plagiat merupakan tindakan tidak terpuji - core.ac.uk · hepatitis is one of kind the liver...

i

IDENTIFIKASI PENYAKIT HEPATITIS DENGAN

PENDEKATAN AGGLOMERATIVE HIERARCHICAL

CLUSTERING

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh :

Christina Wienda Asrini

095314011

HALAMAN JUDUL

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

IDENTIFICATION OF HEPATITIS DISEASE BY USING

AGGLOMERATIVEHIERARCHICAL CLUSTERING

APPROACH

A Thesis

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degree

In Informatics Engineering Study Program

By :


095314011

HALAMAN JUDUL (Inggris)

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2013


iii

HALAMAN PERSETUJUAN


iv HALAMAN PENGESAHAN


v

HALAMAN PERSEMBAHAN

Skripsi ini saya persembahkan untuk :

Tuhan Yesus Kristus,

Keluarga tercinta, Dosen serta sahabat yang terkasih

Terima Kasih atas segalanya

God Bless!


vi

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa tugas akhir yang saya tulis tidak

memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam

kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.

Yogyakarta, 1 November 2013

Penulis


HALAMAN PERNYATAAN KEASLIAN KARYA


vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

HALAMAN PERSETUJUAN PUBLIKASI

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Christina Wienda Asrini

NIM : 095314011

Demi pengembangan pengetahuan, saya memberikan kepada perpustakaan

Universitas Sanata Dhama karya ilmiah yang berjudul :

IDENTIFIKASI PENYAKIT HEPATITIS DENGAN PENDEKATAN

AGGLOMERATIVE HIERARCHICAL CLUSTERING

Beserta perangkat yang diperlukan (bila ada) dengan demikian saya memberikan

kepada perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan

data, mendistribusikan secara terbatas dan mempublikasikan di internet atau

media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya

maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta, ….. November 2013

Yang menyatakan,

ChristinaWienda Asrini


viii

IDENTIFIKASI PENYAKIT HEPATITIS DENGAN PENDEKATAN

AGGLOMERATIVE HIERARCHICAL CLUSTERING

ABSTRAK

Penyakit hepatitis merupakan salah satu jenis penyakit hati. Walaupun

hepatitis memiliki tipe yang bermacam-macam, tetapi gejala seseorang terkena

penyakit hepatitis sangat mirip sehingga sangat sulit untuk menentukan bahwa

orang tersebut terkena penyakit hepatitis tipe A, B atau C. Pada bidang teknik

informatika, penelitian terkait hepatitis sudah pernah dilakukan sebelumnya oleh

Estu Karunianingtyas. Pada penelitian tersebut hanya mendapatkan akurasi 51,11 %

karena hanya menggunakan data gejala yang tidak pasti merujuk pada satu

penyakit saja.

Pada penelitian ini menambahkan data laboratorium sehingga mempengaruhi

hasil akurasi dimana data laboratorium dapat mendiagnosa dengan benar jenis

penyakit hepatitis. Berdasarkan hal tersebut maka sistem cerdas dibuat untuk

mengelompokkan pasien yang terinfeksi hepatitis A, B dan C sesuai dengan data

gejala dan data laboratoriumnya. Tahap pada penelitian ini menggunakan

knowledge discovery in databases sehingga tujuan penelitian dapat tercapai.

Pengelompokkan ini menggunakan algoritma agglomerative hierarchical

clustering dengan pengukuran kemiripan single, average dan complete linkage.

Ada empat pengujian yang dilakukan untuk menghitung akurasi, yaitu

perhitungan data laboratorium yang mendapatkan hasil 100 %, data gabungan

gejala dan laboratorium dengan hasil 82,72 %, data laboratorium dan data gejala

yang sudah diproses dengan principal component analysisdengan hasil 80,90 %

serta data laboratorium dan data gejala hasil dari principal component

analysisdengan 100 %. Hasil yang baik didapatkan oleh normalisasi [0-1] dengan

pengukuran kemiripan complete linkage. Data laboratorium yang digunakan untuk

pengelompokkan sangat membantu karena hasil akurasi yang dihasilkan cukup

baik.


ix

ABSTRACT

Hepatitis is one of kind the liver diseases. There are many various types of

hepatitis. However, the symptoms of hepatitis are very similar because of that it

was very difficult to determine that the person was infected by hepatitis A,

hepatitis B and hepatitis C. In informatics engineering’s field, the research about

hepatitis diseases had been done by Estu Karunianingtyas. In that research, it just

got accuracy about 51,11 % because it only used symptoms data that were not

only indicated one disease.

This research added laboratory data to influence the result of accuracy in

which laboratory data can diagnose the hepatitis diseases correctly. Based on the

previous explanation, intelligent system was made in order to cluster the patients

who were infected by hepatitis A, hepatitis B, and hepatitis C that were

appropriate with the laboratory data and the symptoms data. The step of this

research used knowledge discovery in databases so that the purpose of this

research can be achieved. The clustering’s algorithm that were

usedwereagglomerative hierarchical clustering with similarity measure of single,

average and complete linkage.

There were four tests that were used to calculate the accuracy: calculation of

laboratory data that got the result of 100 %, the data with a combination of

symptoms and laboratory that got the result of 82.72 %, symptoms and laboratory

data that had been processed by principal component analysis that got the result of

80,90 %, and the last was result of laboratory data from principal component

analysis that combine with symptoms data was 100 %. The good results were

obtained by normalization [0-1] and used the similarity measure of complete

linkage. The laboratory data which were used to cluster were very useful because

the accuracy result was good enough.


x

KATA PENGANTAR

Puji dan syukur saya panjatkan kepada Tuhan Yesus Kristus karena

limpahan kebaikan dan penyertaan-Nya sehingga saya dapat menyelesaikan tugas

akhir yang berjudul “Identifikasi Penyakit Hepatitis dengan Pendekatan

Aglomerative Hierarchical Clustering”. Pada proses penulisan tugas akhir ini,

saya mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Romo Dr. Cyprianus Kuntoro Adi, SJ, MA, M.Sc selaku dosen

pembimbing, terima kasih atas segala bimbingan dan kesabarannya

sehingga saya dapat menyelesaikan tugas akhir ini.

2. Ibu Ridowati Gunawan, S.Kom, M.T dan Ibu Sri hartati Wijono, S.Si,

M.Kom, selaku dosen penguji yang telah memberikan banyak kritik dan

saran terhadap tugas akhir saya.

3. Seluruh staff dosen dan laboran teknik informatika universitas sanata

dharma yang telah banyak memberikan bantuan selama saya menempuh

studi.

4. Kedua orang tua saya, bapak Dwi Budiyanto dan ibu Endang Retno yang

senantiasa mendukung saya dengan doa, kasih sayang dan perhatiannya

sehingga saya mampu menyelesaikan studi saya.

5. Adik satu-satunya Enggar Jati, saya juga mengucapkan terimakasih karena

mendukung saya baik secara tindakan maupun dengan doa.


xi

6. Keluarga saya yang lain, Eyang kakung dan eyang putri dari Magelang

dan Temanggung, Angga Satria, Dolorosa Lintang, Tante Woro dan Om

Dwi yang juga telah memberikan dukungannya serta doa.

7. Sahabat yang luar biasa dari SMP, Lucia Septi dan Gofenni yang

senantiasa mendengarkan keluh kesah setiap saat serta memberi saya

dukungan moril.

8. Teman-teman dari Teknik Informatika 2009, Cosmas Dipta, Mirella Tri,

Fiona Endah, Fidelis Adi, Audris Evan, Astriana Krisma, Rafaela Rosi,

Dyah Ayu Paramita, Ade Ignatio, Nicodimus, Laurentius Puji, Petrus Kiki,

Setyo Resmi, Wiwinniarti,Yoseph Dian, Agustinus Wikrama dan semua

yang tidak sempat disebutkan, terimakasih atas segala dukungan, bantuan,

canda-tawa dan doa sehingga saya dapat tetap semangat.

9. Teman-teman dari PBSID dan PBI 2009, Yohanes Marwan dan Paulina

Ine, yang membantu saya mengoreksi dan memberikan dukungan.

Dengan rendah hati penulis menyadari bahwa tugas akhir ini masih jauh

dari sempurna. Oleh karena itu segala kritik dan saran untuk perbaikan tugas

akhir ini sangat diperlukan. Akhir kata, semoga tugas akhir ini dapat

bermanfaat bagi semua pihak. Sekian dan terima kasih.

Yogyakarta, 11 November 2013



xii

DAFTAR ISI

HALAMAN JUDUL ........................................................................................................ i

HALAMAN JUDUL (Inggris) ........................................................................................ ii

HALAMAN PERSETUJUAN ....................................................................................... iii

HALAMAN PENGESAHAN ........................................................................................ iv

HALAMAN PERSEMBAHAN ...................................................................................... v

HALAMAN PERNYATAAN KEASLIAN KARYA ..................................................... vi

HALAMAN PERSETUJUAN PUBLIKASI.................................................................. vii

ABSTRAK .................................................................................................................. viii

ABSTRACT .................................................................................................................. ix

KATA PENGANTAR..................................................................................................... x

DAFTAR ISI ................................................................................................................ xii

DAFTAR GAMBAR ................................................................................................... xiv

DAFTAR TABEL ........................................................................................................ xvi

BAB I ............................................................................................................................. 1

PENDAHULUAN .......................................................................................................... 1

1.1 Latar Belakang................................................................................................. 1

1.2 Rumusan Masalah ............................................................................................ 4

1.3 Batasan Masalah .............................................................................................. 4

1.4 Tujuan Penelitian ............................................................................................. 5

1.5 Manfaat Penelitian ........................................................................................... 5

BAB II ............................................................................................................................ 6

LANDASAN TEORI ...................................................................................................... 6

2.1 Pengertian Knowledge Discovery in Databases (KDD) .................................... 6

2.2 Jenis-Jenis Metode Data mining ..................................................................... 10

2.3 Metode Clustering ......................................................................................... 13

2.3.1 Pengertian Clustering ............................................................................. 13

2.3.2 Agglomerative Hierarchical Clustering .................................................. 19

2.4 Dimensionality Reduction .............................................................................. 29

2.5 Penyakit Hepatitis .......................................................................................... 30


xiii

2.6 Pengujian Keakuratan Metode........................................................................ 34

BAB III ......................................................................................................................... 37

METODOLOGI PENELITIAN..................................................................................... 37

3.1 Data ............................................................................................................... 37

3.2 Metode Pengumpulan Data ............................................................................ 38

3.3 Teknik Analisa Data ...................................................................................... 39

3.4 Design User Interface .................................................................................... 46

3.5 Spesifikasi Software dan Hardware ................................................................ 49

BAB IV ........................................................................................................................ 50

IMPLEMENTASI DAN ANALISA HASIL .................................................................. 50

4.1 Hasil Penelitian dan Analisa........................................................................... 50

4.2 Preprocessing Data ........................................................................................ 52

4.3 Hasil Uji Clustering dan Akurasi ................................................................... 56

4.4 Implementasi User Interface .......................................................................... 83

4.4.1 Tampilan menu utama ............................................................................ 83

4.4.2 Tampilan sub menu preprocessing .......................................................... 84

4.4.3 Tampilan sub menu clustering ................................................................ 86

4.4.4 Tampilan menu help ............................................................................... 89

BAB V .......................................................................................................................... 90

PENUTUP .................................................................................................................... 90

5.1 Kesimpulan.................................................................................................... 90

5.2 Saran ............................................................................................................. 92

DAFTAR PUSTAKA ................................................................................................... 93


xiv

DAFTAR GAMBAR

Gambar Keterangan Halaman

2.1 Proses KDD 7

2.2 Obyek dan atribut 9

2.3 Ilustrasi algoritma Apriori 11

2.4 Hasil clustering pada data

hipertensi

13

2.5 Dendrogram 16

2.6 Hasil ilustrasi clustering 19

2.7 Matriks jarak 21

2.8 Matriks jarak kedua single linkage 22

2.9 Matriks jarak ketiga single linkage 22

2.10 Matriks jarak terakhir single

linkage

23

2.11 Dendrogram single linkage untuk

jarak antara lima obyek

23

2.12 Matriks jarak kedua complete

linkage

24

2.13 Matriks jarak ketiga complete

linkage

25

2.14 Demdrogram complete linkage

untuk jarak antara lima obyek

25

2.15 Matriks jarak kedua average

linkage

26

2.16 Matriks jarak ketiga average

linkage

27

2.17 Matriks jarak terakhir average

linkage

27

2.18 Demdrogram average linkage

untuk jarak antara lima obyek

28

2.19 Dendrogram yang sudah di

lakukan pemotongan (cut-off)

28

3.1 Diagram blok proses clustering 40

3.2 Dendrogram single linkage 41

3.3 Dendrogram average linkage 42

3.4 Dendrogram complete linkage 42

3.5 Halaman utama 47

3.6 Halaman preprocessing 48

3.7 Halaman clustering 49





xv



4.6 Grafik akurasi tanpa normalisasi 66









4.15 Hasil akurasi dengan normalisasi

[0-1]

75






zscore

81

4.21 Halaman utama sistem 84

4.22 Halaman preprocessing sistem 85

4.23 Halaman clusterig sistem 87

4.24 Contoh Dendrogram 88

4.25 PDF Bantuan 90


xvi

DAFTAR TABEL

Gambar Keterangan Halaman

2.1 Contoh data klasifikasi 11

2.2 Contoh data clustering 12

2.3 Contoh data 20

2.4 Contoh matrik similiarity 20

2.5 Cluster Evaluation 34

3.1 Data gejala hepatitis 40

3.2 Contoh matrik jarak dengan

Euclidean distance

43

3.3 Hasilcluster 45

3.4 Confusion matrix 46

4.1 Deskripsi data gejala hepatitis 51

4.2 Deskripsi data laboratorium

hepatitis

52

4.3 SGOT dan SGPT sebelum dan

sesudah normalisasi

54

4.4 Penanda hepatitis sebelum dan

sesudah normalisasi

55

4.5 Hasil tanpa normalisasi 59

4.6 Confusion matrix complete linkage 61


4.8 Confusion matrix single linkage 63




[0-1]

66

4.12 Confusion matrix single linkage,

average lnkage, complete linkage

69





zscore

75

4.17 Confusion matrix single linkage 77




4.21 Hasil pengelompokkan dengan

agglomerative hierarchical

clustering

83


1

BAB I

PENDAHULUAN

Pada bab ini menjelaskan latar belakang yang menjadi landasan dalam penelitian

ini. Kemudian dari latar belakang yang ada dirumuskan permasalahan untuk

diselesaikan beserta batasan masalah yang diberikan pada penelitian ini. Pada bab

ini juga menjelaskan mengenai tujuan dari penelitian dan manfaat penelitian

1.1 Latar Belakang

Kesehatan merupakan hal yang sangat penting dan perlu dijaga oleh

masyarakat. Dewasa ini, masyarakat mudah terserang penyakit karena perubahan

cuaca yang ekstrim, kondisi lingkungan yang tidak bersih, dan pola hidup yang

tidak teratur. Selain itu, penyakityang ada kinimemiliki beragam tipe. Penyakit

tersebut mulai mengalami perubahan (mutasi) sehingga menghasilkan tipe

penyakit baru, seperti flu burung dengan tipe baru yang lebih ganas dari tipe

sebelumnya. Penyakit yang sudah lama pun ada yang memiliki beragam tipe

seperti hepatitis, jantung dan diabetes.

