kata pengantar 2
TRANSCRIPT
KATA PENGANTAR
Damai Sejahtera, puji dan syukur Penulis panjatkan kehadirat Tuhan Yang
Maha Esa atas Berkat dan Rahmat-Nya sehingga Penulis dapat menyelesaikan
penulisan skripsi ini sebagai salah satu syarat dalam menempuh ujian akhir untuk
memperoleh gelar Sarjana Sains pada Fakultas Matematika dan Ilmu Pengetahuan
Alam Jurusan Matematika Universitas Hasanuddin Makassar.
Oleh karena itu, perkenankanlah pernulis menyampaikan ucapan terima
kasih yang tulus dan penghargaan yang tidak terhingga kepada Papa, Simon
Somalangi dan Mama tercinta, Tandung Parinding, terima kasih atas segala doa
dan kasih sayangnya dalam mendidik dan membesarkan penulis dengan segala
pengorbanan dan cucuran keringat yang tak ternilai harganya, serta kakaku
Natalia Somalangi, S.Kep. beserta suami, Sinta Somalangi, SE, dan adikku
Irenewati Somalangi, tak ketinggalan juga keponakanku Denilson,terima kasih
atas canda tawa yang telah dilalui bersama. Untuk Nenek dan Tante serta keluarga
besarku, terima kasih atas doanya.
Ucapan terima kasih yang tak terhingga penulis persembahkan kepada:
Bapak Dr. Eng. Armin Lawi, M.Eng. selaku pembimbing utama atas
bimbingan, waktu, semangat dan ilmu dalam membimbing penulis dari
awal sampai akhir.
i
Bapak Hendra, S.Si, M.Komp. selaku pembimbing pertama yang telah
meluangkan waktu disela-sela rutinitasnya tenaga untuk membimbing
penulis.
Bapak Drs. Muh. Hasbi, M.Sc selaku pembimbing kedua yang telah
membimbing penulis hingga penyelesaian tugas akhir ini.
Bapak Dr. Nurdin, M.Si. selaku ketua penguji, dan Bapak Drs.
Khaeruddin, M.Sc. selaku sekertaris penguji sekaligus penasehat
akademik atas masukan yang sangat berharga selama penulis menyusun
skripsi.
Bapak Drs. Khaeruddin, M.Sc. selaku ketua Jurusan Matematika, Bapak
Andi Kresna Jaya, S.Si, M.Si. selaku sekertaris Jurusan Matematika,
terima kasih atas segala masukannya. Seluruh dosen Matematika Unhas
atas ilmu yang telah dibagi kepada penulis serta staf pegawai di Jurusan
Matematika FMIPA Unhas (P’ Nasir dan P’ Sutamin) atas fasilitas dan
kemudahan yang diberikan kepada penulis sejak kuliah hingga
terselesainya skripsi ini.
Pimpinan dan segenap staf RS. Dr. Wahidin Sudirohusodo yang telah
membantu penulis dalam memberikan informasi dan data-data yang
dibutuhkan dalam penyusunan skripsi ini.
Teman dekatku Irse David, Andi Mariani, Gabryela Horman Pelo, dan
Karmila Amin, terima kasih teman, semua kenangan tidak akan terlupa.
New Generation : Nurul Muslihat, Harita Wijayanti, Erny, Irmayani
Amang, Andi Mariani, hahahaha..... Obsesi lanjutkan teman!!!
ii
Teman Math 06 ada Greby (teman penelitian, makasih banyak teman atas
bantuannya), Rina, Sukra, Abang Takdir (makasih nasehat2nya kawan),
Imma, Erny, Mila, Itha, Ina, Harita, Mia, Indra, Jen, Ancha, Kimoet,
Adi, Didin, Hase’, Yudi, Ani, Hakam, Irse, Mila, Dila, Erick, Anto,
Fitri, Vika, Marni, Wana, Mimi, Hasda dan yang tidak sempat
disebutkan namanya, Penulis ucapkan mkasih atas kebersamaannya, ”I
always love n miss U friends”, tak ketinggalan pula teman-teman Stat 06
dan Perpustakaan Jurusan Matematika Crew.
STO Crew: okta jelek, ivan comen, sri gen, alda pemirsa, eva budok,
ustad wany, alm. Uchin, bang ucup dan semua penghuni STO penulis
ucapkan makasih...........!!!!
Akhir kata, semoga penulisan ini dapat turut menyumbangkan pemikiran
dan dapat memberikan manfaat kepada kita semua. Amin.
Makassar, Februari 2011
Penulis
iii
ABSTRAK
Salah satu penyakit kanker yang paling banyak menyerang pada kaum wanita adalah kanker serviks. Sering dalam menentukan klasifikasi stadium kanker serviks para dokter dituntut untuk mengambil tindakan yang lebih cepat, agar penanganan pasien juga lebih cepat. Suatu Sistem Pendukung Keputusan (SPK) yang sederhana dan relevan dalam menentukan stadium kanker serviks adalah Decision Tree. Algoritma yang digunakan dalam penyelesaian masalah tersebut yaitu dengan menggunakan algoritma ID3, dimana algoritma tersebut membentuk suatu model pohon keputusan. Parameter yang digunakan untuk menentukan stadium kanker serviks adalah keadaan umum, keputihan, anemia, perdarahan pervaginam dan massa tumor. Hasil penelitian menunjukkan bahwa penentuan stadium yang diperoleh secara Decision Tree sama dengan hasil penentuan stadium kanker serviks oleh paramedik di Rumah Sakit DR. Wahidin Sudirohusodo.
