KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN … fileKLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA C4.5 STUDI KASUS RSU PROVINSI NTB ... Studi Data : RSU Provinsi NTB ... Audio

KLASIFIKASI PENYAKIT HIPERTENSI

MENGGUNAKAN ALGORITMA C4.5

STUDI KASUS RSU PROVINSI NTB

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh :

Audio Alief Kautsar Hartama

125314119

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2017

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

CLASSIFICATION OF HYPERTENSION DISEASE

USING C4.5 ALGORITHM

CASE STUDY IN WEST NUSA TENGGARA GENERAL

HOSPITAL

THESIS

Presented as Partial Fulfillment of the Requirements

To Obtain Sarjana Komputer Degree

In Informatics Engineering

By :


125314119

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2017


ii


iii

HALAMAN PENGESAHAN

SKRIPSI

KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA

C4.5 STUDI KASUS RSU PROVINSI NTB

Studi Data : RSU Provinsi NTB

Yang Dipersiapkan dan Disusun Oleh :


125314119

Telah dipertahankan di depan Panitia Penguji

Pada tanggal 09 Januari 2017

Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua : P.H Prima Rosa, S.Si., M.Sc. ………………

Sekretaris : Eko Hari Parmadi S.Si., M.Kom. ………………

Anggota : Albertus Agung Hadhiatma, S.T., M.T. ………………

Yogyakarta, 10 Februari 2017

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Sudi Mungkasi, S.Si.,M.Math.Sc.,Ph.D


iv

HALAMAN MOTTO

“If you never try, you'll never know what you are capable of.”

-John Barrow-

WANI NGALAH LUHUR WEKASANE


v

HALAMAN PERSEMBAHAN

1. Sembah Sujud Yang Utama dari Segalanya serta Syukur kepada Allah SWT,

taburan cinta dan kasih sayang-Mu telah memberikanku kekuatan, membekaliku

dengan ilmu serta memperkenalkanku dengan cinta, atas karunia serta

kemudahan yang Engkau berikan akhirnya skripsi ini dapat terselesaikan.

2. Orang tua, adik, dan keluarga yang selalu memberikan doa, dukungan, nasihat

dalam proses perkuliahan dan pengerjaan skripsi.

3. Seluruh Dosen dan semua karyawan yang telah memberikan pengetahuan,

bimbingan dan fasilitas selama perkuliahaan.

4. Teman-teman Teknik Informatika Angkatan 2012 yang telah memberikan

semangat, motivasi, dukungan, dan keceriaan.


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.


Penulis



vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma ;

Nama : Audio Alief Kautsar Hartama

Nomor Mahasiswa : 125314119

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :

KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA

C4.5 STUDI KASUS RSU PROVINSI NTB

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya

memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk

menyimpan, mengalihkan dalam bentuk media lain, mengelolanya di internet atau

media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun

memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai

penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di Yogyakarta

Pada tanggal : 10 Februari 2017



viii

ABSTRAK

Perkembangan dunia kesehatan saat ini sangatlah penting, itu karena

kesadaran masyarakat akan manfaat kesehatan sudah tinggi sehingga

peningkatan jumlah kesehatan setiap tahun mengalami kenaikan. Dengan

demikian bukan tidak mungkin dapat menimbulkan masalah bagi setiap anggota

medis dalam mendiagnosa dengan baik. Hipertensi merupakan penyebab

kematian nomor tiga setelah stroke dan tuberkolosis , yakni mencapai 6,7%

kematian pada semua umur di Indonesia. Data Riskesdas 2007 menyebutkan

prevalensi hipertensi di Indonesia berkisar 30%. Di RSU Propinsi NTB sendiri,

jumlah kasus untuk penyakit hipertensi ini tergolong cukup banyak

penderitanya. Pada tahun 2014, didapatkan jumlah kunjungan sebanyak 3040

pasien, dimana 1537 pasiennya mengidap penyakit hipertensi primer

diantaranya 731 pasien laki-laki dan 806 pasien perempuan.

Dari data penyakit hipertensi yang didapatkan dari RSU Provinsi NTB

tersebut dapat diolah menggunakan proses data mining dengan menggunakan

metode klasifikasi dimana metode ini akan mengelompokkan objek ke dalam

kategori yang sudah ditentukan sebelumnya dengan tujuan untuk memprediksi

kelas target dari setiap record di data baru. Dalam proses klasifikasi akan

digunakan algoritma decision tree C4.5 yang akan melakukan perhitungan

probabilitas atribut dalam data yang kemudian akan dibentuk suatu model pohon

atau aturan (rule) yang digunakan untuk menentukan hasil akhir prediksi.

Keluaran sistem adalah hasil prediksi jenis penyakit hipertensi yang

diambil dari RSU Provinsi NTB. Peneliti melakukan pengujian pada dataset

dengan jumlah 654 record data dan mengggunakan fold benilai 3,5,10,15 dan 20

cross validation dengan nilai rata-rata tingkat akurasi yang dihasilkan mencapai

97.2%.

Kata kunci : decision tree, C4.5, Cross Validation, Klasifikasi.


ix

ABSTRACT

Development of the medical field in nowadays is very important. It is

because the citizen's awareness on the health benefit is already high, that makes

the increase on health grows every year. Therefore, it is possible for the medical

personnel to get more difficulty in diagnosing patient. Hypertension is the third

most cause of death after Stroke and Tuberculosis, which reaches 6.7% deaths

on all ages in Indonesia. Riskesdas’s data in 2007 mentioned that prevalence of

hypertension in Indonesia is around 30 %. On General Hospital in NTB

Province, the total cases for hypertension are considerable number. On 2014,

there were 3040 patients, where 1537 patients, 731 were male patients and 806

were female patients, had primary hypertension.

From the data about hypertension taken from general hospital in the West

Nusa Tenggara province above, it can be processed using data mining task with

classification method, where the method will classify object that has been

determined before, in purpose to predict target class from each record in a new

data. In the classification process, it will calculate the probability of the

attributes in the data which will then be constructed into model of a tree or a rule

representation which is used to determine the final prediction outcome.

The output system is the final prediction of hypertension disease.

Researcher determines test on dataset with total 654 record data and use

provisions fold 3,5,10,15 and 20 cross validation with an average accuracy of

97.2%.

Keywords: decision tree, C4.5, Cross Validation, Classification.


x

KATA PENGANTAR

Terima kasih dan segala puji syukur penulis panjatkan kepada Tuhan

Yang Maha Esa, dikarenakan karena anugrah dan kehendak-Nya penulis dapat

menyelesaikan tugas akhir dengan judul “Klasifikasi Penyakit Hipertensi

menggunakan Algoritma C4.5 Studi Kasus RSU Provinsi NTB”. Tugas akhir ini

ditulis sebagai salah satu syarat untuk memperoleh gelar sarjana program studi

Teknik Informatika, Fakultas Sains dan Teknologi Universitas Sanata Dharma.

Penulis juga mengucapkan terimakasih kepada semua orang yang

membantu penulis dalam menyelesaikan penulisan tugas akhir ini, antara lain

kepada :

1. Bapak Sudi Mungkasi, S.Si.,M.Math.Sc.,Ph.D selaku Dekan Fakultas Sains

dan Teknologi Universitas Sanata Dharma Yogyakarta.

2. Ibu Dr. Anastasia Rita Widiarti, S.Si.,M.Kom selaku Kaprodi Teknik

Informatika Universitas Sanata Dharma Yogyakarta.

3. Bapak Albertus Agung Hadhiatma, S.T.,M.T selaku Dosen Pembimbing,

yang telah sabar dalam memberikan bimbingan dan segala masukan sehingga

penulis dapat menyelesaikan tugas akhir ini.

4. Ibu Paulina Heruningsih Prima Rosa, S.Si.,M.Sc. dan Bapak Eko Hari

Parmadi S.Si., M.Kom. selaku panitia penguji yang telah memberikan kritik

dan saran dalam penulisan tugas akhir.


xi

5. Seluruh dosen dan staff karyawan Program Studi Teknik Informatika

Universitas Sanata Dharma yang telah memberikan bekal ilmu, bimbingan

serta pengalaman dan fasilitas selama saya menempuh studi.

6. Ibunda tercinta Yosephine Martati Nugraheni S.Pd, M.A, terimakasih untuk

cinta dan kasih sayang, doa, nasehat serta perjuangan selama hidupku. Ayah

terkasih H. Jusuf Yuli Hartama S.E, terimakasih untuk siraman rohani, serta

ajaran-ajaranmu tentang bagaimana menjadi seorang pria yang selalu

berusaha dan bekerja keras untuk bertahan hidup dalam dunia yang semakin

menantang.

