BAB 1 Pendahuluan 1.1 Latar Belakang Ketika ada seorang pasien

BAB 1
Pendahuluan
1.1 Latar Belakang
Ketika ada seorang pasien yang menderita suatu penyakit dan kemudian
pasien tersebut datang ke dokter untuk melakukan pemeriksaan atau check-up,
tindakan medis yang dilakukan pertama kepada pasien tersebut adalah wawancara
antara dokter dengan pasien yang kemudian ditujukan untuk menganalisis latar
belakang yang menyebabkan pasien menjadi sakit dengan tujuan mendapatkan
kesimpulan tentang kondisi pasien pada saat diperiksa. Untuk menunjang analisis
penyakit pasien ada dua jenis pemeriksaan yang dilakukan pekerja medis yaitu
pemeriksaan fisik dan pemeriksaan laboratorium. Dua jenis pemeriksaan inilah yang
membantu memberikan kesimpulan final mengenai penyakit pasien. Tetapi pada
beberapa kasus yang dilaporkan terdapat perawatan dan analisis klinis yang buruk.
Sering keputusan klinis dibuat berdasarkan keahlian dan pengalaman dokter, namun
ada beberapa dokter yang juga belum ahli dan belum berpengalaman yang
mengakibatkan keputusan klinis yang buruk (Anbarasi, Anupriya, & Inyengar. 2010.
Enhanced Prediction of Heart Disease with Feature Subset Selection using Genetic
Algorithm: VIT University, India). Sehingga dewasa ini menganalisis seorang pasien
secara tepat dan memberikan perawatan yang efektif menjadi satu tantangan
tersendiri bagi rumah sakit. Dan untuk memperoleh perawatan yang efektif dan
tepat, suatu sistem informasi atau sistem pendukung keputusan dapat dikembangkan
untuk menjawab tantangan tersebut. Tidak sedikit pula rumah sakit yang sudah
menggunakan sistem informasi untuk mengatur jasa kesehatan mereka dan data
pasien. Sistem seperti ini biasanya menghasilkan jumlah data yang banyak seperti
angka, teks, diagram dan gambar. Sayangnya, data seperti ini minim pemanfaatannya
untuk mendukung pengambilan keputusan klinis sehingga ada banyak informasi
tersembunyi dari data tersebut yang belum ditelusuri (Ishtake S.H & Sanap S.A.,
2013.Intelligent Heart Disease Prediction System Using Data Mining Techniques:
1
2
Department of Computer Science, MIT, Aurangabad, Maharashtra, India).
Maka dari itu sistem pengambilan keputusan yang mendukung analisis untuk dokter
yang naif dan dokter yang berpengalaman pun bisa menjadi suatu penuntun untuk
pengambilan keputusan klinis(Anbarasi, Anupriya, & Inyengar. 2010. Enhanced
Prediction of Heart Disease with Feature Subset Selection using Genetic Algorithm:
VIT University, India).
Dalam aturan organisasi kesehatan dunia (WHO), semua macam penyakit
yang diidentifikasi dari pasien dari hasil analisis harus didokumentasikan kedalam
catatan medis (Medical Record). Tujuan pencatatan kedalam catatan medis ini adalah
untuk mengumpulkan data populasi mengenai penyakit apa saja yang sering terjadi,
penyakit yang menjadi temuan baru,dan juga untuk tinjauan penelitian medisserta
data – data pendukung analisis yang digunakan selama pemeriksaan seorang
pasien.Dan dengan adanya pencatatan tersebut, maka suatu rumah sakit pun
menyimpan banyak data pasien mulai dari pasien masuk rumah sakit hingga keluar
dari rumah sakit. Berkaitan dengan data - data pendukung analisis serta suatu kondisi
dimana diantara banyak penyakit ada penyakit yang paling mematikan yaitu penyakit
jantung yang tidak bisa dilihat secara kasat mata dan datang secara tiba – tiba
(Ishtake S.H & Sanap S.A., 2013. Intelligent Heart Disease Prediction System Using
Data Mining Techniques: Department of Computer science, MIT, Aurangabad,
Maharashtra, India), maka pada penelitian ini akan dibahas tentang bagaimana
caranya menghasilkan analisis faktor risiko untuk penyakit jantung pada orang
dewasa dari riwayat laboratorium kimia darah pasien yang pernah terdaftar di