Kata kunci : Decision Tree, Sistem Pendukung Keputusan, Algoritma ID3, Kanker
Seviks.
iv
ABSTRACT
One of the top cancer attacking women is cervical cancer. Often in determining the classification of stage cervical cancer physicians are required to take action more quickly, for the handling of patient is also much faster. A Decision Support System (DSS) that is simple and relevant in determining the stage of cervical cancer is Decision Tree. The algorithm used in solving these problem is by using ID3 Algorithm, where the algorithm is to form a decision tree models. Parameter used to determine the stage of cervical cancer are patient’s general condition, vaginal discharge, anemia, vaginal bleeding and tumor mass. The results showed that staging obtained by Decision Tree similar to results of cervical cancer staging by paramedics at the General Hospital DR. Wahidin Sudirohusodo.
Keywords : Decision Tree, Decision Support System, ID3 Algorithm, Cervical Cancer.
v
DAFTAR ISI
HALAMAN JUDUL
LEMBAR KEOTENTIKAN
LEMBAR PENGESAHAN PENGUJI
KATA PENGANTAR ……………………………………………………… i
ABSTRAK ..………………………………………………………………… iv
ABSTRACT …….………………………………………………………….. v
DAFTAR ISI ….……………………………………………………………. vi
DAFTAR TABEL ….………………………………………………………. viii
DAFTAR GAMBAR ….……………………………………………………. xi
BAB I PENDAHULUAN
1.1 Latar Belakang ……………………………………………….. 1
1.2 Rumusan Masalah ……………………………………………. 2
1.3 Batasan Masalah ……………………………………………… 3
1.4 Tujuan Penulisan ……………………………………………... 3
BAB II TINJAUAN PUSTAKA
2.1 Kanker Serviks …………………….………………………… 4
2.2 Decision Tree ............................................ ………………….. 5
2.3 Konsep Data dalam Decision Tree ……….………………...... 8
2.4 Langkah Kerja dalam Decision Tree .....…………………....... 9
2.4.1 Mengubah Bentuk Data (tabel) Menjadi Model Tree …. 9
vi
2.4.2 Mengubah Tree menjadi Rules (aturan) ....................... 12
2.4.3 Menguji Atribut dalam Rules (aturan) .......................... 14
BAB III METODE PENELITIAN
3.1 Lokasi Penelitian …...………………………………………… 15
3.2 Jenis dan Sumber Data ……………………………………… 15
3.2.1 Jenis Data .......................................................................... 15
3.2.2 Sumber Data ................................................................... 16
3.3 Variabel Penelitian ….……………………………………....... 16
3.4 Metode Analisis ........................................................................ 17
BAB IV HASIL DAN PEMBAHASAN
4.1 Mengubah Data Menjadi Pohon ............... …………………... 21
4.2 Mengubah Bentuk Tree Menjadi Rules (aturan)………............. 69
4.3 Menguji Independensi antar Atribut dalam Rules (aturan) dan
Menguji Kesalahan Decision Tree ............................................ 72
4.4 Contoh Kasus ............................................................................... 76
BAB IV KESIMPULAN DAN SARAN
4.1 Kesimpulan …...…………..…………………………………... 78
4.2 Saran ……………………….…………………………………. 78
DAFTAR PUSTAKA …..………………..……………………...…………. 79
LAMPIRAN
vii
DAFTAR TABEL
Tabel 1 Data Penderita Kanker Serviks dari RS. DR. Wahidin
Sudirohusodo
Tabel 2 Data sampel untuk Atribut Kanker Serviks
Tabel 3 Data Atribut Keadaan Umum (KU)
Tabel 4 Data Atribut Keputihan (K)
Tabel 5 Data Atribut Anemia (A)
Tabel 6 Data Atribut Perdarahan (P)
Tabel 7 Data Atribut Massa Tumor (MT)
Tabel 8 Data Atribut Nyeri Perut (NP)
Tabel 9 Data Sampel Atribut Massa Tumor = Kecil
Tabel 10 Data Atribut Keadaan Umum (Massa Tumor = Kecil)
Tabel 11 Data Atribut Keputihan (Massa Tumor = Kecil)
Tabel 12 Data Atribut Anemia (Massa Tumor = Kecil)
Tabel 13 Data Atribut Perdarahan (Massa Tumor = Kecil)
Tabel 14 Data Atribut Nyeri Perut (Massa Tumor = Kecil)