7. Yang selalu mendampingi, memberi solusi, membantu mengkoreksi dan

melancarkan negoisasi, serta akan menjadi partner dalam menjelajah samudra

kehidupan, my dear Rani Novianis Rizky Saputri S.KM, terimakasih atas

cinta dan kasih sayang serta kesabaranmu dalam menemani penulis saat

proses pengerjaan skripsi.

8. Staff Rekam Medis RSU Provinsi NTB : Dian Karmila Walla selaku Kepala

Rekam Medis RSU Provinsi NTB, Bapak M. Syahrial Luthfi, Ibu Mariatun,

Ibu Baiq Widyanti, Ibu Irmiati atas bantuan, bimbingan dan perhatiannya

selama penulis melakukan penelitian dan pengambilan data.

9. Nyoman Wisnu Wardhana, Raden Alexander Purbo, Paulus Dian Wicaksana,

yang telah memberikan bantuan dukungan dan nasehatnya selama dalam

masa bimbingan bersama dosen pembimbing.


xii

10. Adik paling ribet dan perfeksionis, Brigitta Novena Prabandari, terimakasih

untuk bantuan logistik untuk penulis saat proses pengerjaan tugas akhir dalam

bentuk protein dan kafein.

11. Teman-teman Teknik Informatika angkatan 2012 yang selalu berbahagia

walau sebenarnya banyak beban pikiran dan tekanan dari segala arah, tetap

semangat ya, kita semua mampu melalui proses ini kok.

12. Maroon Five, Katy Perry, Boyce Avenue, Daniel Powter, Goo Goo Dolls,

David Archuleta, terimakasih atas lantunan karya musiknya yang menemani

penulis saat pengerjaan skripsi.

13. Serta seluruh pihak yang telah membantu penulisan dan pembuatan tugas

akhir baik secara langsung maupun tidak langsung yang tidak dapat

disebutkan satu persatu.

Akhirnya dengan rendah hati, penulis menyadari bahwa skripsi ini jauh dari

kata sempurna. Oleh karena itu, penulis mengharapkan kritik dan saran yang

membangun guna memperbaiki skripsi ini. Semoga skripsi ini dapat berguna dan

bermanfaat bagi semua pihak. Terima kasih.


Penulis



xiii

DAFTAR ISI

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

HALAMAN PERSETUJUAN ..................................... Error! Bookmark not defined.

HALAMAN PENGESAHAN ................................................................................... iii

HALAMAN MOTTO ............................................................................................... iv

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

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

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ................................ vii

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

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

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

DAFTAR ISI ............................................................................................................ xiii

DAFTAR GAMBAR ............................................................................................... xvi

DAFTAR TABEL ................................................................................................. xviii

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

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

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

1.3 Tujuan Penelitian ...................................................................................................... 4

1.4 Batasan Masalah ....................................................................................................... 5

1.5 Luaran ....................................................................................................................... 5

1.6 Metodologi ............................................................................................................... 5

1.7 Sistematika Penulisan ............................................................................................... 6

BAB II LANDASAN TEORI ................................................................................... 7

2.1 Penelitian Terdahulu yang Relevan .......................................................................... 7

2.2 Hipertensi ................................................................................................................. 8

2.2.1 Etiologi ............................................................................................................. 9

2.2.2 Gejala Hipertensi............................................................................................ 10

2.2.3 Pemeriksaan Penunjang ................................................................................. 10

2.3 Data Mining ............................................................................................................ 16

2.3.1 Klasifikasi ...................................................................................................... 20

2.3.2 Algoritma C4.5 ....................................................................................................... 22

2.3.3 Algoritma Konstruksi decision tree ............................................................... 23


xiv

2.3.4 Entropy ........................................................................................................... 25

2.3.5 Information gain ............................................................................................. 27

2.3.6 Gain ratio ....................................................................................................... 28

2.4 Pengujian ................................................................................................................ 50

2.4.1 K-Fold Cross Validation ................................................................................ 50

2.4.2 Confusion Matrix ........................................................................................... 52

BAB III METODOLOGI ........................................................................................ 54

3.1 Data ........................................................................................................................ 54

3.2 Analisis Pengolahan Data ....................................................................................... 56

3.2.1 Pembersihan Data .......................................................................................... 56

3.2.2 Transformasi Data .......................................................................................... 56

3.2.3 Penambangan Data ......................................................................................... 56

3.3 Perancangan Sistem ................................................................................................ 57

3.3.1 Diagram Use Case .......................................................................................... 57

3.4 Perancangan Algoritma decision tree C4.5 ............................................................ 68

3.5 Desain Antarmuka Sistem ...................................................................................... 69

3.5.1 Tab Home ....................................................................................................... 69

3.5.2 Tab Uji Algoritma .......................................................................................... 70

3.5.3 Tab Uji Data Tunggal .................................................................................... 72

3.6 Perancangan Struktur Data ..................................................................................... 73

3.6.1 ArrayList ........................................................................................................ 73

3.6.2 HashMap ........................................................................................................ 75

3.6.3 HashSet .......................................................................................................... 76

3.6.4 HashTable ...................................................................................................... 77

3.7 Pengujian ................................................................................................................ 77

BAB IV IMPLEMENTASI SISTEM ..................................................................... 78

4.1 Spesifikasi Hardware dan Software ........................................................................ 78

4.2 Implementasi User Interface ................................................................................... 79

4.2.1 Halaman Tab Home ....................................................................................... 79

4.2.2 Halaman Tab Uji Algoritma .......................................................................... 80

4.2.3 Halaman Tab Uji Data Tunggal ..................................................................... 82

4.3 Proses Input Data .................................................................................................... 83

4.3.1 Membaca Teks kedalam Sistem ..................................................................... 84

4.3.2 Mengkonversi Teks didalam Sistem .............................................................. 87


xv

4.4 Implementasi Algoritma decision tree C4.5 pada sistem ....................................... 90

4.4.1 Menghitung distribusi frekuensi kelas dari masing-masing atribut ............... 91

4.4.2 Menghitung Entropy Total dari data .............................................................. 93

4.4.3 Menghitung Entropy dari setiap atribut dalam data ....................................... 94

4.4.4 Menghitung Information gain dari setiap atribut dalam data ......................... 95

4.4.5 Menghitung Gain ratio dari setiap atribut dalam data .................................... 96

4.5 Pengujian ................................................................................................................ 99

4.5.1 Menghitung Evaluasi Cross Validation ......................................................... 99

4.5.2 Menghitung Presentase Akurasi ................................................................... 106

4.5.3 Menghitung Presentase Error ....................................................................... 106

4.5.4 Melakukan Pengujian Data Tunggal ............................................................ 107

BAB V PENGUJIAN DAN ANALISA HASIL ................................................... 108

5.1 Hasil Pengujian Sistem ......................................................................................... 108

5.1.1 Hasil Uji Akurasi ......................................................................................... 108

5.1.2 Hasil Decision Tree ...................................................................................... 123

5.1.3 Hasil Uji Data Tunggal ................................................................................ 129

BAB VI PENUTUP ................................................................................................ 132

6.1 Kesimpulan ........................................................................................................... 132

6.2 Saran ..................................................................................................................... 133

DAFTAR PUSTAKA ............................................................................................. 134

LAMPIRAN I ......................................................................................................... 135


xvi

DAFTAR GAMBAR

Gambar 2.1 Tahap-tahap proses KDD. (Fayyad., 1996) .......................................... 16

Gambar 2.2 Pengelompokan teknik klasifikasi ........................................................ 21

Gambar 2.3 Skema klasifikasi secara umum ............................................................ 22

Gambar 2.4 Model Pohon Keputusan ...................................................................... 24

Gambar 2.5 decision tree Node 1 (root node) .......................................................... 36

Gambar 2.6 decision tree Node 1 ( root node dan Leaf node )................................. 37

Gambar 2.7 decision tree Node 1.1 .......................................................................... 42

Gambar 2.8 decision tree Node dan Leaf Node 1.1.................................................. 43

Gambar 2.9 decision tree Node 1.2 .......................................................................... 48

Gambar 2.10 decision tree final ................................................................................ 49

Gambar 2.11 Ilustrasi metode Cross Validation menggunakan 10 fold ................... 51

Gambar 2.12 Confusion Matrix ................................................................................ 52

Gambar 3.1 Diagram Use Case ................................................................................ 58

Gambar 3.2 Diagram Aktivitas Mengimpor Data .................................................... 64

Gambar 3.3 Diagram Aktivitas Memilih jumlah fold .............................................. 65

