sistem pakar penentuan bahan dan alat habis …
TRANSCRIPT
i
SISTEM PAKAR PENENTUAN BAHAN DAN ALAT
HABIS PAKAI OPERASI BEDAH BERBASIS ANDROID
SKRIPSI
Disusun dalam rangka memenuhi salah satu persyaratan
Untuk menyelesaiakan program Strata-1 Prodi Informatika Jurusan Elektro
Universitas Hasanuddin
Makassar
Disusun Oleh
Muh. Patahuddin Haspan
D421 13 010
DEPARTEMEN TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
MAKASSAR
2017
3
4
ABSTRAK
Pada tindak operasi yang dilakukan di kamar operasi sering kali terjadi
kesalahan penetuan BAHP yang mengakibatkan terjadinya waiting time dan over time
yang dapat berdampak pada kesehatan pasien. Pada tahun 2016 Christoforus dkk
membuat sistem pakar BAHP, namun sistem pakar tersebut masih berbasis PC dan
belum dapat di update. Jadi penelitian ini bertujuan untuk mengembangkan sistem yang
telah dibuat Christoforus dkk dalam hal sistem berbasis android dan dapat di
update.
Data yang digunakan merupakan data yang betul-betul telah dilakukan pada
tindak opersi yang sebenarmya yang kemudian dikumpulkan dan disimpan dalam
database yang telah di hosting. Database di hosting agar sistem dapat diakses
memelalui jaringan internet. Proses algoritma apriori dilakukan di server agar proses
kerja sistem menjadi lebih cepat dibanding dieksekusi di android. Proses updating data
didesain dengan memanfaatkan checkbox untuk memilih BAHP yang akan digunakan
dalam tindak operasi. Pemilihan chechkbox dalam proses updating data dipilih karena
akan lebih mempermudah user dalam memilih BAHP yang akan digunakan serta proses
updating data.
Hasil output yang dikeluarkan oleh sistem yaitu berupa list BAHP yang akan
digunakan dalam tindak operasi dan persentase terpakainya BAHP dalam tindak
operasi. Output sistem akan dibagi menjadi dua data dengan persentase diatas 60% dan
dibawah 60%. Proses updating data akan mengakibatkan peningkatan dan penurunan
persentase akibat jumlah tindakan yang ada didalam database yang terus bertambah.
Sistem ini diharapkan dapat dijalankan di smartphone manapun serta agar proses
pemilihan BAHP lebih akurat dapat melibatkan parameter yang lain.
Kata Kunci: BAHP, tindak operasi, smartphone, android, sistem pakar, update,
checkbox, hosting.
5
KATA PENGANTAR
Puji dan rasa syukur mendalam penulis panjatkan kehadirat Allah SWT, karena berkat
limpahan rahmat, hidayah, dan inayah-Nya maka skripsi ini dapat diselesaikan dengan
baik. Salam dan salawat semoga selalu tercurah pada baginda Rasulullah Muhammad
SAW.
Skripsi yang berjudul "Sistem Pakar Penentuan Bahan dan Alat Habis Pakai Operasi
Bedah Berbasis Android" di susun untuk memenuhi persyaratan kurikulum sarjana
strata-1 (S-1) pada Prodi Informatika Fakultas Teknik Universitas Hasanuddin.
Penulis mengucapkan rasa terimasih yang sebesar-besarnya atas semua bantuan yang
telah diberikan, baik secara langsung maupun tidak langsung selama penyusunan tugas
akhir ini hingga selesai. Secara khusus rasa terimakasih tersebut kami sampaikan
kepada:
1. Allah SWT sang Maha pencipta karena berkat rahmat dan hidayahnya
sehingga penulis dapat menyelesaikan tugas akhir ini.
2. Orang tua dan keluarga yang senantiasa memberikan doa, dukungan,
dan motivasi selama pembuatan, perancangan hingga penyelesaain
tugas akhir ini.
3. Bapak Dr. Indrabayu, ST., M.T., M.Bus.Sys selaku pembimbing I dan
Bapak Ir. Christoforus Yohannes., M.T selaku pembimbing II yang
telah memberikan bimbingan dan dorongan dalam penyusunan tugas
akhir ini.
4. Ibu Dr. Eng. Intan Sari Areni, ST., MT. atas batuan dan
bimbingannya pengerjaan dan penulisan tugas akhir ini.
5. Bapak Amil Ahmad Ilham, ST., M.IT., Ph.D selaku Ketua Prodi
Teknik informatika fakultas Teknik Unversitas Hasanuddin.
6
6. Bapak Robert dan Bapak Zainuddin selaku staff Kantor Prodi
Informatika Universitas Hasanuddin atas segala bantuannya.