Mayapada Hospital Tangerang melalui lab kimia darah pasien yang sudah dicatat
kedalam medical record. Penelitian ini pernah dilakukan sebelumnya dengan judul
“HDPS: Heart Disease Prediction System” (Chen, Huang, Hong, Cheng, & Lin,
2010). Persamaan penelitian “HDPS: Heart Disease Prediction System” dengan
penelitian ini yaitu sama – sama dilakukan dengan teknik klasifikasi data mining
tetapi berbeda sub tekniknya. Pada penelitian tersebut dilakukan dengan sub teknik
klasifikasi data mining : Artificial Neural Network, sedangkan pada penelitian ini
digunakan sub teknik klasifikasi : Naive Bayes. Dari data laboratorium kimia darah,
dilakukanlah pengembangan analisis klinis yang lebih luas agar para pengambil
keputusan klinis terutama dokter dapat menyimpulkan analisisnya kearah potensi
penyakit jantung koroner. Sebab pada tahun 2005 sedikitnya 17,5 juta atau setara
3
dengan 30% kematian di seluruh dunia disebabkan oleh penyakit jantung. Menurut
World Health Organization (WHO), 60% dari seluruh penyebab kematian tersebut
adalah penyakit jantung koroner (PJK). Di Indonesia, penyakit jantung juga
cenderung meningkat sebagai penyebab kematian. Data Survei Kesehatan Rumah
Tangga (SKRT) tahun 1996 menunjukkan bahwa penyakit ini meningkat setiap
tahun sebagai penyebab kematian mulai hanya 5,9% pada tahun 1975 sampai 19%
pada tahun 1995. Sensus nasional tahun 2001 menunjukkan bahwa kematian karena
penyakit kardiovaskuler, termasuk PJK, adalah 26,4%, dan sampai saat ini PJK
merupakan penyebab utama kematian, yaitu sekitar 40% kematian laki-laki usia
menengah (WHO, 2001; Depkes RI, 2003).
Pada penelitian ini analisis dilakukan dengan melihat data laboratorium kimia
darah pasien yang bertujuan untuk membantu menunjang pengambilan keputusan
sedini mungkin bagi pasien agar mereka lebih mantap mempersiapkan psikologi
akan kemungkinan medis yang dihadapi diri mereka dan perencanaan untuk
keuangan mereka karena biaya perawatan bagi penderita jantung yang tidak sedikit.
Selain untuk membantu menunjang pengambilan keputusan sedini mungkin bagi
pasien, analisis awal melalui lab kimia darah juga berguna bagi manajemen untuk
mempersiapkan sumber daya rumah sakit terkait pelayanan bagi pasien jantung
orang dewasa, jadi hasil analisis lab kimia darah dapat dimanfaatkan sebagai
masukan pengambilan keputusan yang mendukung analisis untuk dokter yang naif
serta mengarahkan analisis ke arah yang luas dalam rangka mengoptimalkan
kemampuan daya saing rumah sakit.
Penganalisaan
ini
akan
dilakukan
dengan
menggabungkan
konsep
penambangan data (Data Mining) dimana data perolehan yang menjadi sumber
utama yaitu data lab kimia darah pasien untuk menghasilkan sebuah persentase
kedekatan kondisi pasien sekarang terhadap penyakit jantung pada orang
dewasa.Penelitian ini ingin mengangkat bahwa keberhasilan analisis faktor risiko
terhadap penyakit jantung melalui lab kimiadarah adalah salah satu kunci
keberhasilan dalam mempersiapkan diri si pasien dan juga sebagai prediksi rumah
sakit agar mampu meningkatkan sumber daya di klinik jantung. Selain dua tujuan
diatas, analisis melalui lab kimia darah juga ditujukan untuk menemukan pola
pembelajaran baru mengenai cara analisis yang tidak hanya mengandalkan hasil
laboratorium yang baru saja dilakukan pengujian namun juga mengandalkan data-
4
data riwayat laboratorium kimia darah pasien sebelumnya. Pola pembelajaran
melalui data yang dikumpulkan melalui laboratorium kimiadarah dari berbagai
penyakit
seperti
diabetes,
kolesterol,
dan
penyakit sirkulasi
darah
akan
mengembangkan pola-pola analisis yang lebih obyektif. Pola pembelajaran ini bisa
ditemui dengan memahami frekuensi riwayat medis pasien melalui data lab kimia
darahnya.