Gambar 3.4 Diagram Aktivitas Melakukan Uji Akurasi .......................................... 66

Gambar 3.5 Diagram Aktivitas Melakukan Uji Data Tunggal ................................. 67

Gambar 3.6 Desain Antarmuka Tab Home .............................................................. 69

Gambar 3.7 Desain Antarmuka Tab Uji Algoritma ................................................. 70

Gambar 3.8 Desain Antarmuka Tab Uji Data Tunggal ............................................ 72

Gambar 3.9 Ilustrasi struktur data ArrayList ............................................................ 74

Gambar 3.10 Ilustrasi struktur data HashMap .......................................................... 75

Gambar 4.1 Tampilan User Interface Halaman Tab Home ...................................... 79

Gambar 4.2 Tampilan User Interface Halaman Tab Uji Algoritma ......................... 80

Gambar 4.3 Tampilan kotak dialog Choose file ....................................................... 81

Gambar 4.4 Tampilan User Interface Halaman Tab Uji Data Tunggal.................... 82

Gambar 5.1 Dataset yang akan diuji ....................................................................... 109

Gambar 5.2 Hasil uji akurasi menggunakan 3 fold ................................................ 110

Gambar 5.3 Hasil uji akurasi menggunakan 5 fold ................................................ 111

Gambar 5.4 Hasil uji akurasi menggunakan 10 fold .............................................. 112

Gambar 5.5 Hasil uji akurasi menggunakan 15 fold .............................................. 113

Gambar 5.6 Hasil uji akurasi menggunakan 20 fold ............................................. 114

Gambar 5.7 Dataset yang akan diuji (bagian II) ..................................................... 116

Gambar 5.8 Hasil Uji Akurasi menggunakan 3 fold (bagian II) ............................ 117

Gambar 5.9 Hasil Uji Akurasi menggunakan 5 fold (bagian II) ............................ 118

Gambar 5.10 Hasil Uji Akurasi menggunakan 10 fold (bagian II) ........................ 119




xvii

Gambar 5.13 simpul daun decision tree bagian kiri ............................................... 123

Gambar 5.14 simpul daun decision tree bagian kanan ........................................... 125

Gambar 5.15 simpul daun decision tree bagian kiri dari pengujian II ................... 127

Gambar 5.16 simpul daun decision tree bagian kanan dari pengujian II ............... 128

Gambar 5.17 Data testing atau data tunggal yang akan diuji ................................. 130

Gambar 5.18 Hasil pengujian data tunggal ............................................................ 131


xviii

DAFTAR TABEL

Tabel 2.1 Klasifikasi Hipertensi menurut Joint National Committee 7 ...................... 9

Tabel 2.2 Data Buys Computer ................................................................................. 29

Tabel 3.1 Atribut Penyakit Hipertensi ....................................................................... 55

Tabel 3.2 Deskripsi Use Case .................................................................................... 59

Tabel 3.3 Skenario Use Case : Impor Dataset ........................................................... 60

Tabel 3.4 Skenario Use Case : Memilih jumlah fold ................................................ 61

Tabel 3.5 Skenario Use Case : Hitung Akurasi ......................................................... 62

Tabel 3.6 Skenario Use Case : Uji Data Tunggal ...................................................... 63

Tabel 5.1 Hasil Akurasi Sistem ............................................................................... 115

Tabel 5.2 Hasil Akurasi Sistem (bagian II) ............................................................. 122


1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Hipertensi merupakan masalah kronis yang tergolong penting di dunia, hal ini

disebabkan prevalensinya cukup tinggi dan sebagai penyebab dari banyak penyakit

kardiovaskuler seperti stroke, penyakit jantung koroner dan gangguan fungsi ginjal.

Risiko komplikasi ini juga sudah meningkat walau pada hipertensi ringan. Bahkan

pada hipertensi di Asia diperkirakan mencapai 8-18%. Angka prevalensi hipertensi di

Amerika Serikat menunjukkan kisaran antara 15-22% sedangkan di Indonesia

berkisar antara 0,65-28,6% (Kariani, 2014).

Menurut Mansjoer (2001), hipertensi sendiri tidak menunjukkan gejala

tertentu. Terdapat sekitar 95% kasus hipertensi yang tidak diketahui penyebabnya,

sedangkan sisanya ditimbulkan akibat adanya penyakit lain seperti penyakit jantung

koroner, gangguan fungsi ginjal, dan gangguan fungsi kognitif atau stroke. Tidak

jarang hipertensi ditemukan secara tidak sengaja saat pemeriksaan kesehatan rutin

atau datang dengan keluhan lain. Bahkan terkadang gejala paling parah yang

dirasakan adalah ketika tekanan darah sudah sangat tinggi.

Data World Health Organization (WHO) tahun 2012 menunjukkan, di seluruh

dunia, sekitar 972 juta orang atau 26,4% penghuni bumi mengidap hipertensi dengan

perbandingan 26,6% pria dan 26,1% wanita. Angka ini kemungkinan akan

meningkat menjadi 29,2% di tahun 2030. Dari 972 juta pengidap hipertensi, 333 juta


2

berada di negara maju dan 639 sisanya berada di negara sedang berkembang,

temasuk Indonesia (WHO, 2012).

Beberapa penelitian di Indonesia menjelaskan bahwa prevalensi hipertensi

berkisar antara 17-22%. Prevalensi hipertensi yang ditentukan berdasarkan kriteria

ambang hipertensi (Bordeline Hypertension) yaitu tekanan darah dengan rentang

141/91-159/94 mmHg, diperkirakan 4,8-18,8%. Angka ini lebih tinggi dari angka

prevalensi yang dilaporkan oleh Cheng di Taipeh, yaitu sekitar 62% dan dilaporkan

oleh Freis di Amerika Serikat, yaitu 10-15%. Menurut pengamatan WHO, selama 10

tahun terakhir jumlah penderita hipertensi yang dirawat di berbagai RS di Semarang

meningkat lebih dari 10 kali lipat. Peningkatan ini tentu saja sangat mencemaskan

siapapun yang perduli karena penemuan kasus hanya dilakukan secara pasif pada

masyarakat (Kodim, 2013).

Pada tahun 2013 penyakit hipertensi termasuk dalam 10 besar penyakit yaitu

berada pada urutan 4 dengan 726 kasus dari jumlah penduduk 21.221 jiwa. Tahun

2014 penyakit hipertensi juga masuk dalam 10 besar penyakit yaitu pada urutan 4

dengan 706 kasus dari jumlah penduduk 21.724 jiwa. Data laporan pada tahun 2015

periode bulan Januari sampai dengan November, prevalensi hipertensi pada wilayah

kerja Puskesmas Poasia juga menunjukkan prevalensi yang tetap tinggi dari tahun ke

tahun. Walaupun terjadi penurunan dalam 3 tahun terkhir, namun penurunannya

tidak begitu signifikan (Laporan Puskesmas Poasia, 2015).


3

Di RSU Propinsi NTB sendiri, jumlah kasus untuk penyakit hipertensi ini

sendiri tergolong cukup banyak penderitanya. Pada tahun 2014, didapatkan jumlah

kunjungan sebanyak 3040 pasien, dimana 1537 pasiennya mengidap penyakit

hipertensi primer diantaranya 731 pasien laki-laki dan 806 pasien perempuan.

Data mining merupakan analisis dari peninjauan kumpulan data untuk

menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang

berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data,

dan merupakan bidang dari beberapa keilmuan yang menyatukan teknik dari

pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk

penanganan permasalahan pengambilan informasi dari database yang besar.(Larose,

2006).

Untuk bisa mendapatkan informasi dari data-data yang ada perlu dilakukan

proses data mining seperti klasifikasi. Klasifikasi adalah sebuah proses untuk

menemukan model yang menjelaskan atau membedakan konsep atau kelas data,

dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang kelasnya tidak

diketahui (Tan et all, 2004).

Di dalam klasifikasi diberikan sejumlah record yang dinamakan training set,

yang terdiri dari beberapa atribut, atribut dapat berupa kontinyu ataupun kategoris,

salah satu atribut menunjukkan kelas untuk record.


4

Algoritma C4.5 adalah salah satu metode klasifikasi dari data mining yang

digunakan untuk mengkonstruksikan pohon keputusan (decision tree). Menurut

Prasetyo (2014), pohon keputusan atau decision tree adalah pohon yang digunakan

sebagai prosedur penalaran untuk mendapatkan jawaban dari masalah yang

dimasukkan. Menurut Witten et al., (2011), Algoritma C4.5 merupakan

pengembangan dari ID3 yang mampu mengatasi nilai yang hilang (missing

value),mengatasi data bertipe kontinyu, dan melakukan pemangkasan pohon

(pruning tree). Selain itu, dengan menggunakan Algoritma C4.5 dapat diketahui pula

nilai akurasi klasifikasinya.