7. Saudara Arisal Ahmad Saila atas segala bantuannya selama
penyusunan tugas akhir ini.
8. Teman-teman Prodi Teknik Informatika terkhusus angakatan 2013
atas segala dukungan dan batuannya.
9. Teman-teman lab AIMP atas segala dukungan dan batuannya dalam
penyelesaian tugas akhir ini.
10. Bapak M. Haspan Naja dan Basse’lu Dg Saga, orang tua penulis, yang
telah membesarkan dan mendidik, serta memberikan dukungan dan doa
kepada penulis.
Penulis menyadari bahwa tugas akhir ini belum sempurna, baik dari segi materi maupun
penyajiannya. Untuk itu saran dan kritik yang membangun sangat diharapkan dalam
penyempurnaan tugas akhir ini.
Terakhir penulis berharap, semoga tugas akhir ini dapat memberikan hal yang
bermanfaat dan menambah wawasan bagi pembaca dan khususnya bagi penulis juga.
Makassar, Mei 2017
Penulis,
(Muh. Patahuddin Haspan)
7
DAFTAR ISI
HALAMAN JUDUL ................................................................................................... i
HALAMAN PENGESAHAN .................................................................................... ii
ABSTRAK ................................................................................................. iii
KATA PENGANTAR ................................................................................. iv
DAFTAR ISI .............................................................................................. vi
DAFTAR TABEL ....................................................................................... ix
DAFTAR GAMBAR .................................................................................................. x
BAB I PENDAHULUAN
1.1 Latar Belakang ................................................................................................... 1
1.2 Rumusan Masalah .............................................................................................. 3
1.3 Tujuan Penelitian ................................................................................................ 3
1.4 Manfaat Penelitian .............................................................................................. 4
1.5 Batasan Masalah ................................................................................................. 4
1.6 Sistematika Penulisan ......................................................................................... 5
BAB II TINJAUAN PUSTAKA
2.1 Landasan Teori ................................................................................................... 6
2.1.1 Sistem Pakar ................................................................................................ 6
2.1.2 Data Mining ................................................................................................. 7
2.1.3 Algoritma Apriori ...................................................................................... 13
2.1.4 Android Studio .......................................................................................... 15
2.1.5 Bahasa Pemrograman ................................................................................ 16
2.2 Kerangka Pikir .................................................................................................. 20
BAB III METODOLOGI PENELITIAN
3.1 Pengumpulan Data ........................................................................................... 21
3.2 Waktu dan Lokas Penelitian ............................................................................. 21
vii
3.3 Analisis Kebutuhan Perangkat ......................................................................... 21
3.3.1 Software ..................................................................................................... 22
3.3.2 Hawdware .................................................................................................. 22
3.4 Rancangan Sistem ............................................................................................ 23
3.4.1 Skenario ..................................................................................................... 23
3.4.2 Flowchart Alur Kerja Apriori dalam Sistem ............................................. 27
3.4.3 Flowchart Update Data .............................................................................. 30
3.4.4 Desain Database ........................................................................................ 32
3.4.5 Entity Relationship Diagram ..................................................................... 33
3.4.6 Class Diagram Sistem ................................................................................ 34
3.4.5 Activity Diagram ....................................................................................... 35
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Gambaran umum Sistem .................................................................................. 38
4.2 Design Sistem ................................................................................................... 38
4.2.1 Halaman Utama ......................................................................................... 38
4.2.2 Button Persiapkan BAHP .......................................................................... 39
3.4.3 Button Lihat Database ............................................................................... 45
4.3 Proses Updating Data ....................................................................................... 49
4.4 Output Sistem ................................................................................................... 52
4.4.1 Sebelum dan Setelah Update ..................................................................... 52
4.4.2 Data Belum Cukup .................................................................................... 55
4.4.3Persentase diatas 100% .............................................................................. 56
4.5 Pengujian Metode Black-Box ........................................................................... 59