Tabel 15 Data Sampel Atribut Keputihan = Ya
Tabel 16 Data Atribut Keadaan Umum (Keputihan = Ya)
Tabel 17 Data Atribut Anemia (Keputihan = Ya)
Tabel 18 Data Atribut Perdarahan (Keputihan = Ya)
viii
Tabel 19 Data Atribut Nyeri Perut (Keputihan = Ya)
Tabel 20 Data Sampel Atribut Keputihan = Tidak
Tabel 21 Data Atribut Keadaan Umum (Keputihan = Tidak)
Tabel 22 Data Atribut Anemia (Keputihan = Tidak)
Tabel 23 Data Atribut Perdarahan (Keputihan = Tidak)
Tabel 24 Data Atribut Nyeri Perut (Keputihan = Tidak)
Tabel 25 Data Sampel Atribut Perdarahan = Rendah (Keputihan = Ya)
Tabel 26 Data Atribut Keadaan Umum (Keputihan = Ya, Perdarahan =
Rendah)
Tabel 27 Data Atribut Anemia (Keputihan = Ya, Perdarahan = Rendah)
Tabel 28 Data Atribut Nyeri Perut (Keputihan = Ya, Perdarahan = Rendah)
Tabel 29 Data Sampel Atribut Keadaan Umum = Baik
Tabel 30 Data Atribut Anemia (Keputihan = Ya, Perdarahan = Rendah,
Keadaan Umum = Baik)
Tabel 31 Data Atribut Nyeri Perut (Keputihan = Ya, Perdarahan = Rendah,
Keadaan Umum = Baik)
Tabel 32 Data Sampel Anemia = Tidak (Keputihan = Tidak)
Tabel 33 Data Atribut Keadaan Umum (Keputihan = Tidak, Anemia =
Tidak)
Tabel 34 Data Atribut Perdarahan (Keputihan = Tidak, Anemia = Tidak)
Tabel 35 Data Atribut Nyeri Perut (Keputihan = Tidak, Anemia = Tidak)
Tabel 36 Data Hasil Prediksi Pada Data Training untuk Klasifikasi Stadium
Kanker Serviks
ix
Tabel 37 Uji Chi Square untuk Atribut Kanker Serviks
Tabel 38 Data Hasil Prediksi Pada Data Training untuk Klasifikasi Stadium
Kanker Serviks
Tabel 39 Perhitungan SSE (Sum of Square of Error) pada Hasil Pediksi pada
Data Training
x
DAFTAR GAMBAR
Gambar 1 Pola Pemindahan Data Ke Dalam Model Tree
Gambar 2 Grafik Entropy dalam Sampel (S)
Gambar 3 Bentuk Tree yang akan dibut Rule (Aturan)
Gambar 4 Bentuk Tree Awal
Gambar 5 Pembentukan Model Tree Kedua
Gambar 6 Pembentukan Model Tree Ketiga
Gambar 7 Pembentukan Model Tree Keempat
Gambar 8 Pembentukan Model Tree Kelima
Gambar 9 Pembentukan Model Tree Keenam
Gambar 10 Bentuk Decision Tree untuk Kanker Serviks
xi
uses crt;
var KU,Keputihan,Anemia,Pendarahan,MT,NP,Kelas,Ulang:integer;
begin
Repeat
clrscr;
writeln (’*******KLASIFIKASI STADIUM KANKER SERVIKS
*******
DECISION TREE
=================================================’)
writeln('1.Baik 2.Buruk');
write('Keadaan Umum = ');readln(KU);
writeln('1.Tidak 2.Ya ');
write('Keputihan = ');readln(Keputihan);
writeln('1.Tidak 2.Ya ');
write('Anemia = ');readln(Anemia);
writeln('1.Rendah 2.Sedang 3.Tinggi ');
write('Pendarahan = ');readln(Pendarahan);
writeln('1.Kecil 2.Sedang 3.Besar ');
write('Massa Tumor = ');readln(MT);
clrscr;
if ((MT=1) and (Keputihan=1) and (Anemia=1) and (Pendarahan=1)) then
Kelas:=1
xii
else if ((MT=1) and (Keputihan=1) and (Anemia=1) and (Pendarahan=2))
then Kelas:=2
else if ((MT=1) and (Keputihan=1) and (Anemia=2)) then Kelas:=2
else if ((MT=1) and (Keputihan=2) and (Pendarahan=1) and (KU=2)) then
Kelas:=3
else if ((MT=1) and (Keputihan=2) and (Pendarahan=1) and (KU=1) and
(Anemia=1)) then Kelas:=3
else if ((MT=1) and (Keputihan=2) and (Pendarahan=1) and (KU=1) and
(Anemia=2)) then Kelas:=2
else if ((MT=1) and (Keputihan=2) and (Pendarahan=1) and (KU=1)) then
Kelas:=2
else if ((MT=1) and (Keputihan=2) and (Pendarahan=2)) then Kelas:=3
else if (MT=2) then Kelas:=3
else if (MT=3) then Kelas:=4;
writeln('Stadium ',Kelas);
readln;
clrscr;
writeln(’*******KLASIFIKASI STADIUM KANKER SERVIKS
*******
DECISION TREE
================================================= ’)
write('Ingin Mengulangi Prediksi (1.Tidak , 2.Ya) ');readln(Ulang);
Until Ulang=1;
xiii
readln;
end.
xiv