1.2 Rumusan Masalah

Masalah yang dirumuskan dalam penelitian ini adalah bagaimana Algoritma

C4.5 mampu mengklasifikasikan jenis penyakit hipertensi pada data yang didapatkan

dari RSU Provinsi NTB.

1.3 Tujuan Penelitian

Menerapkan algortima C4.5 dalam melakukan klasifikasi dan memberikan

hasil akurasi pada data penyakit hipertensi.


5

1.4 Batasan Masalah

Batasan masalah dari penelitian ini adalah :

1. Algoritma klasifikasi yang digunakan adalah Algoritma C4.5

2. Data yang digunakan adalah data hasil uji laboratorium RSU Provinsi NTB

untuk penyakit hipertensi dengan rentang tahun 2013-2015

3. Atribut yang digunakan sejumlah 16 atribut (termasuk kelas)

4. Hasil dari output sistem yang akan dibuat ini adalah tingkat persentase akurasi

berdasarkan input dari atribut data penyakit hipertensi, hasil decision tree dan

prediksi jenis penyakit hipertensi dari pengujian data tunggal, serta informasi

hasil jumlah data yang terklasifikasi benar dan terklasifikasi salah

1.5 Luaran

Sistem yang dirancang mampu secara otomatis mengidentifikasi dan

melakukan klasifikasi pada penyakit hipertensi.

1.6 Metodologi

Metodologi penelitian yang digunakan dalam penelitian ini antara lain :

1. Studi literatur untuk mempelajari metode data mining khususnya mengenai

klasifikasi data penyakit hipertensi dan metode Algoritma C4.5.

2. Analisis Pengolahan Data menggunakan proses KDD (Knowledge Discovery in

Database) untuk melakukan klasifikasi terhadap penyakit hipertensi


6

3. Desain merupakan proses membentuk model untuk data yang akan digunakan.

4. Implementasi adalah proses untuk membuat desain model yang telah dibuat ke

dalam bentuk yang dapat dieksekusi.

5. Pengujian menggunakan k-fold cross validation dengan membagi data training

dan data testing. Pengujian dilakukan untuk mengetahui akurasi dari metode

Algoritma C4.5.

1.7 Sistematika Penulisan

BAB I merupakan pendahuluan yang berisikan latar belakang, rumusan

masalah, tujuan, batasan masalah, keluaran yang dihasilkan, metodologi dan

sistematika penulisan.

BAB II merupakan landasan teori yang dipakai untuk pembuatan dan

penyusunan tugas akhir.

BAB III merupakan metodologi penelitian yang berisikan tentang data

penyakit hipertensi, alur proses training dan testing serta penjelasan rancangan sistem

yang akan dibuat.

BAB IV merupakan implementasi sistem yang akan membahas hasil

implementasi sistem yang telah dirancang.

BAB V merupakan analisis hasil yang berisikan tentang pengujian sistem yang

telah dirancang pada bab IV.

BAB VI merupakan penutup yang berisikan kesimpulan dan saran dari

penelitian yang telah dilakukan


7

BAB II

LANDASAN TEORI

Dalam bab landasan teori ini akan djelaskan tentang teori-teori yang

digunakan dalam penyusunan penelitian, diantaranya tentang penelitian terdahulu

yang relevan, hipertensi, data mining, klasifikasi, algoritma decision tree C4.5, dan

cross-validation. Hal-hal tersebut akan dibahas satu per satu dalam subbab yang ada

di bawah ini.

2.1 Penelitian Terdahulu yang Relevan

Penelitian tentang penerapan berbagai jenis algoritma decison tree telah banyak

dilakukan, kajian terhadap penelitian-penelitian tersebut sangat bervariasi sesuai

dengan bidang permasalahan yang diamati oleh peneliti lain, penelitian mengenai

penerapan algoritma decison tree dalam dunia medis pernah dilakukan oleh D.

Senthil Kumar, G. Sathyadevi dan S. Sivanesh dalam penelitianya menyatakan

bahwa algoritma decison tree adalah salah satu metode klasifikasi yang paling

efektif. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem

pendukung keputusan bagi dunia medis untuk perawatan pasien yang menderita

penyakit jantung, diabetes dan hepatitis. Penelitian ini menggunakan beberapa

algoritma decison tree yaitu C4.5, ID3 dan CART untuk mengklasifikasi penyakit

diabetes, hepatitis dan jantung. Dari perbandingan algoritma decison tree didapat

bahwa CART menunjukan kinerja yang lebih baik dari pada algortima yang lainnya

dengan akurasi sebesar 83,2%, sedangkan algoritma C4.5 dan ID3 masing-masing

menghasilkan akurasi sebesar 71,4% dan 64,8% (2011).


8

Sa’diyah Noor Novita Alfisahrin pada tesisnya melakukan komparasi algoritma

decison tree C4.5, Naive Bayes dan Neural Network untuk memprediksi penyakit

jantung, dengan menggunakan 13 atribut yang terdapat pada gejala penyakit jantung

diperoleh dari UCI Repository diperoleh akurasi yang paling tingi dalam

memprediksi penyakit jantung adalah menggunakan metode C4.5 yaitu sebesar

96.15% (Alfisahrin, 2012).

Moertini (2003) melakukan penelitian menggunakan algoritma C4.5, hasil dari

penelitian tersebut menyebutkan bahwa algoritma C4.5 memiliki performa yang baik

dalam mengkonstruksi sebuah decison tree dan menghasilkan aturan-aturan yang

dapat digunakan pada waktu yang akan datang. Salah satu kesimpulan yang

diperoleh mempertegas alasan bahwa algoritma ini digunakan untuk klasifikasi data

yang memiliki atribut-atribut numerik dan kategorikal.

2.2 Hipertensi

Hipertensi adalah kondisi yang terjadi ketika sejumlah darah dipompakan oleh

jantung melebihi kemampuan yang dapat ditampung dinding arteri. Ketika jumlah

darah tinggi, komplikasi dapat terjadi tergantung pada hubungan antara jumlah darah

dan kapasitas arteri. Semakin banyak darah yang mengalir dan semakin sempit

dinding arteri, tekanan darah akan semakin tinggi. Terdapat dua jenis tekanan darah,

bergantung pada penyebabnya: hipertensi primer atau yang mendasar, di mana dapat

terbangun bertahun-tahun tanpa adanya gejala-gejala, dan hipertensi sekunder, yang

terjadi sebagai efek dari kondisi pokok lainnya. Meskipun lebih umum diantara

orang-orang tua, tekanan darah tinggi dapat terjadi pada setiap orang di setiap usia,

termasuk pada anak-anak dan remaja. Orang-orang yang mengalami hipertensi


9

menghadapi resiko yang lebih tinggi terhadap kondisi yang lebih serius seperti

serangan jantung dan stroke. (Rusdi, 2009)

2.2.1 Etiologi

Hipertensi didefinisikan oleh Joint National Committee on Detection,

Evaluation and Treatment of High Blood pressure (JNC) sebagai tekanan yang lebih

tinggi dari 140/90 mmHg dan diklasifikasikan sesuai derajat keparahannya

mempunyai rentang dari tekanan darah (TD) normal tinggi sampai hipertensi

maligna. Keadaan ini dikategorikan sebagai primer/esensial (hampir 90% dari semua

kasus) atau sekunder, terjadi sebagai akibat dari kondisi patologi yang dapat dikenali,

seringkali dapat diperbaiki (Doenges, 2000).

Tabel 2.1 Klasifikasi Hipertensi menurut Joint National Committee 7

Kategori Sistolik Dan/Atau Diastolik

Normal <120 Dan <80

Pre Hipertensi 120-139 Atau 80-89

Stadium 1 140-159 Atau 90-99

Stadium 2 ≥160 Atau ≥100


10

2.2.2 Gejala Hipertensi

Dalam beberapa kasus tekanan darah tinggi, gejala-gejala tidak nampak

bahkan ketika pembacaan tekanan darah telah mencapai tataran tinggi. Ini dapat

berbahaya karena gejala biasanya muncul hanya ketika kondisi telah mengancam

kehidupan. Namun, gejala-gejala yang umumnya berhubungan dengan kondisi

tersebut adalah sebagai berikut:

Pusing atau Sakit kepala

Mimisan ( darah keluar dari lubang hidung)

Permasalahan keseimbangan

Rasa berat di bagian tengkuk

Sering tidur

Mudah marah

2.2.3 Pemeriksaan Penunjang

Pemeriksaan penunjang umunya diperlukan untuk membantu mengevaluasi

tingkat hipertensi pasien. Penilaian berulang terhadap fungsi renal, elektrolit serum,

gula darah puasa, dan lemak dapat dilakukan setelah pemberian obat-obatan

antihipertensi yang baru, dan tiap tahun atau secara sering diperiksa jika secara klinis

diperlukan. Uji laboratorium yang lebih ekstensif diperlukan jika pasien mengalami

resistensi obat atau ketika evaluasi klinis menemukan suatu bentuk hipertensi

sekunder.