4.5.1 Pengujian Fungsional Sistem ..................................................................... 60
4.5.2 Pengujian Pengimputan ............................................................................. 61
BAB V PENUTUP
5.1 Kesimpulan ....................................................................................................... 63
888
5.2 Saran ................................................................................................................. 64
DAFTAR PUSTAKA ............................................................................................... 66
LAMPIRAN .............................................................................................................. 69
9
DAFTAR TABEL
Tabel 3.1 Tabel BAHP ................................................................................................ 37
Tabel 3.2 Tabel Jenis Tindakan .................................................................................. 37
Tabel 3.3 Tabel Pasien ................................................................................................ 37
Table 3.4 Tabel Tindakan ........................................................................................... 38
Table 4.1 Tabel Pengujian Fungsional Sistem ............................................................ 60
Table 4.2 Tabel Pengujian Pengimputan .................................................................... 61
10
DAFTAR GAMBAR
Gambar 2.1 Kerangka pikir ........................................................................................ 25
Gambar 3.1 Skenario secara umum ............................................................................ 28
Gambar 3.2 Skenario database .................................................................................. 29
Gambar 3.3 Skenario persiapkan BAHP..................................................................... 30
Gambar 3.4 Skenario lihat database .......................................................................... 31
Gambar 3.5 Flowchart algoritma apriori dalam sistem ............................................. 33
Gambar 3.6 Flowchart proses update data ................................................................. 35
Gambar 3.7 Entity relationship diagram ................................................................... 39
Gambar 3.7 Class diagram sistem BAHP .................................................................. 34
Gambar 3.7 Activity diagram persiapkan BAHP ....................................................... 35
Gambar 3.7 Activity diagram lihat database .............................................................. 36
Gambar 3.7 Activity diagram lihat data pasien .......................................................... 37
Gambar 3.7 Activity diagram lihat data tindakan ........................................................ 37
Gambar 4.1 Halaman utama ....................................................................................... 39
Gambar 4.2 Halaman saat button select diklik .......................................................... 40
Gambar 4.3 Halaman setelah salah satu button abjad diklik ..................................... 41
Gambar 4.4 Halaman setelah button select diklik ...................................................... 42
Gambar 4.5 Halaman button show data dibawah 60% .............................................. 43
Gambar 4.6 Halaman tampilkan hasil akhir ............................................................... 44
11
Gambar 4.7 Halam lihat database ............................................................................. 45
Gambar 4.8 Halaman lihat data pasien ...................................................................... 46
Gambar 4.9 Halaman setelah button lihat tindakan diklik ......................................... 47
Gambar 4.10 Halaman saat salah satu button abjad diklik ........................................ 48
Gambar 4.11 Halaman setelah button select diklik .................................................... 49
Gambar 4.12 Proses update data sistem pakar ........................................................... 50
Gambar 4.13 Pemberitahuan data berhasil di update ................................................ 51
Gambar 4.14 Output persentase setelah dan sebelum update .................................... 52
Gambar 4.15 Perubahan list data dari persentase dibawah 60% ke data diatas 60%. 53
Gambar 4.16 Perubahan list data dari persentasi diatas 60% ke dibawah 60% .......... 54
Gambar 4.17 Output sistem saat data belum cukup ................................................... 55
Gambar 4.18 Output sistem saat persentase diatas 100% .......................................... 57
Gambar 4.19 Perubahan persentase data diatas 100% saat dilakukan update ........... 58
Gambar 4.20 Keterangan saat data tidak cukup dan persentase data diatas 100% .... 59
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kamar Operasi atau kamar bedah adalah suatu unit khusus di rumah sakit,
sebagai tempat untuk melakukan tindakan pembedahan baik emergency maupun
selektif, yang membutuhkan keadaan steril. Kamar Operasi atau yang biasa
disingkat dengan OK juga merupakan tempat yang sangat vital bagi sebuah rumah
sakit, ketersediaan, efisiensi dan penggunaan alat-alat operasi sangat penting saat
ini, mengingat perkembangan teknologi dalam bidang medis semakin pesat yang
memungkinkan dilaksakannya berbagai macam jenis operasi dengan tingkat
kesulitan yang tinggi dan spesifikasi operasi yang khusus.
Penelitian yang dilakukan oleh Prasetijo pada tahun 2009 membahas
tentang informasi ketersediaan ruang operasi dengan permasalahan yang dihadapi
yaitu tidak ditepatinya penjadwalan yang sudah dilakukan oleh dokter pengguna
kamar bedah. Permasalahan tersebut timbul karena informasi yang dibuat tidak
dapat diperoleh secara cepat oleh unit pelayanan terkait. Dari permasalahan tersebut
dibuatlah sebuah sistem informasi tentang penjadwalan kamar operasi (OK)
(Prasetijo, 2009).
