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.