11

Pemeriksaan penunjang lainnya dapat berupa Elektrokardiogram (EKG),

dengan mengamati tanda-tanda sekunder dari hipertensi, seperti pembesaran jantung,

maupun gagal jantung.

Pemeriksaan penunjang terdiri atas:

Tes darah rutin

Glukosa darah (dianjurkan puasa)

Kolesterol total serum

Kolesterol LDL dan HDL serum

Trigilserida serum ( puasa 9 sampai 12 jam )

Asam urat serum

Kreatinin serum

Kalium serum

Hemoglobin dan hematokrit

Urinalisis

Elektrokardiogram (EKG)

Pada pasien hipertensi, beberapa pemeriksaan untuk menentukan adanya

kerusakan organ target dapat dilakukan secara rutin, sedang pemeriksaan lainnya

hanya dilakukan bila ada kecurigaan yang didukung oleh keluhan dan gejala pasien.


12

Berikut ini adalah penjelasan teori singkat dari sebagian subjek pengukuran

yang dilakukan dalam pemeriksaan penunjang diatas :

Hemoglobin

Hemoglobin (Hgb) adalah suatu protein yang mengandung zat besi (Fe) dan

memberi warna merah pada darah. Fungsi utama hemoglobin adalah untuk mengikat

oksigen. Satu gram hemoglobin akan bergabung dengan 1,34 ml oksigen. Jika

hemoglobin banyak mengikat oksigen maka darah akan berwarna merah cerah dan

jika hemoglobin tidak banyak mengikat oksigen maka darah akan berwarna merah

tua.

Hematokrit

Hematokrit menunjukkan persentase zat padat (kadar sel darah merah, dan Iain-

Iain) dengan jumlah cairan darah. Semakin tinggi persentase HMT berarti

konsentrasi darah makin kental. Hal ini terjadi karena adanya perembesan

(kebocoran) cairan ke luar dari pembuluh darah sementara jumlah zat padat tetap,

maka darah menjadi lebih kental.

Sel darah Putih

Sel darah putih (bahasa Inggris: white blood cell, WBC) adalah sel yang

membentuk komponen darah. Sel darah putih ini berfungsi untuk membantu tubuh

melawan berbagai penyakit infeksi sebagai bagian dari sistem kekebalan tubuh. Sel

darah putih tidak berwarna, memiliki inti, dapat bergerak secara amoebeid, dan dapat

menembus dinding kapiler.


13

Asam Urat

Asam urat adalah bagian dari metabolism purin, namun apabila tidak berlangsung

secara normal maka akan terjadi sebuah proses penumpukan Kristal dari asam urat

pada persendian yang bisa mengakibatkan rasa sakit yang cukup tinggi. Sebenarnya

asam urat sudah ada pada tubuh kita dan bukan suatu penyakit, asal asam urat

tersebut dalam nilai yang normal.

Kolesterol LDL

Kolesterol LDL (Low Densisty Lipoprotein) atau biasa disebut sebagai kolesterol

jahat. Kandungan ldl yang tepat dalam tubuh sekitar 60% sampai 70%. LDL akan

membawa kolesterol ke seluruh tubuh yang membutuhkan melalui jaringan arteri.

Dia akan mengirimkan kapan saja ketika sel tersebut membutuhkan. Tetapi ketika ldl

terlalu banyak, akan menimbun kolesterol pada arteri sehingga menyebabkan plak-

plak. Timbunan kolesterol tersebut akan menyumbat saluran pembuluh arteri. Ldl

berpengaruh dengan kadar lemak jenuh dalam tubuh dan kandungan kolesterol yang

kita makan. Sehingga ketika kadar kolesterol tinggi, anda harus melakukan diet

rendah lemak.

Kolesterol HDL

Kolesterol HDL (High Desity Lipoprotein) tidak mengandung banyak lemak

seperti ldl tetapi mengandung banyak protein. Ldl berfungsi sebagai pengantar

kolesterol sedangkan hdl berfungsi sebagai pembersih dalam saluran pembuluh darah

arteri. Jadi hdl akan membersihkan ldl yang terlalu tinggi dalam pembuluh darah

arteri untuk kembali ke hati dan dicoba untuk didaur ulang kembali. Jika kadar hdl


14

tinggi resiko penyakit jantung sangat kecil tetapi jika hdl rendah akan mengakibatkan

penyakit jantung.

Trigleserida

Trigleserida merupakan salah satu jenis lemak dalam tubuh yang mengandung

banyak sekali energy. Ketika anda mengkonsumsi makanan dan energy dalam tubuh

sudah tercukupi, sebagian energy akan disimpan sebagai trigleserida. Kadar

trigleserida yang normal sangat dibutuhkan oleh tubuh. Tetapi jika terlalu tinggi akan

mengakibatkan penyakit jantung, darah tinggi dan diabetes.

Kolesterol Total

Kolesterol Total adalah perhitungan total dari semua jenis kolesterol dalam

darah. Kolesterol merupakan senyawa lemak yang diproduksi di hati yang biasanya

ditemukan dalam darah. Peningkatan kadar kolesterol terlihat pada gangguan lipid

familial dan hipotiroidisme dan dianggap sebagai faktor risiko penyakit jantung.

Kreatinin

Kreatinin terbuat dari zat yang disebut kreatin, yang dibentuk ketika makanan

berubah menjadi energi melalui proses yang disebut metabolisme. Sekitar 2% dari

kreatin tubuh diubah menjadi kreatinin setiap hari. Kreatinin diangkut melalui aliran

darah ke ginjal. Ginjal menyaring sebagian besar kreatinin dan membuangnya dalam

urin. Bila ginjal terganggu, kreatinin akan meningkat. Tingkat kreatinin abnormal

tinggi memperingatkan kemungkinan kerusakan atau kegagalan ginjal, kadang-


15

kadang bahkan sebelum pasien melaporkan gejala apapun. Itulah mengapa kreatinin

dihitung dalam standar pemeriksaan darah dan urin rutin.

Tekanan Darah

Tekanan darah sistolik (angka atas) mengukur jumlah tekanan darah yang

diberikan pada pembuluh ketika jantung berdetak. Tekanan darah diastolik (angka

bawah) mengukur tekanan dalam pembuluh diantara detak jantung.Tekanan darah

sistolik (angka atas) mengukur jumlah tekanan darah yang diberikan pada pembuluh

ketika jantung berdetak. Tekanan darah diastolik (angka bawah) mengukur tekanan

dalam pembuluh diantara detak jantung.

Ureum

Ureum adalah hasil akhir metabolisme protein. Berasal dari asam amino yang

telah dipindah amonianya di dalam hati dan mencapai ginjal, dan diekskresikan rata-

rata 30 gram sehari. Kadar ureum darah yang normal adalah 20 mg – 40 mg setiap

100 ccm darah, tetapi hal ini tergantung dari jumlah normal protein yang di makan

dan fungsi hati dalam pembentukan ureum.


16

2.3 Data Mining

Data Mining merupakan upaya menggali informasi yang terpendam dalam

timbunan data yang berjumlah besar. Data mining bukanlah suatu bidang yang

sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah

kenyataan bahwa data mining mewarisi banyak aspek dan teknik dari bidang-bidang

ilmu yang sudah mapan terlebih dulu. Beberapa solusi yang dapat diselesaikan oleh

Data Mining adalah dalam bidang pasar dan manajemen, keuangan, telekomunikasi,

keuangan, astronomi, medis dan bidang-bidang lainnya.

Data Mining adalah suatu proses untuk menemukan suatu pengetahuan atau

informasi yang berguna dari data berskala besar. Sering juga disebut segabai bagian

proses KDD (Knowledge Discovery in Database) (Santosa, 2007). Adapun tahapan

tersbut dapat dilihat pada gambar 2.3.