Penyakit hepatitis merupakan salah satu penyakit yang sekarang ini mulai

banyak diderita terutama hepatitis B dan C (Abas, 2011). Penyakit hepatitis

mempunyai tipe-tipe yang berbeda, antara lain hepatitis A, hepatitis B, hepatitis C,

hepatitis D, hepatitis E, hepatitis F dan hepatitis G. Hepatitis A merupakan tipe

hepatitis yang paling ringan, sedangkan hepatitis B merupakan tipe hepatitis yang

berbahaya. Ada 15 juta penderita atau sebanyak 50 persen penderita hepatitis B


2

dan C di Indonesia akan menjadi penyakit hati kronik, sedangkan 10 persen

penderita menjadi penyakit liver fibrosis dan kanker hati (Dimyati, 2011). Istilah

hepatitisberasal dari bahasa latin yang dipakai untuk semua jenis peradangan pada

hati (Wening Sari, 2008:10). Penyakit inimemiliki penyebab antara lain, virus,

komplikasi dari penyakit lain, alkohol, obat-obatan atau zat kimia sampai karena

penyakit autoimun (Wening Sari, 2008:16). Proses pemeriksaan yang dilakukan

dokter dengan cara melakukan pemeriksaan fisik dananamnesisserta pemeriksaan

laboratorium.

Pemilihan penyakit hepatitis dilakukan karena banyak orang yang tidak

sadar terkena penyakit hepatitis tipe tertentu karena gejalanya yang mirip. Hal ini

dapat dijadikan studi kasus pada data mining. Data mining adalah bagian dari

knowledge discovery in databasesyang merupakan keseluruhan proses konversi

data mentah menjadi pengetahuan yang bermanfaat yang terdiri dari serangkaian

tahap transformasi meliputi data preprocessing dan postprocessing. Pengertian

data mining itu merujuk pada “extracting” atau “mining” pengetahuan dari

sekumpulan besar data (Han&Kamber,2004). Data mining memiliki beberapa

metode, antara lain classification, association dan clustering.

Penelitian terkait hepatitis sudah pernah dilakukan sebelumnya, yaitu

“Sistem Diagnosa Penyakit Hepatitis dengan menggunakan Metode Naïve

Bayesian” oleh EstuKarunianingtyas. Penelitian tersebut menggunakan data

mining untuk menentukan pasien tertentu masuk pada kelas hepatitis A, B atau C

berdasarkan gejala. Akurasi pada penelitian sebelumnya tergolong rendah karena

hanya mendapatkan 51,11 persen untuk kombinasi gejala dan 44,44 persen untuk


3

per gejala. Penelitian ini akan memasukkan pemeriksaan laboratorium dalam

proses analisis. Metode clustering digunakan karena dengan menggunakan

pendekatan yang berbeda dan menambah feature yang lebih lengkap maka dapat

memberikan hasil pengelompokan yang berbeda dan lebih baik.Data gejala dan

data hasil laboratoriumhepatitis akan dikelompokkan sesuai dengan tipe

hepatitisnya dengan menemukan kemiripan antar data, maka akan terbentuk

kelompok yang berisi data pasien yang terkena hepatitis A, hepatitis B dan

hepatitis C.

Algoritmayang digunakandengan pendekatan hirarki yaituagglomerative

hierarchical clustering. Algoritma tersebut mengelompokkan data gejala yang

mirip ke dalam cluster yang sama, sedangkan yang jauh dikelompokkan pada

hirarki yang berbeda. Proses yang dikerjakan mulai dari Ncluster menjadi satu

kesatuan cluster, dimana N adalah jumlah data. Perbedaan penelitian ini dengan

penelitian sebelumnya adalah metode yang digunakan. Selain itu, penelitian ini

juga menambahkan data hasil laboratorium sehingga akurasi pengelompokkannya

dapat lebih tinggi.Penelitian ini penting untuk dilakukan karena dapat membantu

dalam mengelompokkan data gejala pasien menurut tipe penyakit

hepatitisnyasehingga dapat memberikan penanganan yang tepat.


4

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dikemukakan di atas, maka

permasalahan yang akan dibahas dalam penelitian ini, yaitu :

- Sejauh mana metode agglomerativehierarchicalclustering secara akurat

mampu mengelompokkan pasien yang terkena hepatitis A, B atau C?

1.3 Batasan Masalah

Pada pengerjaan penelitian ini diberikan batasan-batasan masalah untuk

permasalahan yang ada antara lain,

1. Metode data mining yang digunakan adalah dengan menggunakan

agglomerativehierarchical clustering.

2. Jenis pengukuran kemiripan yang digunakan adalah single linkage,

average linkage dan complete linkage menggunakan prinsip jarak

minimum yang diawali dengan mencari dua obyek terdekat dan keduanya

membentuk cluster

3. Penyakit hepatitis yang akan diteliti hanya yang bertipe A, B dan C

sampelnya akan diambil dari kumpulan pasien yang berobat pada dokter

hepatitisdari tahun 2000 sampai 2010 di rumah sakit di Yogyakarta.


5

1.4 Tujuan Penelitian

Berdasarkan rumusan permasalahan diatas, maka tujuan yang ingin dicapai

dalam penelitian ini, yaitu :

1. Menganalisa, merancang, mengimplementasikan sistem cerdas untuk

mengelompokan penyakit hepatitis.

2. Mengetahui hasil pengelompokan pasien yang terkena penyakit hepatitis

A, hepatitis B dan hepatitis C dengan metode agglomerative hierarchical

clustering.

3. Menguji kehandalan sistem dengan menghitung akurasi pengelompokan.

1.5 Manfaat Penelitian

Manfaat yang diberikan penelitian ini, yaitu :

1. Membantu menganalisa permasalahan yang ada dibidang kedokteran

dengan metode data mining.

2. Menjadi referensi bagi penelitian-penelitian berikut yang relevan dengan

kasus pengelompokan penyakit hepatitis.


6

BAB II

LANDASAN TEORI

Bab ini menjelaskan tentang dasar teori yang digunakan dalam penyusunan tugas

akhir ini untuk memperjelas materi-materi yang digunakan dalam penelitian.

Penjelasan dimulai dengan Knowledge Discovery in Databases, tentang penyakit

hepatitis, cara perhitunganagglomerative hierarchical clustering danmetode

akurasi yang akan dipakai.

2.1 Pengertian Knowledge Discovery in Databases (KDD)

Data mining adalah bagian dari Knowledge Discovery in Databases yang

merupakan kegiatan yang meliputi pengumpulan, pemakaian data historis untuk

menemukan keteraturan, pola atau hubungan dalam data yang berukuran besar

(Santoso, 2007). Data mining juga merupakan ilmu pengetahuan yang sekarang

sering digunakan untuk mencari informasi yang berada pada kumpulan data yang

berjumlah banyak. Pengertian data mining itu merujuk pada extracting atau

mining pengetahuan dari sekumpulan besar data (Han&Kamber,2004).

Knowledge discovery in databases memiliki proses yang harus dilakukan

dalam mencari pengetahuan yang diperlukan, yaitu data cleaning, data

integration, data selection, data transformation, data mining dan pattern

evaluationyang dapat dilihat pada gambar 2.1.


7

Gambar 2.1 : (Han& Kamber,2004)Proses KDD

1. Data cleaning

Langkah pertama adalah dengan melakukan pembersihan terhadap

data. Proses ini bertujuanuntuk menghilangkan noise dan data yang tidak

konsisten.

2. Data integration

Pada tahap ini, sumber data yang terpecah dan terpisah akan

digabungkan dari segala macam tempat penyimpanan menjadi satu tempat.

3. Data selection

Pada data selection, data yang relevan diambil dari database untuk

dianalisis. Atribut yang tidak relevan tidak akan digunakan dalam proses

selanjutnya.

4. Data transformation

Pada tahap ini data diubah menjadi bentuk yang tepat untuk

ditambang. Hal-hal yang masuk dalam proses data transformation, yaitu


8

smooting, aggregation, generalization dan attribute construction atau

feature construction. Contoh metode normalisasi, yaitu [0-1] dan zscore.

Definisi rumus normalisasi[0-1], sebagai berikut .

𝑋 =𝑥𝑖 − 𝑋𝑚𝑖𝑛

𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛

Keterangan :

- Xi = nilai yang akan dinormalisasi

- Xmin = nilai minimum dari variabel

- Xmax = nilai maksimum dari variabel

Definisi rumus zscore, sebagai berikut :

𝑧 =𝑋 − 𝜇

𝜎

(2.2)

Keterangan :

- X = nilai yang akan di normalisasi

- µ = rata-rata

- σ = standar deviasi

5. Data mining

Pada proses data mining ini merupakan suatu proses utama saat

metode diterapkan untuk menemukan pola dari data.


9

6. Pattern evaluation

Pada tahap ini, mengidentifikasi pola yang benar-benar menarik

yang mewakili pengetahuan berdasarkan atas beberapa pengukuran yang

penting.

7. Knowledge presentation

Langkah terakhir ini informasi yang sudah ditambang akan

divisualisasikan dan direpresentasikan kepada user.

Langkah 1 sampai dengan 4 merupakan langkah preprocessing. Setelah

melakukan serangkaian proses diatas seperti data cleaning, data integration, data

selection dan data transformation, maka hasilnya siap untuk dilakukan proses

mining. Pada data mining, data yang dipakai merupakan sekumpulan obyek data

dan atribut. Atribut merupakan karakteristik yang dimiliki oleh sebuah obyek.

Gambar 2.2 memperlihatkan obyek serta atribut pada sekumpulan dataset yang

akan diukur dengan menggunakan metode pada data mining.

Gambar 2.2 Objek dan Atribut


10

2.2 Jenis-Jenis Metode Data mining

Pada model data mining dibuat dari metode pembelajaran dengan

supervised dan unsupervised. Fungsi pembelajaran supervised digunakan untuk

memprediksi suatu nilai dan mempunyai keluaran berupa label dari setiap data.

Pada supervised memiliki proses training dan testing terhadap data yang ada.

Setelah dilakukan proses tersebut, maka dapat diketahui parameter yang

digunakan untuk menentukan model. Model ini yang akan melakukan tugas

prediksi atau peramalan. Contoh dari algoritma dengan pembelajaran supervised,

yaitu naïve Bayesian. Fungsi pembelajaran unsupervised tidak memerlukan label

dan datanya tidak perlu dilakukan proses training dan testing. Label yang ada

pada unsupervised adalah label dari data yang akan dikelompokkan sehingga

dengan label tersebut dapat diketahui bahwa data tersebut masuk ke dalam

kelompok tertentu. Contoh algoritma unsupervised, yaitu k-means clustering dan

agglomerative hierarchical clustering.

Data mining memiliki beberapa metode yang sering dibahas, antara lain

classification, association danclustering. Setiap metode memiliki berbagai macam

algoritma sesuai dengan karakteristiknya masing-masing.

a. Classification mining adalah sebuah pengekstraksi pola pengelompokan

atau pengklasifikasian sebuah himpunan obyek atau data ke dalam kelas

tertentu berdasarkan atribut-atributnya. Contoh algoritma klasifikasi

adalah naïve bayesian, decision tree dan support vector machine. Berikut

ini merupakan contoh kasus data penyakit hipertensi untuk classification.


11

Tabel 2.1 (Ali, 2006) contoh data klasifikasi

Pada contoh tersebut terdapat label pada setiap obyek data yang menjadi

kesimpulan bahwa orang tersebut terkena hipertensi atau tidak.

b. Association mining adalah sebuah cara untuk menemukan pola asosiasi

dalam data. Contoh pada association, mempunyai algoritma apriori,

FPTree. Berikut ini merupakan contoh kasus pada association.

Gambar 2.3 (Han&Kamber,2011) ilustrasi algoritma apriori


12

Contohnya pada saat menganalisa keranjang belanja dengan menghitung

support dan confidence pada masing-masing item set, maka dapat

diketahui pola asosiasinya seperti barang-barang yang dibeli secara

bersamaan pada suatu transaksi pembelian. Pola tersebut berguna untuk

keperluan promosi, segmentasi pembeli, pembuatan catalog produk dan

melihat pola belanja pembeli.

c. Clustering mining adalah proses mencari cluster atau kelompok dari

sekumpulan obyek sehingga obyek-obyek di dalam sebuah cluster mirip

satu dengan lainnya, dan berbeda dengan obyek di luar cluster-nya. Ada 2

jenis clusteringyang biasa digunakan, yaitu hierarchical clustering dan

partition clustering. Contoh algoritma yang ada pada clustering adalah K-

Means dan agglomerative. Berikut ini contoh data pada clustering.

