhan dan harapan pasien, RS Pondok Indah terus

mengembangkan Pusat Layanan Unggulan / Center of Excellence dan Diagnostic Center

yang lengkap dengan peralatan kedokteran terkini guna mendukung diagnosa penyakit

36

secara paripurna dan akurat. Dalam memfasilitasi permasalahan komunikasi dokter-

pasien dan rumah sakit, disediakan jasa layanan Patient Advocate agar hak dan

kewajiban pasien, dokter, dan rumah sakit dapat dipenuhi dengan baik. RS Pondok

Indah adalah rumah sakit di Indonesia yang pertama kali menyediakan jasa layanan

Patient Advocate.

3.1.2 Struktur Organisasi Rumah Sakit Pondok Indah

Gambar 3.1 Struktur Organisasi Rumah Sakit Pondok Indah

3.1.3 Visi Dan Misi

A. Visi

Visi RS Pondok Indah adalah menjadi rumah sakit pilihan dengan menyediakan

layanan perawatan kesehatan terbaik, aman, bermutu tinggi dan inovatif.

37

B. Misi

Misi RS Pondok Indah adalah menyediakan pelayanan secara utuh, konsisten dan

terpadu berfokus pada pasien melalui praktek berbasis bukti yang sesuai dan pelayanan

prima dengan komitmen, kerja sama tim, keterlibatan dari pihak terkait dan peningkatan

kompetensi individu yang berkesinambungan.

3.2 Model Aplikasi

Program dirancang untuk memprediksi apakah seseorang terkena penyakit

jantung koroner (PJK) menggunakan jaringan syaraf tiruan backpropagation. Lapisan

masukan (input layer) terdiri atas delapan buah node, yaitu umur (X1), jenis kelamin

(X2), tekanan darah sistolik (X3), tekanan darah diastolik (X4), kadar kolestrol LDL

(X5), kadar kolestrol HDL (X6), kadar kolestrol total (X7), dan kadar trigeliserida (X8),

beserta 1 buah node bias. Untuk lapisan keluaran (output layer) hanya terdiri dari satu

buah node, yaitu hasil prediksi (Y). Jumlah lapisan tersembunyi (hidden layer) adalah 6

buah dengan 1 buah node bias. Nilai yang digunakan dalam penghitungan akan

bervariasi tergantung dari hasil pengukuran. Dalam perancangan backpropagation

digunakan 10000 kali iterasi dengan tingkat error yang diharapkan (desired error)

diinisialisasikan sebesar 0.001 dan epoch maksimum sebesar 15000.

Menurut Rahmawansa (2009), klasifikasi kadar lipoprotein dalam tubuh adalah

sebagai berikut.

38

Tabel 3.1 Klasifikasi Kadar Lipoprotein

Sementara untuk kriteria hipertensi dapat ditentukan dengan pemeriksaan

tekanan darah berdasarkan Pedoman Kerja WHO tahun 2009 (WHO, 2009).Klasifikasi

dibagi sebagai berikut.

Tabel 3.2 Klasifikasi Tekanan Darah

Untuk klasifikasi umur dan jenis kelamin dibagi sebagai berikut.

Tabel 3.3 Klasifikasi Jenis Kelamin Dan Usia

39

Gambar 3.2 Model Neural Network

Data yang digunakan dalam penelitian diambil secara acak dari catatan medis

pasien penderita penyakit jantung koroner (PJK) dan bukan penderita penyakit jantung

koroner di Rumah Sakit Pondok Indah sebanyak 50 orang.

40

Tabel 3.4 Tabel Data Pasien Rumah Sakit Pondok Indah

41

3.3 Perancangan Sistem

3.3.1 Rancangan Struktur Menu

Struktur menu software dirancang sebagai berikut.

A. Struktur Layar Training (Utama)

Gambar 3.3 Struktur Layar Training (Utama)

Gambar 3.3 menjelaskan struktur layar utama dari program yang sekaligus merupakan

layar untuk melakukan training data. Pada layar ini, terdapat tombol untuk melakukan

proses training data, membuka sub menu File, membuka layar Recognize, melihat profil

di layar About Me, dan melakukan pengaturan program di layar Settings.

42

B. Struktur Menu File

Gambar 3.4 Struktur Sub Menu File

Gambar 3.4 menunjukkan struktur dari sub menu File yang di dalamnya terdapat pilihan

New File, Save File, Load File, dan Exit. Fungsi dari sub menu ini akan dijelaskan lebih

rinci pada bab berikutnya.

C. Struktur Layar Recognize

Gambar 3.5 Struktur Layar Recognize

43

Gambar 3.5 menjelaskan struktur pada menu Recognize. Pada layar ini, user dapat

melakukan prediksi penyakit jantung koroner dengan data yang telah diinput dalam

proses training. Selain itu, terdapat pula tombol untuk pergi ke layar-layar lainnya.