2
Pada dasarnya pembuatan sistem informasi tidak akan menyelesaikan
semua masalah yang ada pada unit kamar operasi, terutama pada ketepatan
penjadwalan operasi. Pada penelitian yang dilakukan oleh Christoforus tahun 2016,
salah satu faktor yang dapat menyebabkan ketidak-tepatan jadwal operasi adalah
penentuan Bahan Alat Habis Pakai (BAHP) yang keliru akan membuat petugas
kamar operasi akan kembali mengambil alat atau bahan habis pakai yang tidak
disediakan sebelumnya (Christoforus Yohannes, 2015). Kekeliruan dalam
persiapan pra operasi akan mengakibatkan terjadinya waiting time yang akan
berdampak buruk terhadap kesehatan pasien, salah satu dampak yang akan timbul
yaitu terjadinya infeksi akibat penundaan operasi. Dalam penelitian yang dilakukan
oleh Rudianto di tahun 2012 ditemukan bahwa studi klinis telah menunjukkan
waktu administrasi antibiotik mempengaruhi risiko infeksi. Patzakis dan Wilkins
dalam review dari 1025 fraktur terbuka, melaporkan bahwa tingkat infeksi adalah
4,7% (tujuh belas dari 364 sampel) ketika antibiotik sudah dimulai dalam waktu
tiga jam setelah cedera dan 7,4% (empat puluh sembilan dari 661 sampel) ketika
antibiotik telah dimulai empat jam atau lebih setelah 5 cedera (Rudianto, 2015).
Pada penelitian sebelumnya yang dilakukan oleh Cristoforus tahun 2016
telah dibuat sistem pakar untuk menetukan BAHP berbasis PC dengan database
yang tidak dapat di update setiap saat. Oleh karena itu, pada penelitian ini akan
dibuat sistem pakar yang menggunakan database yang di hosting sehingga data
dapat di update setiap saat dan device yang dapat terhubung ke database tidak
3
hanya satu saja tapi banyak device. Selain itu, sistem pakar yang dikembangkan ini
berbasis android sehingga penggunaannya lebih fleksibel.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah, maka rumusan masalah pada tugas
akhir ini adalah:
1. Bagaimana merancang sistem pakar yang dapat dijalankan di android
sebagai interface untuk sistem pakar BAHP?
2. Bagaimana merancang proses update data pada sistem pakar BAHP yang
digunakan di android?
3. Bagaimana merancang sistem pakar, sehingga algoritma apriori dapat
dijalankan di android?
1.3 Tujuan Penelitian
Tugas akhir ini bertujuan untuk:
1. Membuat sistem pakar yang dapat dijalankan pada device android sebagai
interface sistem.
2. Membuat proses update data pada sistem pakar BAHP yang akan
digunakan di android.
4
3. Membuat sistem pakar yang dapat menjalankan algoritma apriori di
android.
1.4 Manfaat Penelitian
Manfaat yang diharapkan dari tugas akhir ini adalah:
1. Membantu mengurangi angka keterlambatan operasi yang dapat berdampak
buruk pada kesehatan pasien.
2. Membantu pihak rumah sakit dan bidang keilmuan medis dalam hal pra operasi
yakni pemberian informasi mengenai alat-alat operasi yang dibutuhkan.
3. Memberikan esensi baru dalam hal penggunaan sistem yang berbasis android.
1.5 Batasan Masalah
Batasan masalah yang terdapat dalam tugas akhir ini adalah:
1. Data awal diperoleh dari Data Transaksi BHP unit farmasi Kamar Bedah dan
data inventori Bahan Alat Habis Pakai yang ditentukan oleh dokter Bedah
Kordinator dan dokter Anastesi.
2. Data unit farmasi kamar bedah yang digunakan adalah data transaksional non-
retur yaitu betul-betul digunakan dan tidak dikembalikan.
3. Pembuatan sistem pakar menggunakan aplikasi android studio sebagai
pembuatan interface serta bahasa pemprograman java dan php.
5
4. Interface sistem tidak bersifat fleksibel atau tidak dapat diubah sesuai dengan
keinginan pengguna.
1.6 Sistematika Penulisan
Sistematika penulisan laporan proyek tugas akhir ini adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, rumusan masalah, tujuan, batasan
masalah, serta manfaat proyek tugas akhir ini.
BAB II TINJAUAN PUSTAKA
Bab ini menjelaskan tentang teori-teori dasar dan penelitian-penelitian terkait
dari berbagai literatur yang menjadi referensi dalam pengerjaan proyek tugas
akhir ini.
BAB III METODOLOGI PENELITIAN
Bab ini merincikan metodologi penelitian, analisis serta rancangan dari sistem
aplikasi pada proyek tugas akhir ini.
BAB IV ANALISIS DAN PEMBAHASAN
Bab ini membahas implementasi dari desain sistem yang dilakukan serta
pengujian dan valida sistem dari proyek tugas akhir.
BAB V PENUTUP
Bab ini berisi kesimpulan akhir serta saran pengembangan dari pengerjaan
proyek tugas akhir ini untuk penelitian di masa yang akan datang.