Tabel 2.2 (Ali, 2006) contoh data clustering


13

Pada gambar tersebut tidak terdapat label yang menyertakan orang tersebut

terkena hipertensi atau tidak. Pada clustering, ditentukan labelnya

berdasarkan tingkat kemiripan data. Seperti pada gambar dibawah ini

terdapat 2 buah cluster,cluster pertama berada pada tingkat gemuk dan

sangat gemuk serta terletak pada usia muda dan paruh baya. Sedangkan

cluster kedua pada tingkat terlalu gemuk dan usia paruh baya dan tua,

maka dari hal tersebut dapat disimpulkan bahwa pada cluster kedua

merupakan pasien yang terkena hipertensi. Sedangkan pada cluster

pertama tidak.

Gambar 2.4 (Ali, 2006) hasil clusteringpada data hipertensi

2.3 Metode Clustering

2.3.1 Pengertian Clustering

Metode data mining yang akan dipakai adalah clustering.Clustering

merupakan proses pengelompokan objek yang sama menjadi satu kelompok,

sedangkan obyek diantara kelompok tersebut berbeda satu sama lain. Pada proses

clusteringmemilikicluster, yaitu kumpulan objek data yang sama satu sama lain


14

dalam cluster yang sama dan berbeda untuk objek dalam kelompok lain. Tujuan

dari cluster ini untuk menemukan kemiripan antara data, sesuai dengan

karakteristik yang ditemukan di dalam data dan pengelompokan data objek yang

sama ke dalam kelompok-kelompok tertentu (Han&Kamber.2004). Jadi, prinsip

dari clustering adalah memaksimalkan kesamaan antar anggota satu cluster dan

meminimumkan kesamaan antar cluster.

Pada clustering terdapat 2 jenis metode, yaituhierarchical clusteringdan

partition clustering. Hierarchical clusteringadalah teknik clustering yang

membentuk hirarki dimana data yang mirip akan ditempatkan pada hirarki yang

berdekatan dan yang tidak pada hirarki yang berjauhan. Metode ini terbagi

menjadi dua yaitu bottom-up (agglomerative) yang menggabungkan cluster kecil

menjadi cluster lebih besar dan top-down (divisive) yang memecah cluster besar

menjadi cluster yang lebih kecil. Sedangkan partition clustering adalah teknik

pengelompokan obyek ke dalam cluster tertentu dengan menentukan jumlah

cluster terlebih dahulu. Contohnya: algoritma K-Means dan Fuzzy K-Means.

Metode yang akan digunakan untuk penelitian ini menggunakan pendekatan

hirarki yaitu dengan menggunakan agglomerative hierarchical clustering.

Pemilihan metode agglomerative hierarchical clusteringkarena algoritmanya

yang sederhana, jarak untuk setiap gejala dapat diketahui, model

pengelompokannya dapat dilihat dengan dendrogram, dan tidak perlu menentukan

jumlah cluster yang diinginkan diawal. Metode tersebut bekerja dengan

mengelompokan data-data yang mirip ke dalam hirarki yang sama sedangkan

yang jauh dikelompokan pada hirarki yang berbeda. Agglomerative melakukan


15

proses clustering dari Ncluster menjadi satu kesatuan cluster, dimana N adalah

jumlah data. Jenis pengukuran jarak yang akan digunakan adalah single linkage,

average linkagedan complete linkage. Penggunaan tiga pengukuran kemiripan

jarak karena dapat mengetahui mana hasil yang terbaik dengan melihat

dendrogram yang dihasilkan.

a. Single linkage merupakan jarak minimum antara elemen dari setiap

cluster. Jarak antara dua cluster didefinisikan sebagai

(2.3)

Keterangan :

- Sxy merupakan jarak antara dua data x dan y dari masing cluster A

dan B.

b. Average linkagemerupakan rata-rata jarak antara elemen dari setiap

cluster pada setiap data. Jarak antar cluster didefinisikan sebagai,

𝑑 𝐴, 𝐵 = 1

𝑛𝐴𝑛𝐵 𝑠{𝑥, 𝑦}

𝑦𝜖𝐵𝑥𝜖𝐴

(2.4)

Keterangan :

- nA dan nB adalah banyaknya data dalam set A dan B.

d(A,B) = min {Sxy }

𝑥𝜖𝐴, 𝑦𝜖𝐵


16

c. Complete linkagemelihat jarak maksimum antar elemen dalam cluster.

Jarak antar cluster didefinisikan sebagai,

(2.5)

Keterangan :

- Sxy merupakan jarak antara dua data x dan y dari masing cluster A

dan B.

Ketiga jenis pengukuran jarak tersebutmenggunakan prinsip jarak minimum

yang diawali dengan mencari dua obyek terdekat dan keduanya membentuk

cluster yang pertama. Langkah selanjutnya dapat dipilih menjadi dua

kemungkinan, obyek ketiga akan bergabung dengan cluster yang telah terbentuk,

atau membentuk cluster baru. Proses ini akan berlanjut sampai akhirnya terbentuk

cluster tunggal. Hasil dari pengelompokan ini dapat ditampilkan dalam bentuk

dendrogram.

Gambar 2.5 : dendrogram

d(A,B) = max {Sxy }

𝑥𝜖𝐴, 𝑦𝜖𝐵


17

Pada dendrogram diatas terdapat jarak antar obyek. Garis vertikal

merupakan jarak, sedangkan garis horizontal merupakan obyek. Salah satu cara

untuk mempermudah pengembangan dendrogram untuk hierarchicalclustering ini

adalah dengan membuat similarity matrix yang memuat tingkat kemiripan antar

data yang dikelompokkan. Tingkat kemiripan bisa dihitung dengan berbagai

macam cara seperti :

a. Euclidean distance, pengukuran jarak yang biasa digunakan dan sering

disebut dengan formula phytagoras.

(2.6)

Keterangan :

- n = jumlah atribut atau dimensi.

- pkdan qk= data.

b. Minskowski distance, merupakan generalisasi dari euclidean matrix.

(2.7)

Keterangan :

1. r = parameter

2. n = jumlah dimensi atau atribut,

3. pk dan qk = obyek data p dan q


18

c. Simple Matching Coefficients, biasa digunakan jika data hanya memiliki

atribut bertipe biner. Cara kerjanya adalah jumlah data yang cocok

dibagi dengan jumlah atribut.

SMC = (M11+ M00 ) / (M01 + M10 + M11+ M00 )

(2.8)

Keterangan :

1. M01 = jumlah atribut dimana p = 0 dan q = 1




d. Jaccard Coefficient, biasa digunakan jika data hanya memiliki atribut

bertipe biner. Cara kerjanya adalah jumlah biner 1 dan 1 yang cocok

dibagi dengan jumlah nilai atribut yang keduanya tidak 0.

J = (M11) / (M01 + M10 + M11)

(2.9)

Keterangan :




19



2.3.2 Agglomerative Hierarchical Clustering

Pada agglomerative hierarchical clustering, harus dihitung jarak masing-

masing obyek. Setelah jarak dari semua obyek dihitung, maka lakukan langkah-

langkah berikut ini :

1. Biarkan setiap data point menjadi sebuah cluster

2. Hitung matriks kemiripan

3. Kelompokkan data paling mirip untuk dimasukan ke dalam cluster yang

sama dengan melihat jarak dalam matriks kemiripan

4. Perbarui matriks kemiripan dengan jarak yang baru.

5. Ulangi sampai tersisa hanya satu cluster. (Tan,Steinbach,dkk 2004).

Gambar 2.6 hasil ilustrasiclustering


20

Rumus yang digunakan dalam menghitung jarak antar obyek bermacam-

macam dan salah satu yang digunakan adalah euclidean distance. Pada tabel

dibawah ini merupakan contoh data yang belum dihitung jarak kedekatannya. Dari

tabel inilah dapat dihitung dengan menggunakan rumus euclidean distance.

Tabel 2.3 Contoh Data

Titik X Y

1 0.4 0.53

2 0.22 0.38

3 0.35 0.32

4 0.26 0.19

5 0.08 0.41

6 0.45 0.30

Setelah dihitung jarak antar obyek maka dibuatkan matriks jarak. Dalam

matriks ini jarak dari setiap pasang obyek dihitung dan nilai dalam satu masukan

menunjukan jarak antar obyek dari indeks dari kolom dan baris. Matriks jarak ini

bersifat simetris.

Tabel 2.4 Contoh Matriks Similiarity

1 2 3 4 5 6

1 0 0.24 0.22 0.37 0.34 0.23

2 0.24 0 0.15 0.20 0.14 0.25

3 0.22 0.15 0 0.15 0.28 0.11

4 0.37 0.20 0.15 0 0.29 0.22

5 0.34 0.14 0.28 0.29 0 0.39

6 0.23 0.25 0.11 0.22 0.39 0

Untuk mengukur jarak antara dua cluster A dan B digunakan 3 pengukuran

kemiripan, yaitu :

a. Jarak minimum antara elemen dari setiap cluster (singlelinkage)


21

Pada single linkage, akan mengelompokan data dengan cara melihat jarak

yang paling minimum.

Gambar 2.7 : matriks jarak

Pertama gabungkan dua item yang paling dekat, karena objek 5 dan 3

memiliki jarak yang minimum, maka kedua obyek tersebut digabung

min(dik ) = d53 = 2 untuk membentuk cluster (35). Kemudian untuk

menemukan cluster berikutnya, maka memerlukan jarak-jarak antara

cluster (35) dan objek-objek yang lain yang tersisa yaitu 1, 2 dan 4. Jarak

yang berdekatan, yaitu :

- d (35 )1 = min { d 31, d 51} = min {3, 11} = 3

- d (35 )2 = min { d 32, d 52} = min {7, 10} = 7

- d (35 )4 = min { d 34, d 54} = min { 9, 8} = 8

Kemudian menghapus baris dan kolom yang bersesuaian dengan objek 3,

5 dan untuk cluster (35), maka mendapatkan matrik jarak yang baru.


22

Gambar 2.8 : matriks jarak keduasingle linkage

Dari matriks jarak yang baru tersebut, cari jarak terkecil antara pasangan-

pasangan cluster sekarang, yaitu d (35)1 = 3. Lalu menggabungkan cluster

(1) dengan cluster (35) untuk mendapatkan cluster berikutnya dengan

menghitung :

- d (135 )2 = min { d (35)2, d 12} = min {7, 9} = 7

- d (135 )4 = min { d (35)4, d 14} = min {8, 6} = 6

Kemudian hapus baris dan kolom dari cluster (35) dan (1), maka akan

mendapatkan matrik jarak untuk hasil cluster berikutnya, yaitu :

Gambar 2.9 : matriks jarak ketigasingle linkage

Jarak terdekat berikutnya yang paling kecil antara pasangan cluster adalah

(24) = 5. Kemudian gabung objek 4 dan 2 untuk mendapatkan cluster (24).


23

Saat ini sudah mempunyai 2 cluster yang berlainan, (135) dan (24), maka

jarak terdekatnya, yaitu

- d (135 )24 = min { d (135 )2 , d (135 )4 } = min {7, 6} = 6

Proses perhitungan sudah selesai karena cluster sudah tersisa satu. Dari

hasil diatas menghasilkan matriks jarak yang terakhir dan dendrogramnya

sebagai berikut :

Gambar 2.10 : matriks jarak terakhirsingle linkage

Gambar 2.11: Dendrogram single linkage untuk jarak antara 5 obyek

b. Jarak maksimum antara elemen dalam cluster (complete linkage).

Pada complete linkage, semua item dalam satu cluster berada dalam jarak

paling jauh satu sama lain. Pada complete linkage ini menggunakan

matriks jarak pertama yang digunakan untuk menghitung single linkage.


24

Pada tahap pertama objek- objek 3 dan 5 digabung karena jaraknya paling

dekat. Perbedaan single linkagedengan complete linkageadalah pemilihan

jaraknya. Setelah dihitung maka akan menghasilkan matriks jarak baru.

Kolom dan baris 3 dan 5 akan dihapus untuk membentuk cluster 35.

- d (35 )1 = maks { d 31, d 51} = maks {3, 11} = 11

- d (35 )2 = maks { d 32, d 52} = maks {7, 10} = 10

- d (35 )4 = maks { d 34, d 54} = maks { 9, 8} = 9

Gambar 2.12 : matriks jarak keduacomplete linkage

Penggabungan berikutnya terjadi antara kelompok yang paling dekat 2 dan

4 untuk membentuk cluster (24) = 5. Pada tahap ini menghasilkan matrik

jarak yang baru dengan menghapus baris dan kolom yang bersesuaian.

- d (24)(35) = maks { d 2(35), d 4(35)} = maks {10, 9} = 10

- d (24)1 = maks { d 21, d 41} = 9


25

Gambar 2.13: matriks jarak ketigacomplete linkage

Penggabungan berikutnya menghasilkan cluster (124). Pada tahap akhir

kelompok (35) dan (124) digabungkan menjadi cluster tunggal (12345)

pada perhitungan d (124)(35) = maks { d (1)(35) , d (24)(35) } = maks {11,

10} = 11. Dari hasil inilah maka dapat dibuat bentuk dendrogramnya

seperti pada gambar dibawah ini.

Gambar 2.14 : dendrogram complete linkage untuk jarak 5 objek


26

c. Rata-rata jarak antara elemen dari setiap cluster (average linkage).

Pada average linkage, jarak antara dua cluster dihitung sebagai jarak rata-

rata antara semua pasangan item-item yang ada pada tiap cluster. Pada

average linkageini juga masih menggunakan matriks jarak pertama. Pada

tahap pertama objek 3 dan 5 digabung karena mereka paling dekat

jaraknya. Pada tahap kedua, hitung jarak seperti dibawah ini.

- d (35 )1 = { d 31+ d 51}/ 2 = {3 +11}/ 2 = 7

- d (35 )2 = { d 32 + d 52}/2 = {7 + 10}/2 = 8,5

- d (35 )4 = { d 34 + d 54}/2 = { 9 + 8}/2 = 8,5

Gambar 2.15 : matriks jarak keduaaverage linkage

Kemudian cari jarak yang paling dekat berikutnya. Kelompok yang paling

mirip adalah 2 dan 4 untuk membentuk cluster (24) = 5. Pada tahap ketiga,

hitung gabungan cluster untuk menghasilkan matrik jarak yang baru.