Gambar 2.1 Tahap-tahap proses KDD. (Fayyad., 1996)


17

Berikut adalah penjelasan tahapan-tahapan dari gambar 2.1

1. Seleksi data (Data Selection)

Data yang ada sering kali tidak semuanya dipakai, oleh karena itu hanya data

yang sesuai untuk dianalisis yang akan diambil dari database. Sebagai contoh,

sebuah kasus yang meneliti faktor kecenderungan orang membeli dalam kasus

market basket analysis, tidak perlu mengambil nama pelanggan, cukup dengan

id pelanggan saja.

2. Pembersihan data (Data Prepocessing / Cleaning)

Pembersihan data merupakan proses menghilangkan noise dan data yang

tidak konsisten atau data tidak relevan. Pada umumnya data yang diperoleh,

baik dari database suatu perusahaan maupun hasil eksperimen, memiliki isian-

isian yang tidak sempurna seperti data yang hilang, data yang tidak valid atau

juga hanya sekedar salah ketik. Selain itu, ada juga atribut-atribut data yang

tidak relevan dengan hipotesa data mining yang dimiliki. Data-data yang tidak

relevan itu juga lebih baik dibuang. Pembersihan data juga akan mempengaruhi

performasi dari teknik data mining karena data yang ditangani akan berkurang

jumlah dan kompleksitasnya.


18

3. Transformasi data (Data Transformation)

Data diubah atau digabung ke dalam format yang sesuai untuk diproses

dalam data mining. Beberapa metode data mining membutuhkan format data

yang khusus sebelum bisa diaplikasikan. Sebagai contoh beberapa metode

standar seperti analisis asosiasi dan clustering hanya bisa menerima input data

kategorikal. Karenanya data berupa angka numerik yang berlanjut perlu dibagi-

bagi menjadi beberapa interval. Proses ini sering disebut transformasi data.

4. Proses penambangan data (Data Mining Process)

Proses ini terdiri dari tiga langkah. Pertama, memilih tugas data mining

dengan mencocokkan tujuan yang ditetapkan pada tahap pertama dengan

metode data mining tertentu seperti klastering, regresi, klasifikasi, dll Kedua,

memilih algoritma data mining, dan memilih metode serta parameter untuk

mencari pola dalam data. Ketiga, menerapkan algoritma data mining untuk

menghasilkan pola data dalam bentuk representasi tertentu. Hasil dari proses ini

adalah Pola dan Model

5. Presentasi pengetahuan (Knowledge Presentation)

Untuk mengidentifikasi pola-pola menarik kedalam knowledge based yang

ditemukan. Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang

khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang

ada memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa

ada beberapa alternatif yang dapat diambil seperti menjadikannya umpan balik

untuk memperbaiki proses data mining, mencoba metode data mining lain yang


19

lebih sesuai, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan

yang mungkin bermanfaat.

Data mining juga dibagi menjadi beberapa kelompok berdasarkan tugas

yang dapat dilakukan, yaitu.:

1. Deskripsi, terkadang peneliti dan analis secara sederhana ingin mencoba

mencari cara untuk menggambarkan pola dan kecenderungan yang

terdapat dalam data.

2. Estimasi, estimasi hampir sama dengan klasifikasi, kecuali variabel target

estimasi lebih ke arah numerik dari pada ke arah kataegori. Model

dibangun menggunakan record lengkap yang menyediakan nilai variabel

target sebagai nilai prediksi.

3. Prediksi, prediksi hampir sama dengan klasifikasi dan estimasi, kecuali

bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang.

4. Klasifikasi, dalam klasifikasi, terdapat target variabel kategori. Sebagai

contoh, penggolongan pendapatan dapat dipisahkan dalam tiga kategori,

yaitu pendapatan tinggi, pendapatan sedang, dan pendapatan rendah.

5. Pengklusteran, pengklusteran merupakan pengelompokan record,

pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang

memiliki kemiripan. Kluster adalah kumpulan record yang memiliki

kemiripan satu dengan yang lainnya dan memiliki ketidakmiripan dengan

record-record dalam kluster lain.


20

6. Asosiasi, asosiasi dalam data mining adalah menemukan atribut yang

muncul dalam satu waktu. Dalam dunia bisnis lebih umum disebut

analisis keranjang belanja.

2.3.1 Klasifikasi

Salah satu teknik Data Mining yang umum digunakan adalah Teknik

Klasifikasi. Klasifikasi adalah sebuah proses untuk menemukan model yang

menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat

memperkirakan kelas dari suatu objek yang kelasnya tidak diketahui (Tan et all,

2004). Di dalam klasifikasi diberikan sejumlah record yang dinamakan training set,

yang terdiri dari beberapa atribut, atribut dapat berupa kontinyu ataupun kategoris,

salah satu atribut menunjukkan kelas untuk record.

Teknik klasifikasi dalam data mining dikelompokkan ke dalam teknik

decision tree, Bayesian (Naïve Bayesian dan Bayesian Belief Networks), Jaringan

Saraf Tiruan, teknik yang berbasis konsep dari penambangan aturan-aturan asosiasi,

dan teknik lain (k-Nearest Neighboor, algoritma genetik, teknik dengan pendekatan

himpunan rough dan fuzzy.) (Lihat Gambar 2.2).


21

Gambar 2.2 Pengelompokan teknik klasifikasi

Setiap teknik memiliki kelebihan dan kekurangannya sendiri. Data dengan

profil tertentu mungkin paling optimal jika diklasifikasi dengan teknik tertentu, atau

dengan kata lain, profil data tertentu dapat mendukung termanfaatkannya kelebihan

dari teknik-teknik klasifikasi diatas.

Secara umum, proses klasifikasi dapat dilakukan dalam dua tahap, yaitu

proses belajar dari data pelatihan dan klasifikasi kasus baru (lihat Gambar 2.3). Pada

proses belajar, algoritma klasifikasi mengolah data pelatihan untuk menghasilkan

sebuah model. Setelah model diuji dan dapat diterima, pada tahap klasifikasi, model

tersebut digunakan untuk memprediksi kelas dari kasus baru untuk membantu proses

pengambilan keputusan (Han et al.,2001; Quinlan, 1993). Kelas yang dapat

diprediksi adalah kelas-kelas yang sudah terdefinisi pada data pelatihan. Karena

proses klasifikasi kasus baru cukup sederhana, penelitian lebih banyak ditujukan

untuk memperbaiki teknik-teknik pada proses belajar.


22

Gambar 2.3 Skema klasifikasi secara umum

2.3.2 Algoritma C4.5

Algoritma C4.5 adalah algoritma klasifikasi data dengan teknik decison tree

yang terkenal dan disukai karena memiliki kelebihan-kelebihan. Kelebihan ini

misalnya: dapat mengolah data numerik (kontinyu) dan diskret, dapat menangani

nilai atribut yang hilang, menghasilkan aturan-aturan yang mudah

diinterpretasikan dan tercepat di antara algoritma-algoritma yang menggunakan

memori utama di komputer (Quinlan, 1993; Han et al., 2001; Berry et al., 1997;

Ruggieri, 2001).

Pada subbab 2.3.1 sudah membahas bahwa proses klasifikasi terdiri dari dua

tahap, yaitu tahap belajar dari data pelatihan untuk menghasilkan model dan tahap

klasifikasi yang menggunakan model untuk prediksi kelas. Pada tahap belajar dari

data, algoritma C4.5 mengkonstruksi decison tree dari data pelatihan, yang berupa

kasus-kasus atau record-record. Setiap kasus berisikan nilai dari atribut-atribut

untuk sebuah kelas. Setiap atribut dapat berisi data diskret atau kontinyu (numerik).


23

C4.5 juga menangani kasus yang tidak memiliki nilai untuk sebuah atau lebih

atribut. Akan tetapi, atribut kelas hanya bertipe nominal dan tidak boleh kosong.

2.3.3 Algoritma Konstruksi decision tree

Algoritma dasar untuk induksi pohon keputusan pada C4.5 (dan

turunannya) adalah algoritma greedy yang membangun pohon keputusan dari atas

ke bawah (top-down) secara rekursif dengan cara divide dan conquer. Masukan dari

algoritma ini adalah himpunan data yang berisi sample-sample data dan kandidat

atribut yang harus ditelaah, terdiri dari minimal sebuah atribut prediktor dan

sebuah atribut kelas. Atribut prediktor dapat bertipe diskret atau numerik, sedangkan

atribut kelas harus bertipe diskret. Dalam penelitian ini, himpunan data berupa file

csv (comma separated values), sedangkan sample adalah record-record yang

nilainya dipisahkan oleh tanda koma. Himpunan data ini dapat memiliki atribut

(kolom yang juga nilainya dipisahkan oleh tanda koma) yang bertipe diskret

maupun kontinyu. Ilustrasi model pohon keputusan diberikan pada Gambar 2.4.