6
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Sistem Pakar
Sistem pakar adalah sekumpulan program yang memanipulasi pangkalan
pengetahuan (Knowledge base) untuk menyelesaikan masalah-masalah pada
bidang khusus yang memerlukan keahlian manusia. Menurut Patterson pada
tahun 1990 sistem pakar bekerja berdasarkan pengetahuan yang dimasukkan
oleh seorang atau beberapa orang pakar dalam rangka mengumpulkan informasi
sampai sistem pakar dapat menentukan jawabannya (Reppy Raisa,
2013).
Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu
permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar
ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli,
sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat
berpengalaman (Afifah, 2009).
Sistem pakar mulai dikembangkan pada pertengahan tahun 1960-an oleh
Artificial Intelligence Corporation. Periode penelitian artificial intelligence ini
7
didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer
canggih akan menghasilkan prestasi pakar atau bahkan manusia super. Suatu
usaha kearah ini adalah General Purpose Problem Solver (GPS). GPS yang
berupa sebuah prosedur yang dikembangkan oleh Allen Newell, John Cliff
Shaw, dan Herbert Alexander Simon dari Logic Theorist merupakan sebuah
percobaan untuk menciptakan mesin yang cerdas (Afifah, 2009).
2.1.2 Data Mining
Data mining merupakan istilah yang sering dikatakan sebagai suatu cara
untuk menguraikan serta mencari penemuan berupa pengetahuan didalam suatu
database. Data mining adalah proses pemilihan atau menambang pengetahuan
dari sekumpulan data dalam jumlah yang banyak (Lemi Iryani, 2015). Pada
tahun 2007 Pramudiono mengemukakan bahwa Data Mining juga disebut
sebagai serangkaian proses untuk menggali nilai tambah berupa pengetahuan
yang selama ini tidak diketahui secara manual dari suatu kumpulan data
(Masrisa, 2013).
Data mining, atau yang biasa juga disebut knowledge discovery in
database (KDD). KDD adalah kegiatan yang meliputi pengumpulan,
pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan
dalam set data berukuran besar (Lemi Iryani, 2015). Proses pencarian
pengetahuan ini menggunakan berbagai teknik-teknik pembelajaran komputer
8
(machine learning) untuk menganalisis dan mengekstraksikannya. Proses
pencarian bersifat iteratif dan interaktif untuk menemukan pola atau model yang
sahih, baru, bermanfaat, dan dimengerti. Dalam penerapannya data mining
memerlukan berbagai perangkat lunak analisis data untuk menemukan pola dan
relasi data agar dapat digunakan untuk membuat prediksi dengan akurat
(Maulana, 2015). Sehingga dalam hal ini ada enam tahap yang terdapat dalam
data mining untuk menemukan pola tersebut:
1. Pembersihan data (Data Cleaning)
Pembersihan data merupakan proses menghilangkan noise dan data
yang tidak konsisten atau data tidak relevan. Pada umumnya data yang
diperoleh, baik dari database suatu perusahaan maupun hasil eksperimen,
memiliki isian-isian yang tidak sempurna seperti data yang hilang, data yang
tidak valid atau juga hanya sekedar salah ketik (Lemi Iryani, 2015).
2. Integrasi Data (Data Integration)
Integrasi data merupakan penggabungan data dari berbagai
database ke dalam satu database baru. Integrasi data dilakukan pada
atribut-atribut yang mengidentifikasikan entitas-entitas yang unik seperti
atribut nama, jenis produk, nomor pelanggan dan lainnya (Masrisa, 2013).
9
3. Seleksi Data (Data Selection)
Data yang ada pada database sering kali tidak semuanya dipakai,
oleh karena itu hanya data yang sesuai untuk dianalisis yang akan diambil
dari database (Lemi Iryani, 2015).
4. Transformasi Data (Data Transformation)
Data diubah atau digabung ke dalam format yang sesuai untuk
diproses dalam data mining. Beberapa metode data mining membutuhkan
format data yang khusus sebelum bisa diaplikasikan (Masrisa, 2013).
5. Proses Mining
Merupakan suatu proses utama saat metode diterapkan untuk
menemukan pengetahuan berharga dan tersembunyi dari data (Lemi Iryani,
2015).
6. Evaluasi Pola (Pattern Evaluation)
Untuk mengidentifikasi pola-pola menarik kedalam knowledge
based yang ditemukan. Dalam tahap ini hasil dari teknik data mining
berupa pola-pola yang khas maupun model prediksi dievaluasi untuk
menilai apakah hipotesa yang ada memang tercapai. Bila ternyata hasil
yang diperoleh tidak sesuai hipotesa ada beberapa alternatif yang dapat
diambil seperti menjadikannya umpan balik untuk memperbaiki proses
data mining, mencoba metode data mining lain yang lebih sesuai, atau
10
menerima hasil ini sebagai suatu hasil yang di luar dugaan yang mungkin
bermanfaat (Masrisa, 2013).