- d (24)35 = {d (2,3) + d(2,5) + d(4,3) +d(4,5) }/4 = (7+10+9+8)/4 = 8,5

- d (24)1 = { d (2,1) + d (4,1) }/2 = (9+6)/2 = 7,5

0


27

Gambar 2.16: Matriks jarak ketigaaverage linkage

Pada tahap ini, jarak yang paling dekat menghasilkan cluster (135).

Kemudian cluster (135) dan (24) digabungkan menjadi cluster tunggal

(13524). Perhitungan ini akan menghasilkan matriks jarak baru dan

dendrogram.

- d (135)(24) = { d (2,1)+ d (2,3) + d (2,5) + d (4,1)+ d (4,3) + d

(4,5) }/6 = 49/6 =8,17

Gambar 2.17: matriks jarak terakhir average linkage

0

0


28

Gambar 2.18 : Dendrogram average linkage untuk jarak 5 obyek.

Setelah proses perhitungan dengan single linkage, average linkage dan

complete linkage, maka dibuatkan dendrogram untuk mengetahui

pengelompokkan dari hasil perhitungan tersebut. Pada, agglomerative

hierarchical clustering, dapat menentukan jumlah cluster dengan cara memotong

dendrogram pada jarak tertentu. Contohnya pada gambar dibawah ini. Pada

gambar 2.21 dapat dilihat bahwa cluster terbagi menjadi 2. Cluster 1 berisi obyek

1, 3 dan 5, sedangkan cluster 2 berisi obyek 2 dan 4.

Gambar 2.19 : Dendrogram yang sudah dilakukan pemotongan (cut-off)

Cut off


29

2.4 Dimensionality Reduction

Dimensionality reduction adalah proses pengurangan dimensi dari data yang

berdimensi besar menjadi data yang berdimensi kecil. Ada dua teknik dalam

dimensionality reduction ini, yaitu feature selection dan feature extraction.

Feature selection, memilih feature yang berpengaruh dari sekumpulan data asli.

Feature extraction, membentuk feature baru berdasarkan feature yang lama

dengan dimensi yang lebih sedikit dibandingkan dengan sebelumnya.

Teknik yang digunakan adalah featureextraction dengan principal

component analysis. Tujuan dari principal component analysis adalah

mengekstrak informasi yang paling penting dari dataset, mengompres ukuran dari

dataset dengan hanya menjaga informasi yang penting, menyederhanakan

deskripsi dari dataset dan menganalisa struktur dari observasi dan variable

(Herve,Lynne2010). Dalam pencapaian tujuan diatas, principal component

analysis menghitung variabel baru yang disebut dengan principal component yang

diperoleh sebagai kombinasilinear dari variabel yang asli.Principal component

analysis menganalisa semua variance di dalam variabel dan mengatur ulang ke

dalam sekumpulan komponen yang baru yang sama dengan jumlah variabel asli.

Cara kerja dari principal component analysis, antara lain :

1. Pada data matrix, kurangi rata-rata dari setiap dimensi data (scalling).

2. Hitung covariance matrix dari kumpulan data matrix.

3. Hitung eigenvector dan eigenvalue dari covariance matrix.

4. Pilih component dan bentuk vector feature dan ambil principal

component dari eigenvector yang memiliki eigenvalue paling besar


30

5. Menurunkan data set yang baru. (Smith, 2002).

2.5 Penyakit Hepatitis

Penyakit hepatitisadalah penyakit yang disebabkan oleh beberapa jenis virus

yang menyebabkan peradangan serta merusak sel-sel organ hati manusia. Penyakit

hepatitis mempunyai tipe-tipe yang berbeda, antara lain hepatitis A, hepatitis B,

hepatitis C, hepatitis D, hepatitis E, hepatitis F dan hepatitis G. Hepatitis A

merupakan tipe hepatitis yang paling ringan, sedangkan hepatitis B merupakan

tipe hepatitis yang berbahaya. Sebanyak 50 persen atau 15 juta penderita hepatitis

B dan C di Indonesia akan menjadi penyakit hati kronik dan 10 persen menjadi

liver fibrosis dan kanker hati (dimyati, 2011). Istilah hepatitisberasal dari bahasa

latin yang dipakai untuk semua jenis peradangan pada hati (Wening Sari,

2008:10). Penyebabnya dapat berbagai macam, mulai dari virus, komplikasi dari

penyakit lain, alkohol, obat-obatan atau zat kimia sampai karena penyakit

autoimun (Wening Sari, 2008:16).

Hepatitis merupakan penyakit yang sangat menarik untuk dijadikan bahan

penelitian. Sebelumnya sudah ada penelitian yang membahas permasalahan

hepatitis ini. Perbedaan antara penelitian ini dengan penelitian sebelumnya adalah

metode yang digunakan. Metode yang digunakan adalah classification dengan

algoritma Naïve Bayesian. Hasil dari penelitian tersebut memiliki nilai akurasi

yang tergolong rendah. Akurasi per gejala menghasilkan 44,44 persen, sedangkan

kombinasi gejala menghasilkan akurasi 51,11 persen. Penulis beranggapan bahwa

rendahnya hasil akurasi disebabkan oleh kurangnya featureatau atribut dari data


31

hasil pemeriksaan laboratorium. Berdasarkan dari penelitian sebelumnya, maka

penelitian ini akan memakai data hasil pemeriksaan laboratorium sehingga hasil

akurasi yang didapatkan akan tinggi.

Penyakit yang akan dijadikan bahan penelitian adalah hepatitis karena

penyakit tersebut memiliki banyak tipe dan sulit untuk menggolongkan pasien

termasuk dalam tipe hepatitisyang ada karena memiliki gejala yang hampir sama.

Pada penelitian ini terbatas untuk hepatitis A, B dan C saja. Berikut ini

merupakan penjelasan mengenai hepatitistipe A, B dan C.

a. Hepatitis A

Hepatitis A adalah golongan penyakit Hepatitis yang ringan dan

jarang sekali menyebabkan kematian. Virus hepatitis A penyebarannya

melalui kotoran atau tinja penderita yang penularannya melalui makanan

dan minuman yang terkontaminasi dan bukan melalui aktivitas seksual atau

melalui darah. Penyakit Hepatitis A memiliki masa inkubasi dari 2 sampai 6

minggu sejak penularan terjadi. Kemudian penderita menunjukkan beberapa

tanda dan gejala terserang penyakit Hepatitis A. Pada gejala penyakit Hepatitis

A diantaranya yaitu pada minggu pertama, individu yang dijangkit akan

mengalami sakit seperti kuning, keletihan, demam, hilang selera makan,

muntah, pusing dan kencing yang berwarna hitam pekat. Demam yang terjadi

adalah demam yang terus menerus, tidak seperti demam yang lainnya yaitu

demam berdarah, TBC, dan thpyus.


32

b. Hepatitis B

Hepatitis B merupakan salah satu penyakit menular yang tergolong

berbahaya didunia. Penyakit ini disebabkan oleh virus hepatitis B yang

menyerang hati dan menyebabkan peradangan hati akut, seperti hepatitis C,

kedua penyakit ini dapat menjadi kronis dan akhirnya menjadi kanker hati.

Proses penularan hepatitis B yaitu melalui pertukaran cairan tubuh atau kontak

dengan darah dari orang yang terinfeksi hepatitis B. Ada beberapa hal yang

menjadi pola penularan antara lain penularan dari ibu ke bayi saat

melahirkan, hubungan seksual, transfusi darah, jarum suntik, maupun

penggunaan alat kebersihan diri secara bersama-sama. Hepatitis B dapat

menyerang siapa saja, akan tetapi umumnya bagi mereka yang berusia

produktif akan lebih beresiko terkena penyakit ini. Pada gejala penyakit

Hepatitis B, secara khusus tanda dan gejala terserangnya hepatitis B yang

akut adalah demam, sakit perut dan kuning (terutama pada area mata yang

putih atau sklera). Namun, bagi penderita hepatitis B kronik akan cenderung

tidak tampak tanda-tanda tersebut, sehingga penularan kepada orang lain

menjadi lebih beresiko.

c. Hepatitis C

Penyakit hepatitis C adalah penyakit hati yang disebabkan oleh virus

hepatitis C. Proses penularannya melalui kontak darah seperti transfusi, jarum

suntik. Penderitahepatitis C kadang tidak menampakkan gejala yang jelas, akan

tetapi pada penderita Hepatitis C kronik menyebabkan kerusakan sel-sel hati


33

dan terdeteksi sebagai kanker hati. Sejumlah 85% dari kasus, infeksi hepatitis

C menjadi kronis dan secara perlahan merusak hati selama bertahun-tahun.

Penderita sering kali tidak menunjukkan gejala, walaupun infeksi telah terjadi

bertahun-tahun lamanya. Namun, beberapa gejala yang samar diantaranya

adalah lelah, hilang selera makan, sakit perut, urine menjadi gelap dan kulit

atau mata menjadi kuning yang disebut jaundice. Pada beberapa kasus dapat

ditemukan peningkatan enzyme hati pada pemeriksaan urine,

Pemeriksaan laboratorium diperlukan untuk memastikan diagnosis hepatitis

karena gejalahepatitis tidak khas. Berikut ini, tahap-tahap pemeriksaan untuk

hepatitis yang harus dilalui selain melihat dari sisi gejala yang tampak dari luar

(Marzuki Suryaatmadja, 2010).

1. Pemeriksaan untuk hepatitis akut:

Enzim SGOT, SGPT

Penanda hepatitis A (Anti HAV IgM)

Penanda hepatitis B (HbsAg, Anti HBc IgM)

Penanda hepatitis C (Anti HCV, HCV RNA)

2. Pemeriksaan untuk hepatitis kronis:

Enzim SGOT, SGPT.

Penanda hepatitis B (HbsAg, Hbe, Anti H Bc, Anti Hbe, HBV DNA).

Penanda hepatitis C (Anti HCV, HCV RNA).


34

2.6 Pengujian Keakuratan Metode

Pengujian keakuratan hasil pengelompokan hepatitis ini penting agar

hasilnya lebih valid. Oleh karena itu diperlukan suatu metode untuk mengetahui

keakuratan hasil yang telah diperoleh. Pada clustering biasanya menggunakan 3

pendekatan untuk memastikan bahwa proses clustering tepat. Tiga pendekatan itu

adalah external test, internal test dan relative test.

a. Pengujian dengan metode external test, pada pengujian ini digunakan

untuk mengukur sejauh mana label pada cluster cocok dengan label class

yang disediakan. Seperti pada tabel 2.5 terdapat tabel untuk mengevaluasi

cluster. Kolom mewakili jenis hepatitis, sedangkan baris mewakili

kelompok clustering. Contohnya menggunakan confusion matrix, entropy

dan purity. Rumus yang digunakan untuk menghitung akurasi dengan

confusion matrix, yaitu :

𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =𝐽𝑢𝑚𝑙𝑎ℎ 𝑏𝑒𝑛𝑎𝑟 𝑠𝑒𝑡𝑖𝑎𝑝 cluster

𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑥 100 %

(2.7)

Tabel 2.5 : Cluster evaluation

hepatitis

kelompok

A B C

1 X X X

2 X X X

3 X X X


35

b. Pengujian dengan metode internal test, pada pengujian ini penyelesaian

cluster digunakan untuk melihat kualitas cluster tanpa informasi yang

berasal dari luar (external). Contoh pengukuran pada internal test, yaitu

cluster separation dan cluster cohesion.

a) Cluster cohesion adalah jumlah dari lebar semua link yang ada di

dalam cluster. Cohesion adalah pengukuran di dalam cluster

dengan sum of square (SSE).

(2.6)

b) Cluster separation, pengukuran antar cluster dengan sum of

square (SSE).

(2.7)

c. Pengujian dengan metode relative test, pada pengujian ini beberapa

penyelesaian cluster yang berbeda dari data dibandingkan dengan

menggunakan algoritma yang sama dengan parameter yang berbeda. Pada

relative test ini sering menggunakan external index atau internal index

untuk mengukurnya. Contohnya dengan SSE atau entropy.

i Cx

i

i

mxWSS 2)(

i

ii mmCBSS 2)(


36

Metode evaluasi untukclustering yang akan digunakan pada penelitian ini adalah

external test. External test bekerja dengan membandingkan hasil clustering yang

sudah didapat dengan class label yang sudah disediakan. Jadi dapat dilihat tingkat

kecocokan hasil clustering yang ada dengan label yang sudah tersedia. Hasil

pengelompokkan juga akan dihitung akurasinya sehingga dengan akurasi tersebut

dapat terlihat bagus atau tidaknya hasil pengelompokkan yang didapat.


37

BAB III

METODOLOGI PENELITIAN

Pada bab ini menjelaskan mengenai data yang digunakan pada penelitian dan

mengenai metode pengumpulan data. Selain itumembahas mengenai teknik

analisis dan evaluasi hasil.

3.1 Data

Pada penelitian yang dilakukan ini menggunakan data pasien yang berupa

data hasil laboratorium dan data dari hasil pemeriksaan dari dokter. Data

penelitian ini didapat dari rumah sakit di Yogyakarta. Data yang digunakan adalah

data gejala dan data laboratorium. Data hasil laboratorium sangat penting karena

hasil ini sangat berpengaruh langsung pada diagnosis akhir. Data gejala hasil

pemeriksaan dokter juga sama pentingnya untuk memberikan diagnosa awal pada

pasien tersebut dan dapat memperkuat hasil dari diagnosa akhir.

Data hasil pemeriksaan dokter yang dikumpulkan adalah hasil diagnosa

pada pasien dari tahun 2000 sampai dengan 2010. Data ini berupa data diri pasien,

gejala, diagnosa awal dan akhir. Data pasien yang digunakan terbatas pada pasien

yang terkena hepatitisA, B dan C.Sebelumnya, data gejala ini dipakai oleh

Karunia Estu pada skripsinya yang berjudul “Sistem diagnosa penyakit hepatitis

dengan menggunakan metode Naïve Bayesian”. Pada data hasil pemeriksaan

dokter yang digunakan terdapat 5 induk gejala, yaitu gejala otot, gejala perut,

gejala kulit, gejala mata dan gejala mirip flu. Jumlah data yang akan dipakai

sebanyak 110.


