bab ii tinjauan pustaka 2.1. 2.1.1. - sinta.unud.ac.id ii.pdf · kebutuhan informasi seluruh...
TRANSCRIPT
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 fitur-
fitur 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.