Dalam data mining terdapat beberapa metode. Metode tersebut digunakan
berdasarkan bentuk tabel maupun hasil output dari data yang diinginkan.
Berikut beberapa metode dalam data mining:
a. Associaton Rule
Analisis asosiasi atau association rule mining adalah teknik data
mining untuk menemukan aturan asosiasi antara kombinasi item
(Maulana, 2015). Sebagai contoh dapat berupa berupa studi transaksi
di supermarket, misalnya seseorang yang membeli susu bayi juga
membeli sabun mandi. Pada kasus ini berarti susu bayi bersama
dengan sabun mandi. Karena awalnya berasal dari studi tentang
database transaksi pelanggan untuk menentukan kebiasaan suatu
produk dibeli bersama produk apa, maka aturan asosiasi juga sering
dinamakan market basket analysis (Maulana, 2015).
Aturan asosiasi akan menggunakan data latihan, sesuai dengan
pengertian data mining, untuk menghasilkan pengetahuan.
Pengetahuan untuk mengetahui item-item belanja yang sering dibeli
secara bersamaan dalam suatu waktu. Aturan asosiasi yang berbentuk
“if…then…” atau “jika…maka…” merupakan pengetahuan yang
dihasilkan dari fungsi Aturan Asosiasi (Kennedi Tampubolon, 2013).
11
Analisis asosiasi dikenal juga sebagai salah satu metode data mining
yang menjadi dasar dari berbagai metode data mining lainnya.
Khususnya salah satu tahap dari analisis asosiasi yang disebut analisis
pola frekuensi tinggi (frequent pattern mining) menarik perhatian
banyak peneliti untuk menghasilkan algoritma yang efisien. Penting
tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter,
support (nilai penunjang) yaitu persentase kombinasi item tersebut.
dalam database dan confidence (nilai kepastian) yaitu kuatnya
hubungan antar item dalam aturan assosiatif. Analisis asosiasi
didefinisikan suatu proses untuk menemukan semua aturan assosiatif
yang memenuhi syarat minimum untuk support (minimum support)
dan syarat minimum untuk confidence (minimum confidence)
(Maulana, 2015).
b. Classification
Classification merupakan metode analisis data yang digunakan
untuk membentuk model yang mendeskripsikan kelas data yang
penting, atau model yang memprediksikan tren data. Klasifikasi
digunakan untuk memprediksikan kelas data yang bersifat
categorical, sedangkan prediksi untuk memodelkan fungsi yang
mempunyai nilai continuous (Maulana, 2015).
12
Classification adalah suatu teknik dengan melihat pada
kelakuan dan atribut dari kelompok yang telah didefinisikan. Teknik
ini dapat memberikan klasifikasi pada data baru dengan memanipulasi
data yang ada yang telah diklasifikasi dan dengan menggunakan
hasilnya untuk memberikan sejumlah aturan. Aturan tersebut
digunakan pada data-data baru untuk diklasifikasi (Sari, 2013).
c. Clusterisation
Clustering termasuk metode yang sudah cukup dikenal dan
banyak dipakai dalam data mining. Sampai sekarang para ilmuwan
dalam bidang data mining masih melakukan berbagai usaha untuk
melakukan perbaikan model clustering karena metode yang
dikembangkan sekarang masih bersifat heuristic. Usaha-usaha untuk
menghitung jumlah cluster yang optimal dan pengklasteran yang
paling baik masih terus dilakukan. Dengan demikian menggunakan
metode yang sekarang, tidak bisa menjamin hasil pengklasteran sudah
merupakan hasil yang optimal (Maulana, 2015).
Metode ini berusaha untuk menempatkan objek yang mirip
(jaraknya dekat) dalam satu klaster dan membuat jarak antar klaster
sejauh mungkin. Ini berarti objek dalam satu cluster sangat mirip satu
sama lain dan berbeda dengan objek dalam cluster-cluster yang lain.
13
Dalam metode ini tidak diketahui sebelumnya berapa jumlah cluster
dan bagaimana pengelompokannya (Lemi Iryani, 2015).