38

Data hasil laboratorium merupakan hal yang sangat penting untuk

menetapkan pasien tersebut terkena hepatitis tipe tertentu. Pemeriksaan

laboratorium dibagi menjadi dua, yaitu kualitatif dan kuantitatif. Pada

pemeriksaan kualitatif hanya menetapkan bahwa pasien tersebut positif atau

negative terkena hepatitis, sedangkan pemeriksaan kuantitatif memiliki ukuran

atau kadar yang berasal dari penanda hepatitis. Pemeriksaan laboratorium untuk

hepatitis meliputi pemeriksaan fungsi hati, yaitu SGOT dan SGPT.Selain itu,

pemeriksaan yang paling penting untuk hasil diagnosa akhir adalah penanda

hepatitis, yaitu anti HAV untuk hepatitis A, HBsAg untuk hepatitis B dan anti

HCV untuk hepatitis C.

3.2 Metode Pengumpulan Data

Data- data yang digunakan dalam penelitian ini menggunakan data yang

didapat dari hasil laboratorium dan hasil wawancara dengan dokter. Pada

pembuatan sistem data mining untuk pengelompokan data penyakit hepatitis

dengan menggunakan metode data mining, menggunakan beberapa teknik

pengumpulan data dan variabel, yaitu :

1. Studi kepustakaan.

Proses ini digunakan untuk mendapatkan informasi tentang penyakit

hepatitis dan metode-metode data mining yang akan digunakan untuk

memecahkan masalah. Buku-buku yang akan digunakan terkait dengan

data mining dan aplikasinya.

2. Mengadakan wawancara dengan dokter terkait dengan penjelasan

penyakit hepatitis dan gejala-gejalanya.


39

Wawancara yang akan dilakukan ini secara lisan dan mempunyai tujuan

untuk mengetahui mengenai penyakit hepatitis itu beserta dengan gejala.

Tujuannya agar lebih mudah memahami mengenai penyakit hepatitis itu

sendiri yang nantinya dapat berguna dalam menentukan atribut untuk

menganalisa data-data pasien.

3. Mengajukan permohonan untuk meminta data sample pasien yang

berobat untuk mengetahui penyakit hepatitis yang diderita.

Proses pengajuan untuk meminta data pasien perlu dilakukan karena

data-data pasien yang ada tidak dapat secara langsung disebarluaskan

karena bersifat pribadi, maka diperlukan adanya surat izin untuk meminta

data pasien hepatitis.

3.3 Teknik Analisa Data

Sumber data yang digunakan diperoleh dari survey lapangan di rumah sakit.

Data yang akan diambil berupa hasil pemeriksaan laboratorium yang ditunjukan

oleh setiap pasien kepada dokter yang berobat di rumah sakit yang bersangkutan.

Sumber data ini akan terbatas pada data-data pasien yang hasil diagnosa akhirnya

terkena hepatitisA, B maupun C. Data-data yang sudah didapat akan dianalisa

untuk diketahui jenis pengelompokan berdasarkan tipe penyakitnya. Tahap-tahap

jalannya program, sebagai berikut.

Gambar 3.1 Diagram blok proses clustering

Data Preprocessing Clustering Output

Single Average Complete

Dendrogram

Akurasi

Perhitun

gan jarak


40

a. Preprocessing

Data yang sudah dikumpulkan masuk pada tahap preprocessing yang ada

padaknowledge discovery in databases, yaitu data cleaning, data integration,

data selectiondan data transformation. Data gejala pasien hepatitis masih

terpisah berdasarkan hasil identifikasi penyakit antara satu sama lain sehingga

perlu digabungkan untuk mempermudah proses pengelompokkan seperti pada

tabel dibawah ini.

Tabel 3.1 Data gejala hepatitis

Feature

No gejala

otot

gejala perut gejala

kulit

gejala

mata

gejala mirip

flu

hasil

Identifika

si

1

Normal

muntah,mual,nyeri

perut sebelah

kanan,nafsu makan

berkurang Normal kuning demam,batuk A

2

Normal

muntah,mual,nafsu

makan berkurang Normal normal

demam,pusing

batuk A

3

Normal

muntah,kembung,mu

al, nyeri perut

sebelah kanan, nafsu

makan berkurang Gatal kuning

demam,pusing,

lesu,batuk B

4

Pegal

mual, nyeri perut

sebelah kanan Normal normal lesu,batuk B

5

Normal

muntah,kembung,

nafsu makan

berkurang,perut_acit

es Normal normal lesu C

6

Normal

nyeri perut sebelah

kanan Normal normal

demam,pusing,

lesu C

7

linu-

linu

muntah,mual, nafsu

makan

berkurang,perut_acit

es Normal normal

demam,pusing,

batuk C


41

Dari data diatas gejalanya dikelompokkan menurut gejala masing-masing

seperti gejala otot, gejala perut, gejala kulit, gejala mata dan gejala mirip flu.

Setelah itu menjabarkan masing-masing gejala seperti pegal, nyeri sendi dan

normal untuk gejala otot. Gejala mual, muntah, diare, nyeri perut sebelah

kanan, kencing berwarna gelap, nafsu makan berkurang dan perut acites untuk

gejala perut. Gejala normal, kuning, lembab, gatal, kemerahan, kering untuk

gejala kulit. Gejala normal dan kuning untuk gejala mata Sedangkan gejala

demam, pusing, lesu, mialgia, lelah, menggigil, dan batuk untuk gejala mirip

flu. Dari gejala-gejala tersebut dilakukan proses binerisasi yang sudah

dilakukan pada penelitian Karunia Estu.

Kemudian, selain data gejala ditambahkan pula data laboratorium dengan

atribut SGOT, SGPT, anti HAV, HbsAg dan Anti HCV. Gejala laboratorium

memiliki range yang berbeda-beda sehingga perlu untuk di normalisasi agar

rentang nilai antar data tidak jauh. Jenis normalisasi yang diberikan adalah

zscore atau normalisasi [0-1]. Selain itu, pengurangan dimensi dengan

principal component analysis dapat dilakukan agar mengurangi dimensi data

tetapi tidak menghilangkan informasi penting yang terkandung pada data.

b. Pengukuran jarak

Data yang sudah di preprocessing akan dilakukan pengukuran jarak antar

data dengan menggunakan salah satu dari pilihan pengukuran jarak. Seperti

yang sudah dijelaskan pada bab sebelumnya. Ada pengukuran dengan

euclidean distance, minkowski distance, simple matching coefficients


42

danjaccard coefficients. Hasil dari pengukuran jarak ini berupa matriks jarak

antar obyek data.

c. Clustering

Hasil dari matriks jarakakan masuk pada tahap clustering. Metode yang

dipakai untuk menyelesaikan pengelompokan data-data pasien yang terkena

hepatitis dengan memakai agglomerativehierarchical clustering. Data pasien

yang akan terkumpul pada masing-masing cluster menggunakan metode

pengukuran kemiripan single linkage (jarak minimum), average linkage (jarak

rata-rata) dan complete linkage (jarak maksimum)dengan memilih jarak

minimum atau yang paling mirip untuk tiap data.Berikut ini adalah tabel untuk

jarak keseluruhan antara ke enam data sample yang sudah dihitung dengan

menggunakan rumus jarak euclidean distance.

Tabel 3.2: Contoh matriks jarak dengan Euclidean distance

1. Pengukuran jarak dengan single linkage merupakan pengukuran jarak

minimum antara elemen dari setiap cluster. Dari matriks jarak yang ada,

jarak yang paling minimum adalah 2 yang didapat dari obyek 1 ke 2.

1 2 3 4 5 6

1 0

2 2 0

3 2.236068 2.645751 0

4 2.828427 2.828427 3.316625 0

5 3 2.645751 3.162278 3 0

6 3 2.645751 3.162278 2.64575131 2.828427 0


43

Kemudian pasangkan obyek data lainnya dengan jarak yang minimum

agar mendapatkan hasil jarak baru pada matriks jarak dan masuk ke

dalam cluster.Hasil jarak baru yang sudah didapat, akan membentuk

matriks jarak baru sehingga dapat dibentuk dendrogram, sebagai berikut.

Gambar 3.2 : Dendrogram singlelinkage

2. Pengukuranaverage linkage yang merupakan pengukuran rata-rata jarak

antara elemen dari setiap cluster. Dari matriks jarak yang ada, jarak yang

paling minimum adalah 2 dari obyek 1 ke 2. Kemudian pasangkan

dengan seluruh data agar didapat hasil jarak baru pada matrik jarak dan

keseluruhan data sudah masuk ke dalam cluster.Pada average

linkageumlah jarak antar data dibagi dengan jumlah anggota di

dalamcluster. Hasil jarak baru yang sudah didapat, akan membentuk

matriks jarak baru sehingga dapat dibentuk dendrogram, sebagai berikut.


44

Gambar 3.3 : Dendrogram untuk average linkage

3. Pengukuran complete linkagemerupakan pengukuranyang melihat jarak

maksimum antar elemen dalam cluster. Dari matriks jarak yang ada,

jarak yang paling minimum adalah 2 dari obyek 1 ke 2. Pemilihan jarak

diawal tiap iterasi tetap nilai yang paling minimum, sedangkan untuk

perhitungan kemiripan menggunakan nilai yang paling maksimum.

Pasangkan dengan seluruh data agar didapat hasil jarak baru pada matriks

jarak dan keseluruhan data sudah masuk ke dalam cluster.Hasil jarak

baru yang sudah didapat, akan membentuk matriks jarak baru sehingga

dapat dibentuk dendrogram, sebagai berikut.


45

Gambar 3.4 : dendrogram untuk complete linkage

4. Menentukan jumlah cluster dari hasil dendrogram yang ada. Pada kasus

ini akan dibuat 3 cluster, yaitu hepatitisA, B dan C. Kemudian dapat

dilakukan proses cut-off atau pemotongan pada dendrogram pada

ketinggian atau jarak tertentu agar terbentuk menjadi tigacluster. Selain

itu, dapat dilakukan dengan proses maxclust, yaitu proses yang

membatasi terbentuknya cluster hanya tiga cluster.

Tabel 3.3 Hasilcluster

Kelompok 1 Kelompok 2 Kelompok 3

1 4 5

2 6

3

d. Perhitungan Akurasi

Seterlah dendrogram ditampilkan, maka pengujian akurasi dilakukan agar

dapat mengetahui keakuratan hasil pengelompokkan. Tabel yang digunakan

adalah tabel evaluasi cluster untuk mengetahui keakuratan hasil yang didapat

dengan metode agglomerative hierarchical clustering dalam mengelompokan

penyakit hepatitis A, B dan C. Evaluasi ini dilakukan dengan cara

membandingkan hasil penggelompokan dengan agglomerative hierarchical

clustering dengan data asli. Hasil yang didapat dari penelitian perlu dievaluasi

agar hasil yang diperoleh dapat mencapai tujuan yang ingin dicapai pada


46

penelitian ini. Berikut ini adalah tabel evaluasi cluster dari perhitungan

sebelumnya. Kolom pada tabel mewakili tipe hepatitis dan baris mewakili

kelompok.

Tabel 3.4 : confusion matrix

hepatitis

kelompok

A B C

1 2 1 0

2 0 1 1

3 0 0 1

𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =4

6∗ 100 % = 66, 67%

3.4 Design UserInterface

Design interface sistem identifikasi penyakit hepatitis dengan menggunakan

algoritma agglomerative hierarchical clusteringini memiliki tampilan seperti

dibawah ini :

a. Halaman utama

Pada halaman utama ini terdiri dari gambar icon, judul, menu file dan

help. Pada menu file terdiri dari sub menu preprocessing dan

clustering.


47

Gambar 3.5 Halaman Utama

b. Halaman preprocessing

Pada halaman processing ini terdapat fungsi untuk mencari file yang

bertipe .csv. Kemudian ada pilihan untuk memilih jenis normalisasiserta

pilihan untuk memasukan jumlah principal component untuk dilakukan

proses principal component analysisyang kemudian hasilnya akan

disimpan dalam file yang bertipe .csv.


48

Gambar 3.6 Halaman Preprocessing

c. Halaman Clustering

Pada halaman clustering ini terdapat fungsi untuk mencari file yang

bertipe .csv dan menampilkannya pada tabel, memilih jenis perhitungan

kedekatan, menampilkan dendrogram dan menghitung akurasi.

Gambar 3.7 Halaman Clustering

d. Halaman Help

Pada fungsi help ini menjelaskan mengenai cara-cara penggunaan

program pada masing-masing submenu. Fungsi help ini ditampilkan

berupa file berformat .pdf.


49

3.5 Spesifikasi Software dan Hardware

Spesifikasi software dan hardware yang digunakan dalam implementasi

sistem identifikasi penyakit hepatitis dengan agglomerative hierarchical

clustering ini, sebagai berikut :

1. Software :

a. Sistem Operasi : Microsoft Windows 7 ultimate 32-bit

b. Bahasa pemrograman : Matlab Student Version

2. Hardware :

a. Processor : Intel(R) Core(TM) 2 Duo CPU T6400 @ 2.00GHz

b. Memory : 2 GB

c. Harddisk : 320 GB


50

BAB IV

IMPLEMENTASI DAN ANALISA HASIL

Pada penelitian ini membahas mengenai hasil pengelompokkan penyakit hepatitis

dengan agglomerative hierarchical clustering. Selain itu implementasi program

pengelompokkanjuga dijelaskan dalam bab ini. Pada bab ini juga akan membahas

hasil akurasi yang didapat dengan agglomerative hierarchical clustering.

4.1 Hasil Penelitian dan Analisa

Penelitian yang telah dilakukan ini menggunakan 110 data yang terdiri dari

hepatitis A, B, dan C. Data gejala sudah digabungkan dengan data dari

laboratorium hepatitis sehingga total atributnya adalah 31. Atribut yang baru ini

antara lain SGOT, SGPT, bilirubin direk, bilirubin indirek, anti HAV, HBsAg dan

Anti HCV. Atribut tersebut merupakan pemeriksaan yang dilakukan untuk

melihat fungsi hati yang berkaitan dengan penyakit hepatitis.