Disini, simpul dinotasikan dengan kotak dan daun dengan elips. Pada level

teratas, pohon memiliki sebuah simpul yang merepresentasikan atribut prediktor

yang digunakan untuk membuat cabang atau daun di level di bawahnya (atribut ini

dinamakan atribut split). Jika atribut prediktor bertipe diskret (ad), cabang simpul

dibuat untuk setiap nilai unik pada atribut diskret ini (v1, v2, …,vm). Sedangkan

jika atribut prediktor bertipe kontinyu atau numerik (an), cabang simpul dibuat

untuk dua buah nilai, yaitu an ≤ vth dan an > vth, dimana vth adalah sebuah nilai


24

ambang yang didapat dari nilai-nilai an. Daun merepresentasikan sebuah nilai pada

atribut kelas.

Gambar 2.4 Model Pohon Keputusan

Adapun langkah-langkah konstruksi pohon, seperti ditunjukkan pada Algoritma

II.1, adalah (Quinlan, 1993; Han et al., 2001):

a. Pohon dimulai dengan sebuah simpul yang merepresentasikan sample data

pelatihan (langkah 1).

b. Jika semua sample berada dalam kelas yang sama, maka simpul ini

menjadi daun dan dilabeli menjadi kelas (langkah 2 dan 3).

c. Jika tidak, gain ratio akan digunakan untuk memilih atribut split, yaitu atribut

yang terbaik dalam memisahkan data sample menjadi kelas-kelas individu

(langkah 6). Atribut ini menjadi atribut “tes” atau “keputusan” pada simpul

itu (langkah 7).

d. Cabang akan dibuat untuk setiap nilai pada atribut tes dan data sample

akan dipartisi lagi (langkah 8-10).


25

e. Algoritma ini menggunakan proses rekursif untuk membentuk

pohon keputusan pada setiap data partisi. Jika sebuah atribut sudah

digunakan di sebuah simpul, maka atribut ini tidak akan digunakan lagi di

simpul anak- anaknya (langkah 13).

f. Proses rekursif ini berhenti jika dicapai kondisi berikut ini:

- Semua sample pada simpul berada di dalam satu kelas (langkah 2 dan3).

- Tidak ada atribut lainnya yang dapat digunakan untuk mempartisi

sample lebih lanjut (langkah 4). Dalam hal ini, akan diterapkan “suara

terbanyak” (langkah 5). Ini berarti mengubah sebuah simpul menjadi daun

dan melabelinya dengan kelas pada suara terbanyak. Sebagai alternatif lain,

distribusi kelas pada simpul ini dapat disimpan.

- Tidak ada sample yang memenuhi test-attribute = ai (langkah 11).

Dalam hal ini, sebuah daun dibuat dan dilabeli dengan kelas yang memiliki

sample terbanyak (langkah 12).

2.3.4 Entropy

Sebuah obyek yang diklasifikasikan dalam pohon harus dites nilai

entropinya. Entropy adalah ukuran dari teori informasi yang dapat mengetahui

karakteristik dari impurity ,dan homogenity dari kumpulan data. Entropi digunakan

untuk memprediksi rata-rata jumlah bit per simbol yang diperlukan untuk

mentransmisikan data, misalnya X, jika peluang kejadian setiap simbol pada data

yang akan ditransmisikan diketahui (MacKay, D. J.C, 2003) dan (Moore, 2003).

Dari nilai entropy tersebut kemudian dihitung nilai Information gain (IG) masing-

masing atribut, rumus entropy didefinisikan pada persamaan (1)


26

………….(1) � = − ∑ � ∗ � =

Keterangan :

S adalah himpunan data training

k adalah banyaknya partisi S

Pj adalah rasio dari kelas Ci didalam set data sample S = { x1 , x2 , … xk }

atau dapat direpresentasikan dengan persamaan Pj = �� ∈ ��

Pada beberapa kasus, jika semua member dari set sample S memiliki nilai

yang sama, maka nilai entropy adalah nol. Hal itu berarti tidak ada klasifikasi yang

mempunyai ketidakpastian (uncertainty). Namun jika jumlah sample positif sama

dengan jumlah sample negatif, maka entropy bernilai 1, berarti ketidakpastian

bernilai maksimum. Ini berarti set sample tidak mempunyai ketidakpastian

(keputusan dari decision tree sudah jelas). Jika jumlah sample positif tidak sama

dengan jumlah sample negatif, maka nilai entropy akan berada diantara 0 dan 1.

Dari rumus entropy diatas dapat disimpulkan bahwa definisi entropy (S) adalah

jumlah bit yang diperkirakan dibutuhkan untuk dapat mengekstrak suatu kelas (+

atau -) dari sejumlah data acak pada suatu ruang sample S. Entropy bisa dikatakan

sebagai kebutuhan bit untuk menyatakan suatu kelas. Semakin kecil nilai entropy

maka semakin baik digunakan dalam mengekstraksi suatu kelas.


27

……….….(2)

2.3.5 Information gain

Setelah mendapat nilai entropy untuk suatu kumpulan data, maka kita dapat

mengukur efektivitas suatu atribut dalam mengklasifikasikan data. Ukuran

efektifitas ini disebut information gain. Secara matematis, infomation gain dari

suatu atribut A, rumusnya didefinisikan pada persamaan (2)

� , � = � − ∑ | || | ∗ ∈��

Keterangan :

Entropy (S) adalah Entropy dari data training

A adalah Atribut dari data training

v adalah Suatu nilai yang mungkin untuk atribut A

Values (A) adalah Himpunan yang mungkin untuk atribut A

|Sv| adalah Jumlah sample untuk nilai v

|S| adalah Jumlah seluruh sample data training

Entropy (Sv) adalah Entropy untuk sample-sample yang memiliki nilai v

dimana bobot Wi = |��||�| adalah rasio dari data dengan atribut v di dalam set

sample data training.


28

………….(3)

………….(4)

2.3.6 Gain ratio

Pada konstruksi pohon C4.5, di setiap simpul pohon, atribut dengan nilai gain

ratio yang tertinggi dipilih sebagai atribut split untuk simpul. Rumus dari gain ratio

didefinisikan pada persamaan (3)

� , � = � , � � , �

Dimana Gain(S,A) adalah information gain dari atribut A untuk himpunan

sampel S dan Split info(S,A) menyatakan entropy atau informasi potensial yang

didapat pada pembagian S menjadi k sub himpunan berdasarkan telaahan pada atribut

A, sedangkan rumus Split info(S,A) didefinisikan pada persamaan (4)

� , � = − ∑ | || | ∗ = | || |

Dimana Sj menyatakan sub himpunan ke j pada sample S.

Alasan penggunaan Gain ratio(S,A) pada C4.5 ( bukan Gain(S,A) ) sebagai

kriteria pada pemilihan atribut split adalah Information gain ternyata dapat terjadi

bias terhadap atribut yang memiliki banyak nilai unik. Pembagian Gain(S,A) dengan

Split info(S,A) dimaksudkan untuk mengatasi hal ini.


29

Berikut contoh kasus menggunakan data buys computer yang akan

diselesaikan dengan algoritma decision tree C4.5 :

Tabel 2.2 Data Buys Computer

ID Age Income Student Credit_Rating Class

1. <=30 High No Fair No

2. <=30 High No Excellent No

3. 31-40 High No Fair Yes

4. >40 Medium No Fair Yes

5. >40 Low Yes Fair Yes

6. >40 Low Yes Excellent No

7. 31-40 Low Yes Excellent Yes

8. <=30 Medium No Fair No

9. <=30 Low Yes Fair Yes

10. >40 Medium Yes Fair Yes

11. <=30 Medium Yes Excellent Yes

12. 31-40 Medium No Excellent Yes

13. 31-40 High Yes Fair Yes

14. >40 Medium No Excellent No


30

Berdasarkan data Buys Computer pada tabel 2.2., langkah -langkah

perhitungan C4.5 Classifier adalah sebagai berikut:

Pada tabel 2.2, atribut-atributnya adalah Age, Income, Student,

Credit_Rating, setiap atribut memiliki nilai masing-masing, sedangkan kelasnya

ada pada kolom Class, yaitu kelas Yes dan kelas No, kemudian data tersebut

memiliki 14 Total sampel yang terdiri dari 9 Yes dan 4 No pada kolom Class.