2.1.3 Algoritma Apriori
Algoritma Apriori adalah suatu algoritma dasar yang diusulkan oleh
Agrawal & Srikant pada tahun 1994 untuk penentuan frequent itemsets untuk
aturan asosiasi Boolean (Defit, 2013). Algoritma Apriori menggunakan
pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk
memproses informasi selanjutnya. Pada algoritma Apriori menentukan kandidat
yang mungkin muncul dengan cara memperhatikan minimum support dan
minimum confidence. Support adalah nilai pengunjung atau persentase
kombinasi sebuah item dalam database. Sedangkan confidence adalah nilai
kepercayaan yaitu kuatnya hubungan antar item dalam sebuah Apriori
(Herundika Cahyono Pratama, 2014).
Algoritma apriori termasuk jenis aturan asosiasi pada data mining.
Selain apriori, yang termasuk pada golongan ini adalah metode Generalized
Rule Induction dan Algoritma Hash Based. Aturan yang menyatakan asosiasi
antara beberapa atribut sering disebut affinity analysis atau market analysis.
Analisa asosiasi atau association rule minig adalah teknik data mining untuk
menemukan aturan asosiatif antara suatu kombinasi item (Defit, 2013).
14
Secara garis besar cara kerja algoritma apriori adalah:
1. Pembentukan Kandidat
Pembentukan kandidat itemset, Kandidat k-itemset dibentuk dari
kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya. Satu ciri dari
algoritma Apriori adalah adanya pemangkasan kandidat k-itemset yang
subset-nya yang berisi k-1 item tidak termasuk dalam pola frekuensi tinggi
dengan panjang k-1 (Herundika Cahyono Pratama, 2014).
2. Penghitungan Support
Penghitungan support dari tiap kandidat k-itemset. Support dari tiap
kandidat k-itemset didapat dengan men-scan database untuk menghitung
jumlah transaksi yang memuat semua item di dalam kandidat k-itemset tsb.
Ini adalah juga ciri dari algoritma Apriori dimana diperlukan penghitungan
dengan scan seluruh database sebanyak k-itemset terpanjang (Herundika
Cahyono Pratama, 2014).
3. Manetapkan Pola Frekuensi
Pola frekuensi tinggi yang memuat k-item atau k-itemset ditetapkan
dari kandidat k-itemset yang support-nya lebih besar dari minimum support.
Kemudian dihitung confidence masing-masing kombinasi item. Iterasi
berhenti ketika semua item telah dihitung sampai tidak ada kombinasi item
lagi (Maulana, 2015).
15
Adapun dua proses utama yang dilakukan dalam algortima Apriori, yaitu:
a. Join (penggabungan)
Pada tahap ini dilakukan proses asosiatif, yang mana pada tugas
akhir ini memanfaatkan database, akan dilakukan proses asosiasi group.
setiap item dikombinasikan dengan item yang lainnya sampai tidak
berbentuk kombinasi lagi (Herundika Cahyono Pratama, 2014).
b. Prune (Pemangkasan)
Pada tahap ini, setiap kali telah dilakukan pencarian itemset kandidat
dari proses join, maka data yang tidak berasosiasi akan dipangkas untuk
menyederhanakan proses pembacaan data selanjutnya (Maulana,
2015).
2.1.4 Android studio
Android Studio adalah sebuah IDE untuk Android Development yang
diperkenalkan google pada acara Google I/O 2013. Android Studio merupakan
pengembangkan dari Eclipse IDE, dan dibuat berdasarkan IDE Java populer,
yaitu IntelliJ IDEA. Android Studio merupakan IDE resmi untuk pengembangan
aplikasi Android.
16
Android Studio ini diumumkan pada tanggal 16 Mei 2013 pada
Konferensi Google I/O oleh Produk Manajer Google, Ellie Powers. Android
studio bersifat free dibawah Apache License 2.0. Android Studio awalnya
dimulai dengan versi 0.1 pada bulan mei 2013, Kemudian dibuat versi beta 0.8
yang dirilis pada bulan juni 2014. Yang paling stabil dirilis pada bulan
Desember 2014, dimulai dari versi 1.0. Berbasiskan JetBrainns’ IntelliJ IDEA,
Studio di desain khusus untuk Android Development. Ini sudah bisa di
download untuk Windows, Mac OS X, dan Linux (Syaputra, 2017).
Dalam Penelitian ini Android studio sendiri digunakan untuk membuat
interface yang akan di gunakan oleh user. Android studio sendiri merupakan
software khusus yang digunakan untuk membuat aplikasi mobile atau aplikasi
android. Android Studio menggunakan bahasa pemrograman java sebagai
media bahasanya.
2.1.5 Bahasa Pemrograman
Bahasa Pemrograman adalah teknik komando/instruksi standar untuk
memerintah komputer yang merupakan suatu himpunan dari aturan sintaks dan
semantik yang dipakai untuk mendefinisikan program computer (Setiawan,
2017).