Tabel 4.1 Deskripsi data gejala hepatitis

No. Gejala Keterangan

1. Otot Pegal, nyeri sendi, normal dan linu-linu.

2. Perut Muntah, diare, kencing berwarna gelap, nyeri perut sebelah

kanan, nafsu makan berkurang dan perut acites.

3. Kulit Normal, kuning, lembab, gatal, kemerahan, dan kering.

4. Mata Normal dan kuning.

5. Mirip flu Demam, pusing, lesu, mialgia, lelah, menggigil dan batuk.


51

Tabel 4.2 Deskripsi data gejala laboratorium hepatitis

No. Gejala Keterangan

1. Fungsi hati SGOT, SGPT, bilirubin direk, bilirubin

indirek, albumin, globulin.

2. Penanda

Hepatitis

Anti HAV, HBsAg dan Anti HCV

Data laboratorium yang akan digunakan adalah SGOT, SGPT, anti HAV,

HBsAg dan Anti HCV. Pemeriksaan bilirubin direk, bilirubin indirek, albumin,

dan globulin tidak digunakan karena tidak semua pasien menjalani pemeriksaan

laboratorium tersebut. Alasan lain karena menurut dokter Tri Joko selaku kepala

laboratorium di rumah sakit di Yogyakarta bahwa pemeriksaan yang paling

penting adalah SGOT, SGPT dan penanda hepatitis. Pemeriksaan SGOT dan

SGPT ini memiliki normal range yang berbeda antara pria dan wanita. Pada pria

memiliki range SGOT 0-37 dan SGPT 0-42. Pada wanita memiliki range SGOT

0-32 dan SGPT 0-31. Pemeriksaan pada penanda hepatitis Anti HAV, HBsAg dan

Anti HCV berbeda-beda alat dan satuannya. Pemilihan alat periksa data

laboratorium tergantung dari dokter yang memeriksa pasien sehingga antara

pasien yang satu dengan yang lain tidak sama alat periksanya.

Data pasien yang telah digabung dengan data laboratorium ini disimpan

dalam file berformat .xls. Data masing-masing pasien dipisahkan menurut jenis


52

hepatitis A, B dan C. Pada sheet pertama, terdapat data 40 pasien hepatitis A,

sheet kedua 40 data pasien hepatitis B, dan sheet ketiga berjumlah 30 pasien

hepatitis C. Jadi, total keseluruhan pasien ada 110 data yang akan dilakukan

proses pengelompokan.

4.2 Preprocessing Data

Data-data yang digunakan dalam penelitian ini merupakan data pasien yang

berobat dari tahun 2002 sampai 2010 yang diambil secara random. Data yang

diambil adalah data hasil laboratorium, yaitu SGOT, SGPT, anti HAV, HBsAg

dan Anti HCV. Tahap pertama yang dilakukan sebelum melakukan proses data

mining adalah preprocessing pada data pasien terlebih dahulu. Langkah-langkah

preprocessing yang dilakukan antara lain :

1. Data Cleaning

Pembersihan data merupakan tahap awal dalam proses penambangan

data. Data yang didapatkan tidak langsung dapat digunakan karena banyak

data yang tidak lengkap. Pertama data-data yang tidak lengkap

dikumpulkan sesuai dengan jenis hepatitis. Kedua, data yang tidak

memenuhi kriteria tidak akan digunakan sehingga total data yang akan

digunakan adalah 110 dari 130 data yang dicatat.

2. Data Integration

Data yang sudah dilakukan proses pembersihan akan digabung sesuai

dengan tipe hepatitis dan akan disimpan ke dalam satu tempat

penyimpanan yang sama yang bertipe .csv. Data yang sudah digabung


53

antara hepatitis A, B dan C akan mempermudah proses clustering.

3. Data Transformation

Data yang sudah terkumpul dalam satu tempat akan ditransformasi

kedalam bentuk yang tepat untuk di tambang. Data pasien hepatitis ini

memiliki rentang nilai yang jauh antara nilai satu dengan yang lain

sehingga perlu dilakukan proses normalisasi agar datanya menjadi

seimbang dan berada dalam range yang sudah ditetapkan. Normalisasi

yang digunakan adalah [0-1] dan zscore.

Normalisasi [0-1] dilakukan pada atribut SGOT dan SGPT dan data

gabungan antara gejala dan laboratorium. Atribut SGOT dan SGPT yang

memiliki range yang berbeda antara pria dan wanita. Range normal SGOT

wanita berkisar antara 0-32. Sedangkan normal SGOT pria berkisar antara

0-37. Range normal SGPT wanita berkisar antara 0-31. Sedangkan range

normal SGPT pria berkisar antara 0-42. SGOT dan SGPT masing-masing

wanita dan pria akan di normalisasi sesuai dengan rangenya. Berikut ini

data SGOT dan SGPT sebelum dan sesudah di normalisasi.

Tabel 4.3 SGOT dan SGPT sebelum dan sesudah dinormalisasi

Sebelum Sesudah

SGOT SGPT SGOT SGPT

163.8 756.3 2.619421 10.69117

273.9 460.8 4.5934 6.427688

1092 1710.7 19.26108 24.46128

340.4 639.1 4.615795 7.895486


54

100.1 402.7 1.477347 5.589419

44.9 344 0.487668 4.742494

302.2 561.1 5.10079 7.87482

26.3 57.9 0.154189 0.614634

Penanda hepatitis A, B dan C, yaitu anti HAV igm, HBsAg, dan anti

HCV juga akan dinormlisasi. Hal tersebut karena alat yang digunakan

untuk memeriksa data laboratorium berbeda dan satuannya pun berbeda

sehingga range antara satu data dan lainnya menjadi jauh. Contohnya ada

yang bernilai 4,78 dan ada yang bernilai 1955. Salah satu penyelesaiannya

adalah mengubah data tersebut menjadi bilangan biner 0 dan 1. Bilangan 1

berarti pasien tersebut terkena penyakit hepatitis A, B atau C, sedangkan 0

berarti pasien tersebut tidak terkena penyakit hepatitis A, B atau C.

Tabel 4.4 Penanda hepatitis sebelum dan sesudah normalisasi

Sebelum Sesudah

Anti

HaV HBsAg

Anti

HCV

Anti

HaV HBsAg

Anti

HCV

2.67 0 0 1 0 0

3.12 0 0 1 0 0

4.74 0 0 1 0 0

3.37 0 0 1 0 0

3.24 0 0 1 0 0

3.43 0 0 1 0 0

2.57 0 0 1 0 0

1.55 0 0 1 0 0

2.8 0 0 1 0 0

3.84 0 0 1 0 0

0 1955 0 0 1 0

0 18.89 0 0 1 0

0 17.22 0 0 1 0

0 20.2 0 0 1 0


55

0 1 0 0 1 0

0 23.41 0 0 1 0

0 18.48 0 0 1 0

0 1 0 0 1 0

0 1 0 0 1 0

0 0.72 0 0 1 0

0 0 1 0 0 1

0 0 10.53 0 0 1

0 0 11.03 0 0 1

0 0 1 0 0 1

0 0 97.6 0 0 1

0 0 1 0 0 1

0 0 12.33 0 0 1

0 0 1 0 0 1

0 0 1 0 0 1

0 0 402 0 0 1

Setelah data tersebut dikonversi, maka data tersebut masih harus

dilakukan normalisasi terlebih dahulu. Hal itu karena masih adanya

perbedaan range antara data yang bernilaibiner dan desimal. Normalisasi

yang dilakukan dengan normalisasi 0-1karena banyak yang bertipe data 0

dan 1. Kemudian hasil normalisasi tersebut yang digunakan untuk proses

clustering dengan agglomerative hierarchical clustering.

4. Data Reduksi

Proses ini dilakukan agar mengurangi dimensi pada data sehingga

dapat memperoleh dataset yang lebih kecil dari sisi volume sehingga dapat

menjaga integrity data dari data yang sebenarnya. Salah satu teknik data

reduksi adalah principal component analysis. Cara kerjanya dengan

memproyeksikan data yang berdimensi tinggi ke dimensi yang rendah.

Tujuan dari principal component analysisadalah mengurangi dimensi data


56

dengan mempertahankan variasi dari data yang ada. Dari data gejala hasil

dikelompokkan menurut gejala masing-masing seperti gejala otot, gejala

perut, gejala kulit, gejala mata dan gejala mirip flu. Gejala otot terdiri dari

pegal, nyeri sendi dan normal. Gejala perut terdiri dari mual, muntah, diare,

nyeri perut sebelah kanan, kencing berwarna gelap, nafsu makan

berkurang dan perut acites. Gejala kulit terdiri dari normal, kuning, lembab,

gatal, kemerahan, kering. Gejala mata terdiri dari normal dan kuning untuk

gejala mata. Sedangkan gejala mirip flu terdiri dari demam, pusing, lesu,

mialgia, lelah, menggigil, dan batuk. Adapula hasil laboratorium yang

meliputi SGOT, SGPT, anti HAV, HBsAg, dan anti HCV. Gejala-gejala

ini digabungkan dengan hasil laboratorium sehingga total atribut ada 31

atribut. Kemudian, 31 atribut dilakukan preprocessing dengan principal

component analysis, maka 31 atribut tersebut akan berkurang sesuai

dengan parameter principal component yang akan dimasukan. Hasilfeature

baru yang akan digunakan adalah yang memiliki nilai eigenvalue tertinggi

yang diurutkan dari besar ke kecil.

4.3 Hasil UjiClustering dan Akurasi

Sebelum masuk pada tahap clustering, ada tahap perhitungan jarak dengan

menggunakan memilih euclidean distance untuk menghitung jarak antar

obyek.Perhitungan jarak dengan jaccard coefficient tidak menghasilkan

pengelompokkan yang baik sehingga pilihan pengukuran jarak dengan euclidean

distance.Hasil pengelompokan data pasien hepatitis A, B dan C dibagi

berdasarkan empat percobaan, yaitu :


57

1. Data laboratorium.

Data laboratorium yang akan dikelompokkan menggunakan 5 atribut,

yaitu SGOT, SGPT, anti HAV, HBsAg, dan anti HCV.

2. Data gejala

Data gejala yang akan dikelompokkan berjumlah 26 atribut. Gejala mual,

muntah, diare, nyeri perut sebelah kanan, kencing berwarna gelap, nafsu

makan berkurang dan perut acites untuk gejala perut. Gejala normal,

kuning, lembab, gatal, kemerahan, kering untuk gejala kulit. Gejala

normal dan kuning untuk gejala mata. Sedangkan gejala demam, pusing,

lesu, mialgia, lelah, menggigil, dan batuk untuk gejala mirip flu.

3. Data gejala dengan data laboratorium

Data yang dipakai merupakan gabungan antara data gejala yang sudah

digabungkan dengan data laboratorium. Total atribut yang digunakan

berjumlah 31 atribut, 26 atribut dari data gejala dan 5 dari data

laboratorium.

4. Data laboratorium dengan data gejala yang sudah diproses

denganprincipal component analysis

Perbedaan dengan percobaan sebelumnya adalah dilengkapi dengan

principal component analysis. Principal component yang digunakan

pada percobaan ini adalah 25principalcomponent. Alasan digunakan 25

principal component adalah karena menghasilkan akurasi yang lebih

baik dibandingkan dengan jumlah principal component yang lain.


58

5. Data laboratorium dan data gejala hasil dariprincipal component

analysis.

Data gejala dilakukan dengan proses principal component analysis dan

menggunakan atribut baru dari 12 principal component. Hal itu karena

12 principal component menghasilkan akurasi yang baik dibandingkan

yang lain. Setelah itu data feature baru tersebut digabungkan dengan

data laboratorium sehingga total atribut data berjumlah 17.

Percobaan ini dilakukan dengan melakukan normalisasi 0-1, zscore dan

tanpa normalisasi terhadap 110 data. Berikut ini percobaan dengan menggunakan

algoritmaagglomerative hierarchical clustering.

1) Percobaan tanpa normalisasi dengan hasil pada tabel 4.5, dibawah ini.

Tabel 4.5 hasil tanpa normalisasi

No Feature Pengukuran

Kemiripan

Akurasi

1. Data Laboratorium Single Linkage 41,81 %

2. Data Laboratorium Average Linkage 40,90 %

3. Data Laboratorium Complete Linkage 42,72 %

4. Data Gejala Single Linkage 37,27 %

5. Data Gejala Average Linkage 42,72 %

6. Data Gejala Complete Linkage 49,09 %

7. Data gejala dan

Laboratorium

Single Linkage 41,81 %

8. Data gejala dan

Laboratorium

Average Linkage 40,90 %

9. Data gejala dan

Laboratorium

Complete Linkage 40,90 %


59

10. Data gejala (pca) +

laboratorium (pca)



laboratorium (pca)



laboratorium (pca)



laboratorium



laboratorium



laboratorium


a) Hasil akurasi yang paling besar dari data laboratorium adalah

complete linkage dengan akurasi 42,72 %. Berikut ini gambar

dendrogram pada 4.1 dan confusion matrix pada tabel 4.6.

a. Dendrogram dari complete linkage.

Gambar 4.1 Dendrogramcomplete linkage


60

b. Confusion matrix dari complete linkage.

Tabel 4.6 Confusion matrix complete linkage

𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 47

110𝑥 100 % = 42,72 %

b) Hasil akurasi yang paling besar dari data gejala adalah dengan

pengukuran kemiripan complete linkagedengan 49,09 %. Berikut

ini gambar 4.2 dendrogram dan confusion matrix pada tabel 4.7.


Gambar 4.2 Dendrogram complete linkage

Cluster

Hepatitis

1 2 3

A 9 6 0

B 20 30 30

C 11 4 0


61

c. Confusion matrix dari complete linkage.

Tabel 4.7 Confusion matrix complete linkage


110𝑥 100 % = 49,09 %

c) Hasil akurasi yang paling besar dari data gejala dan

laboratoriumadalah single linkage dengan akurasi 41,81 %. Berikut

ini gambar dendrogram pada 4.3 dan confusion matrix pada tabel

4.8.

a. Dendrogram dari single linkage.