Selama ini pola–pola analisis selalu didasarkan pada hasil uji laboratorium
terbaru. Para ahli medis tidak begitu mempercayai bukti – bukti dari data komputer
terdahulu, mereka lebih mempercayai hasil uji laboratorium yang terbaru. Banyak
diketahui bahwa tidak sedikit analisis klinis yang bersifat subyektif, tergantung pada
dokter yang membuat analisisdan diagnosis. Dan yang paling penting, jumlah data
yang harus dianalisis untuk membuat prediksi yang baikbiasanya besar dan kadangkadang tidak terkendali. Di konteks ini pembelajaran berbasiskan data mining dapat
digunakan untuk menyimpulkan aturan analisis melalui teknik prediksi yang
membantu menyimpulkan kemungkinan pasiendewasa beresiko atau tidak terhadap
penyakit jantung dan juga membantu pekerja medis membuat proses analisis yang
lebih obyektif dan lebih handal.
1.2 Ruang Lingkup
Dalam analisis Faktor Risiko Penyakit Jantung Pada Orang Dewasa dan
untuk menciptakan keputusan klinis yang obyektif dengan berbasiskan data mining
ini, penulis hanya membahas informasi yang berhubungan dengan:
•
Analisis penyakit jantung pada orang dewasa diatas umur 30 tahun
dengan riwayat penyakit mengenai sistem aliran darah (cardiovascular
system) yang pernah diderita
•
Analisis laboratorium kimia darah pasien dewasa diatas umur 30 tahun
yang mengarah pada penyakit jantung
•
Perancangan Aplikasi Analisis Penyakit Jantung Orang Dewasa
Berdasarkan Lab Kimia Darah berbasis web menggunakan Naive Bayes
Classifier sebagai teknik analisis data mining yang menampilkan tentang
5
pola keterkaitan antara lab kimia darah terhadap penyakit jantung pada
orang dewasa.
Namun dengan tetap mempertimbangkan benang merah dari pembahasan
penelitian ini, tidak menutup kemungkinan penelitian ini mengutip informasi
tambahan lainnya.
1.3 Tujuan dan Manfaat
Tujuan yang dapat dicapai adalah membuat sebuah rancangan aplikasi
analisis yang akan digunakan oleh petugas medis. Perancangan aplikasi analisis ini
berkaitan dengan beresiko atau tidaknyapasien terhadap penyakit jantung yang
didukung dengan eksplorasi dan ekstrasi semua data yang diperlukan. Serta
mewujudkanya kedalam sebuah rancangan aplikasi data mining.
Manfaat yang diperoleh dari perancangan aplikasi analisis faktor risiko
berbasiskan data mining ini adalah :
1. Menyediakan informasi yang relevan dan terintegrasi mengenai analisis
faktor risiko terhadap penyakit jantung dan mengorganisasikan informasi
tersebut dengan konsisten dimana para ahli medis dapat memperoleh
gambaran pasien secara menyeluruh sebagai dasar untuk membentuk cara
analisisyang luas yang dapat membantu para ahli medis mengukur ketepatan
dalam pola - pola analisis.
2. Memudahkan lembaga kesehatan khususnya rumah sakit untuk mengetahui
ketepatan dalam menganalisis faktor risiko penyakit jantung yang
kedepannya dapat menunjang layanan medis yang lebih baik.
3. Meluruskan paradigma yang salah dan ketidaktahuan pada masyarakat dalam
menyikapi pola hidup dan gejala penyakit yang dapat menimbulkan
penyumbatan pembuluh darah pada jantung.
4. Membantu lembaga kesehatan untuk mengoptimalkan layanan kesehatannya
melalui informasi prediktif hasil pengolahan data mining.
5. Membantu manajamen memprediksi kunjungan konsultasi pasien jantung di
Mayapada Hospital agar sumber daya rumah sakit lebih siap memberikan
perawatan lebih lanjut yang optimal.
6
1.4 Urgensi Penelitian
Urgensi Penelitian membahas mengenai kebutuhan pihak rumah sakit yakni
praktisi medis dan manajemen agar mereka dapat meningkatkan kualitas
pemeriksaan dengan tujuan dapat menghasilkan informasi yang lebih berkualitas dan
up to date yang dapat dipakai semua pihak di Mayapada Hospital. Urgensi penelitian
ini di bagi menjadi dua yaitu pertimbangan kebutuhan penelitian bagi pihak praktisi
medis dari segi medis dan bagi manajemen dari segi bisnis.