Dalam pembuatan aplikasi Sistem pakar penentuan BAHP digunakan
dua Bahasa pemrograman yaitu:
17
1. PHP
PHP atau Personal Home Page adalah bahasa pemrograman web
atau scripting language yang didesain untuk web. PHP dibuat pertama kali
oleh satu orang yaitu Rasmus Lerdorf, yang pada awalnya dibuat untuk
menghitung jumlah pengunjung pada halaman webnya. Bahasa
pemrograman PHP dapat digabungkan dengan HTML dengan terlebih
dahulu memberikan tanda tag buka dilanjutkan tanda tanya (<?) kemudian
ditutup dengan tanda tanya dilanjutkan tanda tag tutup (?>) (Ahmad Timbul
Sholeh, 2013).
Adapun kelebihan yang dimiliki Bahasa Pemrograman PHP (Ratna,
2014) yaitu:
a. Bahasa pemrograman PHP adalah sebuah bahasa script yang tidak
melakukan sebuah kompilasi dalam penggunaanya.
b. Web Server yang mendukung PHP dapat ditemukan dimana - mana
dari mulai apache, IIS, Lighttpd, hingga Xitami dengan konfigurasi
yang relatif mudah.
c. Dalam sisi pengembangan lebih mudah, karena banyaknya milis -
milis dan developer yang siap membantu dalam pengembangan.
d. Dalam sisi pemahamanan, PHP adalah bahasa scripting yang paling
mudah karena memiliki referensi yang banyak.
18
e. PHP adalah bahasa open source yang dapat digunakan di berbagai
mesin (Linux, Unix, Macintosh, Windows) dan dapat dijalankan
secara runtime melalui console serta juga dapat menjalankan
perintah-perintah system.
Dalam penelitian ini bahasa pemrograman PHP digunakan untuk
menghubungkan database dengan Android studio. Penggunaan bahasa
pemrograman PHP ini juga digunakan sebagai media untuk menerapkan
algoritma apriori yang kemudian akan dihubungkan ke android.
2. JAVA
Java adalah bahasa pemrograman Object-Oriented dengan unsur-
unsur seperti bahasa C++ dan bahasa-bahasa lainnya yang memiliki
libraries yang cocok untuk lingkungan internet. Java dapat melakukan
banyak hal dalam melakukan pemrograman, seperti membuat animasi
halaman web, pemrograman Java untuk Ponsel dan aplikasi interaktif. Java
juga dapat digunakan untuk handphone, internet dan lain-lain (Nyura,
2010).
Java sampai saat ini masih merupakan bahasa pemrograman yang
masih sangat di minati dan banyak digunakan oleh para progremer dan
software developer untuk mengembangkan berbagai tipe aplikasi, mulai
19
dari aplikasi console, aplikasi desktop, game, dan applet (aplikasi yang
berjalan di lingkungan web browser), sampai ke aplikasi yang berskala
enterprise. Untuk memenuhi kebutuhan tipe aplikasi yang beragam tersebut,
Java dikategorikan menjadi tiga edisi, yaitu: J2SE (Java 2
Platform Standart Edition) untuk membuat aplikasi desktop dan apllet,
J2EE (Java 2 Platform Enterprise Edition) untuk membuat aplikasi-
aplikasi multitier berskala enterprise, dan J2ME (Java 2 Platform Micro
Edition) untuk membuat aplikasi-aplikasi yang dapat dijalankan
dilingkungan perangkat-perangkat mikro seperti handphone, PDA dan
Smartphone (Retno Wardhani, 2015).
Pengguaan Bahasa Pemrograman java dalam penelitian ini
digunakan pada aplikasi android studio. Android studio merupakan
platform untuk membuat aplikasi android.
20
2.2 Kerangka Pikir
Dalam melakukan sebuah penelitian, kerangka berpikir dibutuhkan agar
penelitian menjadi terarah dan terorganisir seperti pada gambar 2.1.
Sebelumnya telah dibuat sistem pakar
untuk penentuan BAHP namun sistem
yang dibuat masih berbasis PC dan
belum dapat terkoneksi ke internet serta
data belum dapat di update
Untuk membuat sistem lebih fleksibel
dan mudah digunakan maka sistem
dibuat dengan berbasis android serta
sistem dapat terkoneksi ke internet
sehingga dapa dilakukan proses update
data
Aplikasi ini akan menampilkan BAHP
serta persentase BAHP yang akan
digunakan dalam tindak operasi. Dalam
sistem terdapat sebuah checkbox serta
user akan di minta mengimput nama
atau kode registrasi pasien untuk peroses
update data.
Gambar 2.1 Kerangka Pikir