Gambar 4.3 Dendrogram single linkage

Cluster

Hepatitis

1 2 3

A 16 5 9

B 6 12 15

C 18 23 6


62

b. Confusion matrix dari single linkage.

Tabel 4.8Confusion matrixsingle linkage

Cluster

Hepatitis

1 2 3

A 27 36 30

B 10 3 0

C 3 1 0


110𝑥 100 % = 41,81 %

d) Hasil akurasi yang paling besar dari data laboratorium dengan data

gejala yang sudah diproses dengan principal component

analysisadalah complete linkage dengan akurasi 42,72 %. Berikut


4.9.


63




Tabel 4.9 Confusion matrixcomplete linkage

Cluster

Hepatitis

1 2 3

A 10 6 0

B 19 30 30

C 11 4 0


110𝑥 100 % = 42,72 %

e) Hasil akurasi yang paling besar dari data laboratorium dan data

gejala hasil dariprincipal component analysisadalah complete


64

linkage dengan akurasi 42,72 %. Berikut ini gambar dendrogram

pada 4.5 dan confusion matrix pada tabel 4.10.




Tabel 4.10Confusion matrixcomplete linkage

Cluster

Hepatitis

1 2 3

A 10 6 0

B 19 30 30

C 11 4 0


110𝑥 100 % = 42,72 %


65

Berdasarkan grafik 4.6, dari ketiga jenis perhitungan kemiripan diatas

yang memiliki akurasi paling besaradalah complete linkagedengan 42,72

walaupun hasil akurasinya tidak sampai 50 % hanya 42,72 %. Hal ini

membuktikan bahwa data yang digunakan ini perlu dinormalisasi dahulu

sebelum dilakukan pengelompokkan.

Gambar 4.6: Grafik akurasi tanpa normalisasi

2) Percobaan dengan normalisasi [0-1] dengan hasil pada tabel 4.11, dibawah

ini.

Tabel 4.11 hasil akurasi dengan normalisasi [0-1]


Kemiripan

Akurasi

1. Data Laboratorium Single Linkage 100 %

2. Data Laboratorium Average Linkage 100 %

3. Data Laboratorium Complete Linkage 100 %

41.810%37.270%

41.810%

40.900%

41.810%

40.900%

42.720%

40.900% 40.900% 40.900%

42.720%49.090%

40.900%

42.720% 42.720%

.000%

10.000%

20.000%

30.000%

40.000%

50.000%

60.000%

Grafik Akurasi

single

average

complete


66

4. Data gejala dan

Laboratorium


5. Data gejala dan

Laboratorium


6. Data gejala dan

Laboratorium



laboratorium (pca)



laboratorium (pca)



laboratorium (pca)



laboratorium



laboratorium



laboratorium

Complete Linkage 100 %

a) Hasil akurasi yang paling besar dari data laboratorium adalah

single linkage, average linkage dan complete linkage dengan

akurasi 100 %. Berikut ini gambar dendrogram pada 4.7, 4.8, dan

4.9 dan confusion matrix pada tabel 4.12.

a. Dendrogram dari single linkage, average linkage dan

complete linkage.


67

Gambar 4.7 Dendrogram Single Linkage

Gambar 4.8 Dendrogram Average Linkage


68

Gambar 4.9 Dendrogram Complete Linkage

b. Confusion matrix dari single linkage, average linkage dan

complete linkage.

Tabel 4.12Confusion matrix dari single linkage, average

linkage dan complete linkage.

Cluster

Hepatitis

1 2 3

A 0 0 40

B 40 0 0

C 0 30 0


110𝑥 100 % = 100 %


69

b) Hasil akurasi yang paling besar dari data gejala dan data

laboratorium adalah complete linkage dengan akurasi 82,72 %.

Berikut ini gambar dendrogram pada 4.10 dan confusion matrix

pada tabel 4.13.

a. Dendrogram dari single linkage, average linkage dan

complete linkage.

Gambar 4.10 Dendrogram Complete Linkage


Tabel 4.13Confusion matrix complete linkage.

Cluster

Hepatitis

1 2 3

A 36 1 3

B 1 29 10

C 0 4 26


70


110𝑥 100 % = 82,72 %

c) Hasil akurasi yang paling besar dari data gejala dan data

laboratorium dengan menggunakan principal component

analysisadalah complete linkage dengan akurasi 80,90 %. Berikut


4.14.

a. Dendrogram daricomplete linkage.

Gambar 4.11 Dendrogram Complete linkage


71


Tabel 4.14Confusion matrixdaricomplete linkage.

Cluster

Hepatitis

1 2 3

A 35 1 4

B 1 28 11

C 0 4 26

Akurasi =89

110𝑥 100 % = 80,90 %

d) Hasil akurasi yang paling besar dari data laboratorium dan data

gejala hasil dari principal component analysisadalah single linkage,

average linkage dan complete linkage dengan akurasi 100 %.

Berikut ini gambar dendrogram pada 4.12, 4.13, 4.14 dan confusion

matrix pada tabel 4.15.

a. Dendrogram darisingle linkage, average linkage dan

complete linkage.


72

Gambar 4.12 Dendrogramsingle linkage

Gambar 4.13 Dendrogram average linkage


73



Tabel 4.15Confusion matrix daricomplete linkage.

Cluster

Hepatitis

1 2 3

A 40 0 0

B 0 40 0

C 0 0 30

Akurasi =110

110𝑥 100 % = 100%

Berdasarkan grafik 4.15, dari ketiga jenis perhitungan kemiripan

diatas, semua menghasilkan akurasi yang besar dengan 100 %.


74

Gambar 4.15 : Hasil akurasi data dengan normalisasi [ 0-1].

3) Percobaan dengan normalisasi zscoredengan hasil pada tabel 4.16,

dibawah ini.

Tabel 4.16 hasil akurasi dengan normalisasi zscore


Kemiripan

Akurasi

1. Data Laboratorium Single Linkage 100 %

2. Data Laboratorium Average Linkage 45,45 %

3. Data Laboratorium Complete Linkage 45,45 %

4. Data gejala dan

Laboratorium


5. Data gejala dan

Laboratorium


6. Data gejala dan

Laboratorium



laboratorium (pca)


100.000%

38.180%

38.180%

100.000%

100.000%

41.810%

36.360%

100.000%

100.000%82.720% 80.900% 100.000%

.000%

20.000%

40.000%

60.000%

80.000%

100.000%

120.000%

Grafik Akurasi

single

average

complete


75


laboratorium (pca)



laboratorium (pca)



laboratorium



laboratorium



laboratorium


a) Hasil akurasi yang paling besar dari data laboratoriumadalah single

linkage dengan akurasi 100 %. Berikut ini gambar dendrogram


a. Dendrogram dari single linkage.

Gambar 4.16 Dendrogram single linkage


76

b. Confusion matrix dari single linkage.

Tabel 4.17 Confusion matrix darisingle linkage.

Cluster

Hepatitis

1 2 3

A 40 0 0

B 0 40 0

C 0 0 30

Akurasi =110

110𝑥 100 % = 100 %

b) Hasil akurasi yang paling besar dari data laboratorium dan gejala

adalah complete linkage dengan akurasi 53,63 %. Berikut ini

gambar dendrogram pada 4.17 dan confusion matrix pada tabel

4.18.


77





Cluster

Hepatitis

1 2 3

A 35 17 10

B 5 23 19

C 0 0 1

Akurasi =59

110𝑥 100 % = 53,63 %

c) Hasil akurasi yang paling besar dari data laboratorium yang ditambah

dengan data gejala yang sudah dilakukan proses principal component

analysisadalah complete linkage dengan akurasi 40,90 %. Berikut ini

gambar dendrogram pada 4.18 dan confusion matrix pada tabel 4.19.


78





Cluster

Hepatitis

1 2 3

A 19 15 19

B 21 25 10

C 0 0 1

Akurasi =45

110𝑥 100 % = 40,90 %


79

d) Hasil akurasi yang paling besar dari data laboratorium dandata

gejala hasil dariprincipal component analysisadalahcomplete

linkage dengan akurasi 69,09 %. Berikut ini gambar dendrogram






Cluster

Hepatitis

1 2 3

A 23 37 0

B 8 0 30

C 9 3 0

Akurasi =56

110𝑥 100 % = 50,90 %


80

Pada gambar grafik 4.20, hasil akurasi data dengan menggunakan

normalisasi zscore tersebut dapat dilihat bahwa dari ketiga jenis perhitungan

kemiripan tersebut yang paling baik adalah complete linkage. Single linkage

hanya baik dalam hal mengelompokkan data laboratorium karena dapat

memberikan akurasi sebesar 100%, sedangkan average linkagememberikan hasil

yang buruk dibawah 50 %.

Gambar 4.20Hasil akurasi data dengan normalisasi zscore

Berdasarkan tabel 4.20, data yang tidak dinormalisasi menghasilkan

akurasi dibawah 50 % untuk semua pengukuran jarak kemiripan. Pada percobaan

dengan data gejala saja hanya menghasilkan akurasi paling besar 49,09 %. Pada

data yang diberikan normalisasi [0-1], mendapatkan hasil yang lebih bagus pada

complete linkage dengan akurasi yang lebih dari 80 % dibandingkan dengan

single linkage dan average linkage yang hasilnya hanya dibawah 50 %. Hal

100.000%

39.090% 39.090%36.360%

45.450%39.090% 39.090%

37.270%45.450%

53.630%

40.900%

69.090%

.000%

20.000%

40.000%

60.000%

80.000%

100.000%

120.000%

Grafik Akurasi Zscore

single

average

complete


81

tersebut membuktikan bahwa dengan maupun tanpa principal component analysis

dapat memberikan hasil yang baik karena menghasilkan akurasi yang lebih dari

80 % dengan adanya data laboratorium. Pada data yang diberikan normalisasi

zscore, akurasi yang didapat beragam. Ada hasil akurasi yang bagus dengan

pengukurancomplete linkage adapula dengansingle linkage.Single linkage

menghasilkan akurasi yang baik dalam mengelompokkan data laboratorium,

sedangkan complete linkage baik dalam mengelompokkan ketiga percobaan selain

data laboratorium dengan normalisasi zscore.

Percobaan menggunakan data gejala yang diberikan proses principal

component analysis dan digabung dengan data laboratorium dapat menghasilkan

akurasi yang cukup baik jika dibandingkan dengan tidak menggunakan principal

component analysis. Secara keseluruhan normalisasi dengan zscore tidak

menghasilkan akurasi yang baik karena hasil paling tingginya tidak lebih dari

70 %. Persamaan antara normalisasi [0-1] dan zscore adalah dapat memberikan

hasil akurasi 100 % pada data laboratorium.

Hasil dari penelitian ini membuktikan bahwa data laboratorium sangat

berperan penting dalam menentukan seseorang terkena hepatitis atau tidak. Hal

tersebut terbukti dengan adanya penanda hepatitis A, B dan C sehingga pasien

dapat dengan tepat terdiagnosa. Hasil akurasi yang didapatkan juga membuktikan

bahwa data laboratorium mampu meningkatkan akurasi hasil pengelompokkan.

Hasil akurasi tersebut lebih baik jika dibandingkan dengan hasil penelitian

sebelumnya yang hanya memakai data gejala dan hanya menghasilkan akurasi

sebesar 51,11 %. Hal itu karena data gejala masih berupa


82

perkiraanumumsementara dan belum pasti dapat disimpulkan bahwa pasien

tersebut terkena hepatitis jenis tertentu sehingga hasil akurasinya rendah.

Tabel 4.21 Hasil pengelompokkan dengan agglomerative hierarchical clustering

Feature Pengukuran Kemiripan

(Tanpa Normalisasi) single average complete

Laboratorium 41.81% 40.90% 42.72%

Gejala 37.27% 42.72% 49.09%

Laboratorium+gejala 41.81% 40.90% 40.90%

Laboratorium(PCA)+gejala(PCA) 40.90% 40.90% 42.72%

Laboratorium+gejala(PCA) 41.81% 40.90% 42.72%

(Normalisasi [0,1]) single average complete

Laboratorium 100.00% 100.00% 100.00%




(Normalisasi zscore) single average complete

Laboratorium 100.00% 45.45% 45.45%





83

4.4 Implementasi User Interface

Implementasi sistem pengelompokkan penyakit hepatitis dengan

menggunakan agglomerative hierarchical clustering ini dibuat dengan

menggunakan Matlab Student Version.

4.4.1 Tampilan menu utama

Tampilan halaman utama ini tersimpan pada file yang berekstensi .m

dengan nama hal_utama.m. File hal_utama.m menjalankan fungsi untuk

menampilkan halaman utama dari program.

Gambar 4.21 Halaman Utama

Pada gambar 4.21 merupakan tampilan dari halaman utama dengan menu

file dan help. Pada menu file terdapat sub menu preprocessing, clustering dan ada

pula tombol keluar. Fungsi menu preprocessing adalah menampilkan halaman

untuk melakukan proses principal component analysispada data gejala. Fungsi

menu clusteringadalah menampilkan halaman untuk melakukan proses


84

pengelompokkan dengan agglomerative hierarchical clusteringdan menampilkan

hasil akurasinya. Tombol keluar berfungsi untuk keluar dari halaman. Pada menu

help merupakan user manual penggunaan program yang apabila di klik maka akan

menampilkan file bantuan berformat .pdf.

4.4.2 Tampilan sub menu preprocessing

Tampilan menu preprocessing ini tersimpan pada file yang berekstensi .m

dengan nama preprocessing.m. File preprocessing.m menjalankan fungsi untuk

menampilkan halaman preprocessing dari program.

Gambar 4.22 Halaman preprocessing

Pada gambar 4.22 merupakan halaman untuk preprocessing dengan2 jenis

normalisasi dan principal component analysis. Terdapat fungsi cari file yang

bertipe .csv dan menampilkan hasil pencarian file pada tabel disamping. Selain itu

ada fungsi untuk memilih jenis normalisasi zscore dan [0-1]serta

untukmemasukan jumlah principal component yang dikehendaki user.