a. Pemanfaatan sumber data hasil pemeriksan di Mayapada Hospital pada saat
ini belum maksimal. Data hasil pemeriksaan tersebut khususnya data
laboratorium kimia darah dimanfaatkan seperti halnya data pemeriksaan
medis pada umumnya yaitu untuk menunjang diagnosis medis. Umumnya
ketika hasil pemeriksaan kimia darah dikeluarkan, hasil pemeriksaan tersebut
dipakai untuk menunjang proses diagnosis penyakit pada saat itu saja. Hasil
pemeriksaan pada umumnya tidak dipakai lagi karena aturan medis
mengharuskan sifat pemeriksaan yang baru dengan tujuan mengetahui
perkembangan metabolisme tubuh atau jika dikemudian hari pasien
menderita penyakit lagi maka harus memakai pemeriksaan terbaru. Karena
itu melalui analisis data mining, data lab kimia darah yang besar dapat
dimanfaatkan untuk menentukan level faktor risiko yang bermanfaat bagi
pasien dan juga bagi pihak rumah sakit.
b. Mengupayakan agar pasien dapat mengetahui informasi yang jauh lebih
lengkap dan mendalam mengenai keadaan dirinya dan secara lebih luas
menambah edukasi bagi masyarakat mengenai potensi untuk dapat menderita
penyakit jantung koroner dewasa sedini mungkin. Pada saat ini penanganan
penyakit jantung dilakukan pasien setelah mereka mendapatkan gejala
serangan jantung berupa sesak dada sampai kepada nyeri dada akut. Kematia
njantung yang tinggi adalah disebabkan karena deteksi dini yang lamban dan
minimnya pengetahuan pasien akan faktor risiko penyakit jantung. Dengan
adanya informasi yang dikeluarkan melalui analisis data mining tersebut,
7
pasien dapat lebih terarah secara psikologi maupun secara materi untuk
menerima pelayanan medis secara maksimal dan juga dapat meminimalisir
jumlah kematian yang disebabkan karena penyampaian informasi dan
penanganan penyakit jantung yang terlambat.
c. Keputusan klinis yang salah dan informasi klinis yang minim adalah hal yang
menjadi urgensi dimana banyak ketidakobyektifan hasil diagnosis yang
disampaikan oleh dokter kepada pasien. Pasien memerlukan informasi klinis
yang benar karena informasi klinis berdampak bagi kehidupannya dalam
segala aspek. Rancangan analisis data mining membantu dokter dalam
mengambil keputusan klinis mengenai faktor risiko pasien akan penyakit
jantung, sehingga berguna bagi pasien untuk mendapatkan hasil yang
obyektif dengan kandungan informasi klinis yang luas.
d. Manajemen rumah sakit berkeinginan untuk dapat lebih dalam memahami
keadaan pasien dengan memberikan pelayanan yang lebih maksimal. Data
hasil lab kimia darah dari berbagai jenis pemeriksaan dan dari banyak
penyakit dapat dimanfaatkan untuk memprediksi seberapa besar pasien
memiliki faktor risiko penyakit jantung dewasa, dengan adanya perangkat
analitikal berupa data mining dapat membantu manajemen rumah sakit
memprediksi jumlah kunjungan pasien yang melakukan konsultasi jantung.
Pada penelitian ini analisis dilakukan dengan melihat data laboratorium kimia
darah pasien yang bertujuan untuk membantu
menunjang pengambilan
keputusan sedini mungkin bagi pasien agar mereka lebih mantap mempersiapkan
psikologi akan kemungkinan medis yang dihadapi diri mereka dan perencanaan
untuk keuangan mereka karena biaya perawatan bagi penderita jantung yang
tidak sedikit. Disamping itu penelitian ini berkontribusi dalam menunjang
pengambilan keputusan dokter dalam memberikan informasi klinis kepada
pasien. Selain untuk membantu
menunjang pengambilan keputusan sedini
mungkin bagi pasien dan juga dokter, analisis awal melalui lab kimia darah juga
berguna bagi manajemen untuk mempersiapkan sumber daya rumah sakit terkait
pelayanan bagi pasien jantung orang dewasa jadi hasil analisis lab kimia darah
yang merupakan data prediktif dapat dimanfaatkan untuk keperluan manajemen
meningkatkan kemampuan daya saing rumah sakit .
8
1.5 Metodologi Penelitian
Untuk mendapatkan gambaran mengenai keadaan dan permasalahan yang
sedang dihadapi oleh para ahli medis serta isu penyakit jantung di Mayapada
Hospital, diperlukan data untuk keperluan penganalisaan dan perancangan aplikasi
analisis data mining ini. Untuk mendapatkan informasi yang dibutuhkan, penelitian
ini melakukan beberapa pendekatan penelitian. Metode yang dipakai dibagi menjadi
dua bagian pokok yaituMetode analisis fundamental dan Metode teknikal.