D. Struktur Menu Settings

Gambar 3.6 Struktur Layar Settings

E. Struktur About Me

Gambar 3.7 Struktur Layar About Me

3.3.2 Perancangan Program

Pada tahap perancangan ini, akan dibuat perancangan proses dan perancangan

layar dari program aplikasi yang akan dibuat.

44

A. Use Case Diagram

Gambar 3.8 Use Case Diagram

45

B. Flowchart

Gambar 3.9 Flowchart Proses Dalam Sistem

46

C. Sequence Diagram

Sequence diagram menjelaskan mengenai aliran data atau program yang diproses

oleh sistem. Gambar berikut menggambarkan urutan kejadian interaksi pengguna

aplikasi.

Gambar 3.10 Sequence Diagram

3.3.3 Rancangan Tampilan Layar

Program dibuat menggunakan 4 layar antarmuka, antara lain:

- Layar Training

- Layar Recognize

- Layar Setting

- Layar About Me

47

A. Layar Training

Layar Training berfungsi sebagai layar utama yang berisikan form untuk

memasukkan data pasien penderita dan bukan penderita penyakit jantung koroner. Selain

form-form tersebut, terdapat pula tombol untuk melatih dan menyimpan data hasil

pelatihan. Pada bagian atas layar, terdapat menu untuk navigasi ke layar-layar lainnya.

Jika Tombol Train Data ditekan, maka program akan melakukan perhitungan (training)

dengan data yang diinput menggunakan file latihan yang harus dibuat sebelumnya.

Gambar 3.11 Rancangan Layar Training

Berikut adalah pseudocode untuk layar Training

If ditekan tombol Train Data If file Training tidak ada Tampilkan peringatan Else If data tidak diisi lengkap Tampilkan peringatan Else

48

Baca semua input Baca variabel error dan max_epoch While nilai error < min_error atau jumlah iterasi < max_epoch Begin Mengambil data dari file Training Perhitungan Feedfoward Perhitungan Backfoward Periksa error Koreksi bobot End Tampilkan error Iterasi = iterasi + 1 If iterasi 10000 then Simpan ke file Training End If ditekan tombol Recognize Tampilkan layar Recognize Berikut adalah pseudocode menu File If ditekan menu New Tampilkan menu New Tampilkan menu Load Tampilkan menu Save Tampilkan menu Exit If ditekan New Buat file Training baru If ditekan Load Tampilkan pilihan buka file Training If ditekan Save Simpan file Training If ditekan Exit Keluar dari aplikasi

B. Layar Settings

Layar Settings berisikan form-form untuk memasukkan faktor perhitungan yang

akan digunakan pada perhitungan menggunakan metode backpropagation, yaitu epoch

maksimum dan tingkat kesalahan (error) yang diinginkan. Di bagian atas terdapat menu

49

untuk navigasi ke layar-layar lain. Jika tombol Back ditekan, maka program akan

kembali menampilkan layar Training.

Gambar 3.12 Rancangan Layar Settings

Berikut adalah pseudocode Layar Settings

If ditekan tombol Back Simpan max_epoch Simpan desired_error Tampilkan layar Training

C. Rancangan Layar Recognize

Layar Recognize berisikan form-form untuk memasukkan data pasien yang

bertujuan memprediksi ada atau tidaknya penyakit jantung koroner di pasien tersebut.

Pada layar ini, jika tombol Recognize ditekan, program akan menampilkan hasil prediksi

berdasarkan data yang telah diinput dan menampilkan hasilnya di area Hasil Prediksi.

Untuk melakukan perhitungan, user harus membuat atau membuka file latihan terlebih

dahulu.

50

Gambar 3.13 Rancangan Layar Recognize

Berikut adalah pseudocode untuk layar Recognize

If ditekan tombol Recognize Data If file Training tidak ada Tampilkan peringatan Else If data tidak diisi lengkap Tampilkan peringatan Else Baca semua input Baca variabel error dan max_epoch While nilai error < min_error atau jumlah iterasi < max_epoch Begin Mengambil data dari file Training Perhitungan Feedfoward Perhitungan Backfoward End Tampilkan error Tampilkan hasil prediksi End If ditekan tombol Training Tampilkan layar Training

51

D. Rancangan Layar About Me

Gambar 3.14 Rancangan Layar About Me

Berikut adalah pseudocode layar About Me

If ditekan tombol Back Tampilkan layar Training

E. Rancangan Layar Help

Layar ini akan menampilkan cara pemakaian program beserta fungsinya

Gambar 3.15 Rancangan Layar Help

Berikut adalah pseudocode layar Help

If ditekan tombol Back Tampilkan layar Training