85

Tekantombol proses maka akan menyimpan file yang bertipe .csv untuk

digunakan pada proses clustering. Jenis normalisasi hanya dapat dipilih satu,

sedangkan memilih principal component untuk proses principal component

analysisdapat disertai dengan memilih salah satu jenis normalisasi.Berikut ini

merupakan perintah yang diberikan untuk normalisasi zscore dan normalisasi [0-1]

% Normalisasi zcore menggunakan perintah pada matlab

zsc=zscore(Data);

% Normalisasi [0-1] sehingga menghasilkan nilai dari range 0-1 Dataset =

bsxfun(@rdivide,bsxfun(@minus,Data,min(Data)),(max(Data)-

min(Data)));

Berikut ini source code darifunctionprincipal component analysisyang

sudah dimodifikasidimana jumlah principal component dapat dimasukkan sebagai

parameter.

function [eigenvector,eigenvalue,data_baru,new_cut] =

pca2rev(data,jml_pc) %=================================================================

========% % INPUT : % data_baru = MxN hasil matrix baru % jml_pc = jumlah principal component yang ingin digunakan % OUTPUT : % eigenvector = setiap kolom adalah eigenvector % eigenvalue = Mx1 matrix variansi dari eigenvector % new_cut = hasil data baru yang sudah dipotong sesuai dengan

masukan % KETERANGAN : % by Jonathon Shlens (Salk Institute for Biological Sciences) % http://www.snl.salk.edu/~shlens/pub/notes/pca.pdf % modified by christina wienda –rev date : 08/08/2013 %=================================================================

========% [M,N] = size(data); % kurangi dengan rata-rata utk setiap dimensi mn = mean(data,2); data = data - repmat(mn,1,N);

% menghitung covariance matrix covariance = 1 / (N-1) * data * data'; % menemukan eigenvectors dan eigenvalues [eigenvector, eigenvalue] = eig(covariance);


86

% mengekstrak diagonal dari matrix sebagai vektor eigenvalue = diag(eigenvalue); %eigenvalue=cumsum(flipud(diag(eigenvalue))) /

sum(diag(eigenvalue))

% Mengurutkan hasil variance dari besar ke kecil sort the variance

in decreasing order [junkeigenval, rindices] = sort(-1*eigenvalue); eigenvalue = eigenvalue(rindices); eigenvector = eigenvector(:,rindices);

% Hasil data yang baru berdasarkan dari data asli data_baru = eigenvector' * data; data_baru=data_baru'; new_cut = data_baru(:,1:jml_pc);

4.4.3 Tampilan sub menu clustering

Tampilan menu clustering dengan agglomerative hierarchical clustering ini

tersimpan pada file yang berekstensi .m dengan nama cobasearch.m. File

cobasearch.m menjalankan fungsi untuk menampilkan halaman pengelompokkan

untuk penyakit hepatitis.

Gambar 4.23 Halaman clustering


87

Gambar 4.24Contohdendrogram

Pada gambar 4.23 menampilkan halaman untuk melakukan

clusteringdengan agglomerative hierarchical clustering. Pada halaman ini

tersedia fungsi mencari file yang bertipe .csv dan memilih 3 jenis linkage, yaitu

single, average dan complete. Pada proses mencari file ini dapat menggunakan

file hasil preprocessing sebelumnya dan dapat juga menggunakan data yang

belum di lakukan proses preprocessingdengan principal component analysis.

Hasil dari pencarian file, perhitungan pengelompokkan dan confusion matrix akan

dimasukan kedalam tabel agar dapat dilihat user. Selain itu, terdapat tempat untuk

menampilkan hasil akurasi dari pengelompokkan. Berikut ini merupakan perintah


88

dari proses clustering dengan agglomerative hierarchical clustering dengan single,

average dan complete linkageyang tersimpan dalam function

Agglomerative_clus.m.Hasil dari function tersebut akan menghasilkan jarak dari

indeks antar cluster yang akan digunakan dalam pembuatan dendrogram seperti

pada gambar 4.24.

function Hasil_jarak = Agglomerative_clus(Data, method) %=================================================================

=========% % Fungsi untuk melakukan pengelompokan dengan cara agglomerative % hierarchical clustering. % INPUT : % Data = Data matrix % Method = jenis pengukuran kemiripan (single, average dan

complete)

% OUTPUT :

% Hasil_jarak = nilai jarak antar cluster beserta indeksnya yang

sesuai dengan metodenya (single, average dan complete). Dari hasil

penyimpanan jarak dan indeks tersebut untuk membuat dendrogram.

% KETERANGAN :

% www.pudn.com>

% ArtificialImmunealgorithmprogres(matlab).rar % Matlab,inc

% change:1999-01-29 % Modified : Christina Wienda - rev date : 20/07/2013

%=================================================================

========%

% menyimpan nilai minimum dari matrix jarak.

[v, Baris] = min(X);

% mencari indeks pasangan yang mempunyai nilai minimum.

i = floor(jumlahBaris+1/2-sqrt(jumlahBaris^2-jumlahBaris+1/4-

2*(Baris-1))); j = Baris - (i-1)*(jumlahBaris-i/2)+i;

% indeks pasangan jarak yang sudah dipakai diawal tidak digunakan.

Kemudian mencocokan indek I dan J dengan jarak.

I1 = 1:(i-1); I2 = (i+1):(j-1); I3 = (j+1):jumlahBaris; U = [I1 I2 I3]; I = [I1.*(jumlahBaris-(I1+1)/2)-jumlahBaris+i i*(jumlahBaris-

(i+1)/2)-jumlahBaris+I2 i*(jumlahBaris-(i+1)/2)-jumlahBaris+I3]; J = [I1.*(jumlahBaris-(I1+1)/2)-jumlahBaris+j I2.*(jumlahBaris-

(I2+1)/2)-jumlahBaris+j j*(jumlahBaris-(j+1)/2)-jumlahBaris+I3];

% single linkage (jarak minimal antar cluster)

Data(I) = min(Data(I),Data(J));


89

% average linkage (jarak rata-rata tiap cluster) Data(I) = Data(I) + Data(J);

%complete linkage (jarak maksimal antar cluster) Data(I) = max(Data(I),Data(J));

%Menyimpan hasil jarak dari single, average dan complete yang akan

dibuat sebagai jarak pada dendrogram.

Hasil_jarak(s,:) = [R(i) R(j) v];

4.4.4 Tampilan menu help

Gambar 4.25PDF Bantuan

Pada gambar 4.25 diatas merupakan tampilan file bantuan.pdf. Jika menu help

diklik maka akan menampilkan file yang bertipe .pdf. Pada file tersebut terdapat

penjelasan mengenai penggunaan program mulai dari preprocessing sampai

clustering.


90

BAB V

PENUTUP

Halaman ini menjelaskan mengenai kesimpulan dari penelitian terkait dengan

pengelompokkan hepatitis. Pada halaman ini juga akan dijelaskan saran yang

diberikan pada program yang sudah dibuat.

5.1 Kesimpulan

Pengelompokkan penyakit hepatitis menggunakanagglomerative

hierarchical clustering berdasarkan data gejala dan data laboratorium. Ada empat

uji percobaan yang dilakukan untuk menghitung akurasi, yaitu perhitungan data

laboratorium, data gejala, data gabungan gejala dan laboratorium, data

laboratorium dengan data gejala yang sudah diproses dengan principal component

analysisdandata laboratorium dan data gejala hasil dari principal component

analysis. Berdasarkan hasil percobaan diatas, kesimpulan yang dapat diambil

sebagai berikut :

1. Aggomerative hierarchical clustering mampu mengelompokkan pasien

yang terkena hepatitis A, B dan C dengan hasil akurasi yang baik.

2. Percobaan dengan data laboratorium menghasilkan akurasi sebesar 100 %

baik oleh single, average dan complete linkage dengan normalisasi [0-1],

sedangkan dengan normalisasi zscore hanya single linkage saja yang

menghasilkan 100 %. Hal tersebut berarti dengan menggunakan data

laboratorium dapat dengan cepat membedakan tiga jenis hepatitis

dengan baik karena terdapat penanda untuk tiap jenis hepatitis.


91

3. Percobaan dengan data gejala menghasilkan akurasi yang paling besar

hanya 49.09 % dengan menggunakan complete linkage. Hal tersebut

berarti dengan hanya menggunakan data gejala maka belum dapat

menentukan jenis penyakit tertentu karena gejala hanya merupakan

pemeriksaan umum dan belum tentu gejala merujuk pada satu penyakit

saja sehingga hasil akurasi yang didapatkan rendah.

4. Percobaan data gejala yang sudah diproses dengan principal component

analysis dan digabung laboratorium menghasilkan akurasi sebesar 100%

yang didapatkan oleh single linkage, average linkage dan complete

linkage.

5. Percobaan data gabungan dengan normalisasi [0-1] dapat tidak

menggunakan principal component analysis karena data yangdigabung

tanpa principal component analysis juga baik hasil akurasinya yaitu

82,72 %.

6. Percobaan data gabungan dengan normalisasi zscore menghasilkan

akurasi yang lebih baik jika menggunakan principal component analysis

dan mendapatkan 69,09 %.

7. Hasil akurasi yang didapatkan oleh data gabungan sudah baik karena

menggunakan data laboratorium yang dapat menentukan seseorang

dapat terkena penyakit hepatitis atau tidak. Hasil yang didapatkan ini

lebih baik daripada hasil dari penelitian sebelumnya yang hanya

mendapatkan 51,11 %


92

8. Hasil yang terbaik didapatkan oleh normalisasi [0-1] dengan 84,54 %

dengan menggunakan data gejala yang dilakukan proses principal

component analysis dan digabung dengan data laboratorium.

9. Secara keseluruhan hasil akurasi complete linkage lebih baik jika

dibandingkan dengan single linkage dan average linkage.

5.2 Saran

Saran yang diperlukan untuk pengembangan program lebih lanjut, sebagai

berikut :

1. Perhitungan jarak kedekatan dapat dicoba dengan metode yang lain

selain single linkage, average linkage dan complete linkage.

2. Menambahkan feature untuk data laboratorium lainnya.


93

DAFTAR PUSTAKA

Abdi,H. & Williams, L.,(2010,July/August), Principal Component Analysis, John Wiley

& Sons, inc, Diakses 2 Oktober 2013.

Amro, 2011, Agglomerative Clustering in Matlab ,

http://stackoverflow.com/questions/7132130/matlab-cluster-coding-plot-scatter-graph,

diakses 5 Mei 2013.

Bing Liu, 2004, Chapter 4 : Unsupervised Learning, University Illnois of

Chicago.http://www.cs.uic.edu/~liub/teach/cs583-fall-05/CS583-unsupervised-

learning.ppt. Diakses tanggal 18 Agustus 2013.

Dimyati,V, 2011, 30 Juta Orang Kena Hepatitis,

http://www.jurnas.com/news/35402/30_Juta_Orang_Kena_Hepatitis/1/Sosial_Bu

daya/Kesehatan.

Edward,R., 2010, UPGMA Worked Example , University of Southampton,

http://www.southampton.ac.uk/~re1u06/teaching/upgma/, Diakses pada tanggal 4 april

2013.

Han, J.& Kamber,M., 2011, Data mining Concepts and Techniques ,USA:

Morgan Kaufmann

Hartini,E, 2012, Metode Clustering Hirarki, Batan,

http://www.batan.go.id/ppin/lokakarya/LKSTN_15/Entin.pdf, Diakses pada

tanggal 4 April 2013.

Ridho,A., 2006, Clustering, Politeknik Elektronika Negeri Surabaya,http://lecturer.eepis-

its.edu/~entin/Machine%20Learning/Minggu%206%20Clustering.pdf, Diakses pada 5

April 2013.

Santosa,Budi, 2007, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis,

Yogyakarta : Graha Ilmu.

Sari, W & Indrawati, L., 2008, Care your Self: Hepatitis, Jakarta : Penebar plus+,

Jakarta.


http://stackoverflow.com/questions/7132130/matlab-cluster-coding-plot-scatter-graph

http://www.cs.uic.edu/~liub/teach/cs583-fall-05/CS583-unsupervised-learning.ppt

http://www.cs.uic.edu/~liub/teach/cs583-fall-05/CS583-unsupervised-learning.ppt

http://www.jurnas.com/news/35402/30_Juta_Orang_Kena_Hepatitis/1/Sosial_Budaya/Kesehatan

http://www.jurnas.com/news/35402/30_Juta_Orang_Kena_Hepatitis/1/Sosial_Budaya/Kesehatan

http://www.southampton.ac.uk/~re1u06/teaching/upgma/

http://www.batan.go.id/ppin/lokakarya/LKSTN_15/Entin.pdf

http://lecturer.eepis-its.edu/~entin/Machine%20Learning/Minggu%206%20Clustering.pdf

http://lecturer.eepis-its.edu/~entin/Machine%20Learning/Minggu%206%20Clustering.pdf

94

Shlens,Jonathon, 2009, A Tutorial on Principal Component

Analysis.http://www.snl.salk.edu/~shlens/pca.pdf.Diakses tanggal 28 Juli 2013.

Suryaatmadja, Marzuki, Diagnosis Laboratorium Hepatitis Virus dengan

Penanda Virus Hepatitis. http://[email protected]. Diakses tanggal 28 April 2013.

Smith, L., 2002, A Tutorial on Principal component analysis,

http://www.ce.yildiz.edu.tr/personal/songul/file/1097/principal_components.pdf.

Diakses pada tanggal 7 Juni 2013.

Tan &Steinbach,dkk, 2004, Lecture Notes for Chapter 2 : Introduction to Data

Mining, http://www-users.cs.umn.edu/~kumar/dmbook/index.php. Diakses pada

tanggal 30 September 2013.


http://www.snl.salk.edu/~shlens/pca.pdf

http://www.ce.yildiz.edu.tr/personal/songul/file/1097/principal_components.pdf

http://www-users.cs.umn.edu/~kumar/dmbook/index.php

plagiat merupakan tindakan tidak terpuji - core.ac.uk · hepatitis is one of kind the liver...

Documents