1. Metode analisis fundamental adalah mengaitkan beberapa teori yang relevan
terkait dengan bidang kesehatan yaitu medical research dan bidang
penambangan data yaitu Data Mining Classification : Naive Bayes Classifier
yang dilakukan melalui tahap :
a. Pengumpulan data dan fakta atas sistem layanan medis yang berjalan
dengan cara :
-
Survei
Melakukan pemeriksaan secara komperhensif atas layanan medis
pada objek penelitian di Mayapada Hospital
-
Interview / Wawancara
Merupakan percakapan antara dua orang atau lebih dan terjadi antara
narasumber dan pewawancara. Tujuan dari wawancara adalah untuk
mendapatkan
informasi
dimana
pewawancara
memberikan
pertanyaan untuk dijawab oleh narasumber.
-
Observasi
Observasi yang berarti pengamatan bertujuan untuk mendapatkan
informasi tentang suatu masalahserta data penelitian, sehingga
diperoleh pemahaman atau pembuktian terhadap informasi /
keterangan yang diperoleh sebelumnya.
b. Analisis sistem layanan medis di klinik jantung yang berjalan
c. Analisis penelitian kesehatan dari sumber di luar rumah sakit
d. Analisis atas penanganan pasien jantung yang pernah dilakukan
e. Analisis pemecahan masalah menggunakan Ishikawa Fishbone Diagram
untuk mengidentifikasikan masalah beserta solusinya
9
2. Metode analisis teknikal yaitu melakukan perhitungan dan pengolahan data
yang didapat dari analisis fundamental dengan menggunakan Data Mining
Classification : Naive Bayes Classifier, melalui tahapan – tahapan yang
mengacu pada CRISP-DM.
1.6 Sistematika Penulisan
Untuk mempermudah penyususnan penelitian dan pembahasannya maka
diarahkan inti yang lebih jelas mengenai topik yang dibahas dalam penyusunan
penelitian ini. Sistematika dalam pembahasan Naive Bayes Classifier Pada
Rancangan Aplikasi Analisis Faktor Risiko Penyakit Jantung Orang Dewasa
Berdasarkan
Laboratorium
Kimia
Darah
Dengan:
Pengamatan
Pada
Mayapada Hospital ini dibagi menjadi 5 (lima) bab yang terdiri dari :
BAB 1 : PENDAHULUAN
Menjelaskan latar belakang penelitian yang menjadi dasar pemilihan judul,
termasuk tujuan dan manfaat yang diperoleh dari penelitian ini disertai
pertanyaan penelitian yang menjadi topik permasalahan dari penelitian ini, ruang
lingkup permasalahan yang akan dibahas, metodologi penelitian yang digunakan
untuk mengumpulkan data serta sistematika penulisanpenelitian.
BAB 2 : LANDASAN TEORI
Dalam bab ini diuraikan semua teori-teori yang relevan, yang digunakan sebagai
dasar untuk menganalisis dan merancang sistem, meliputi metode penggalian
data(data Mining), prosedur penanggulangan permasalahan medis, pemeriksaan
medis, penemuan pengetahuan (knowledge discovery) dengan teknologi data
mining.
10
BAB 3 : ANALISIS SISTEM BERJALAN
Bab ini berisi analisis terhadap fakor - faktor yang penting untuk diangkat dalam
penggalian data yang terdiri dari analisis masalah dan kelemahan-kelemahan
kondisi yang sedang berjalan, perancangan aplikasi analisis faktor risiko penyakit
jantung pada orang dewasa berbasiskan data mining dan perancangan data
analisis riwayat penyakit pasien serta penerapan teknologi data mining.
BAB 4 : HASIL DAN PEMBAHASAN NAÏVE BAYES CLASSIFIER
PADA PERANCANGAN APLIKASI
Bab ini membahas tentang implementasi dan hasil evaluasi sistem penggalian
data untuk analisis faktor risiko penyakit jantungyang telah dirancang.
BAB 5 : SIMPULAN DAN SARAN
Pada bab terakhir ini akan disimpulkan mengenai hasil uraian pembahasan yang
ada dalam bab-bab sebelumnya, serta diberikan saran-saran perbaikan atau
pengembangan terhadap aplikasi analisis faktor risiko penyakit jantung yang
sudah dibuat.