Langkah 1 , menghitung Entropy Total dari masing-masing nilai Class dengan

persamaan (1) :

Entropy Total (9yes , 5no) = (-9/14 * log2(9/14)) + (-5/14 * log2(5/14))

= 0.40977638 + 0.53050958

= 0.940285959

Langkah 2 , menghitung Entropy dari atribut Age dengan persamaan (1) :

Entropy Age <=30 ( 2yes,3no) = (-2/5 * log2(2/5)) + (-3/5 * log2(3/5))

= 0.528771238 + 0.442179356

= 0.97095059

Entropy Age 31-40 (4yes,0no) = (-4/4 * log2(4/4)) + ( 0 ))

= 0 + 0

= 0

Entropy Age >40 (3yes,2no) = (-3/5 * log2(3/5)) + (-2/5 * log2(2/5))

= 0.442179356 + 0.528771238

= 0.97095059


31

Entropy Total (Age) = 5/14 * (0.97095059) + 0 + 5/14 * (0.97095059)

= 0.346768069 + 0.346768069

= 0.693536139

Langkah 3, menghitung Information gain untuk atribut Age dengan persamaan (2) :

Gain(Total,Age) = 0.940285959 - 0.693536139

= 0.24674982

Langkah 4, menghitung Split information untuk atribut Age dengan persamaan (4) :

SplitInfo(Total,Age) = (-5/14 * log2(5/14)) + (-4/14 * log2(4/14)) +

(-5/14 * log2(5/14))

= 1.577406283

Langkah 5, menghitung Gain ratio untuk atribut Age dengan persamaan (3) :

Gain ratio (Total,Age) = 0.24674982/1.577406283

= 0.156427563

Ulangi Langkah 2 , menghitung Entropy dari atribut Income dengan persamaan (1) :

Entropy Income low ( 3yes,1no) = (-3/4 * log2(3/4)) + (-1/4 * log2(1/4))

= 0.311278124 + 0.5

= 0.81127812

Entropy Income medium (4yes,2no) = (-4/6 * log2(4/6)) + (-2/6 * log2(2/6))

= 0.389975 + 0.528320834

= 0.91829583

Entropy Income high (2yes,2no) = (-2/4 * log2(2/4)) + (-2/4 * log2(2/4))

= 0.5 + 0.5

= 1


32

Entropy Total (Income) = 4/14 * (0.81127812) + 6/14 * (0.91829583) +

4/14 * (1)

= 0.23179375 + 0.39355536 + 0.28571429

= 0.9110634

Ulangi Langkah 3, menghitung Information gain untuk atribut Income dengan

persamaan (2):

Gain(Total,Income) = 0.940285959 - 0.9110634

= 0.029222559

Ulangi Langkah 4, menghitung Split information untuk atribut Income dengan

persamaan (4) :

SplitInfo(Total,Income) = (-4/14 * log2(4/14)) + (-6/14 * log2(6/14)) +

(-4/14 * log2(4/14))

= 1.556656707

Ulangi Langkah 5, menghitung Gain ratio untuk atribut Income dengan persamaan

(3) :

Gain ratio (Total,Income) = 0.029222559/1.556656707

= 0.018772642


33

Ulangi Langkah 2 , menghitung Entropy dari atribut Student dengan persamaan (1) :

Entropy Student yes ( 6yes,1no) = (-6/7 * log2(6/7)) + (-1/7 * log2(1/7))

= 0.190622075 + 0.401050703

= 0.591672779

Entropy Student no (3yes,4no) = (-3/7 * log2(3/7)) + (-4/7 * log2(4/7))

= 0.523882466 + 0.46134567

= 0.985228136

Entropy Total (Student) = 7/14 * (0.591672779) + 7/14 * (0.985228136)

= 0.29583639 + 0.492614068

= 0.788450458

Ulangi Langkah 3,menghitung Information gain untuk atribut Student dengan

persamaan (2) :

Gain(Total,Student) = 0.940285959 - 0.788450458

= 0.151835501

Ulangi Langkah 3,menghitung Information gain untuk atribut Student dengan

persamaan (2) :


= 0.151835501

Ulangi Langkah 4, menghitung Split information untuk atribut Student dengan

persamaan (4) :

SplitInfo(Total,Student) = (-7/14 * log2(7/14)) + (-7/14 * log2(7/14))

= 0.5 + 0.5

= 1


34

Ulangi Langkah 5, menghitung Gain ratio untuk atribut Student dengan persamaan

(3) :

Gain ratio (Total,Student) = 0.151835501/1

= 0.151835501

Ulangi Langkah 2 , menghitung Entropy dari atribut Credit_Rating dengan

persamaan (1):

Entropy Credit_Rating fair ( 6yes,2no) = (-6/8 * log2(6/8)) + (-2/8 * log2(2/8))

= 0.311278124 + 0.5

= 0.811278124

Entropy Credit_Rating excellent (3yes,3no) = (-3/6 * log2(3/6)) + (-3/6 * log2(3/6))

= 0.5 + 0.5

= 1

Entropy Total (Credit_Rating) = 8/14 * (0.811278124) + 6/14 * (1)

= 0.463587499 + 0.428571429

= 0.892158928

Ulangi Langkah 3,menghitung Information gain untuk atribut Credit_Rating dengan

persamaan (2) :

Gain(Total,Credit_Rating) = 0.940285959 - 0.892158928

= 0.048127031


35

Ulangi Langkah 4, menghitung Split information untuk atribut Credit_Rating

dengan persamaan (4) :

SplitInfo(Total,Credit_Rating) = (-8/14 * log2(8/14)) + (-6/14 * log2(6/14))

= 0.46134567 + 0.523882466

= 0.985228136

Ulangi Langkah 5, menghitung Gain ratio untuk atribut Credit_Rating dengan

persamaan (3) :

Gain ratio (Total,Credit_Rating) = 0.048127031/0.985228136

= 0.048848616


36

Karena atribut Age mempunyai nilai Gain ratio tertinggi, maka Age menjadi

node akar (root node)

Gambar 2.5 decision tree Node 1 (root node)

Income Student Credit_Rating Class

high no fair no

high no excellent no

medium no fair no

low yes fair yes

medium yes excellent yes


medium no fair yes

low yes fair yes

low yes excellent no

medium yes fair yes

medium no excellent no


high no fair yes

low yes excellent yes

medium no excellent yes

high yes fair yes

>40

31-40

<=30

Age


37

<=30

31-40

>40

Age

Pada gambar 2.5 diketahui bahwa semua nilai atribut Class pada cabang Age

31-40 bernilai yes, maka dibuat Leaf node dengan kelas = Yes

Gambar 2.6 decision tree Node 1 ( root node dan Leaf node )

Pada gambar 2.6 dapat dilihat bahwa masih ada 2 cabang yang masih tersisa,

proses split yang sama harus dilakukan untuk cabang Age <=30, dan cabang Age

>40 dimana kedua cabang tersebut masih memiliki atribut

Income,Student,Credit_rating, atribut manakah yang harus digunakan untuk

membagi partisi pada cabang Age <=30 ? , untuk mengetahuinya, yang harus

dilakukan ialah ulangi perhitungan seperti yang sudah dilakukan sebelumnya.


medium no fair yes

low yes fair yes


medium yes fair yes



high no fair no


medium no fair no

low yes fair yes

medium yes excellent yes

Yes


38

Langkah 1.1 , menghitung Entropy Total dari masing-masing nilai Class dengan

persamaan (1) :


= 0.528771238 + 0.442179356

= 0.970950594

Langkah 2.1 , menghitung Entropy dari atribut Income dengan persamaan (1) :

Entropy Income low ( 1yes,0no) = (-1/1 * log2(1/1)) + (0)

= 0 + 0

= 0

Entropy Income medium (1yes,1no) = (-1/2 * log2(1/2)) + (-1/2* log2(1/2))

= 0.5 + 0.5

= 1

Entropy Income high (0yes,2no) = (0) + (-2/2 * log2(2/2))

= 0 + 0

= 0

Entropy Total (Income) = 1/5 * (0) + 2/5 * (1) + 2/5 * (0)

= 0 + 0.4 + 0

= 0.4


39

Langkah 3.1 , menghitung Information gain untuk atribut Income dengan persamaan

(2):


= 0.570950594

Langkah 4.1 , menghitung Split information untuk atribut Income dengan persamaan

(4) :

SplitInfo(Total,Income) = (-1/14 * log2(1/14)) + (-2/14 * log2(2/14)) +

(-2/14 * log2(2/14))

= 0.271953923 + 0.401050703 + 0.401050703

= 1.074055329

Langkah 5.1 , menghitung Gain ratio untuk atribut Income dengan persamaan (3) :


= 0.531583968

Ulangi Langkah 2.1 ,menghitung Entropy dari atribut Student dengan persamaan (1)

:

Entropy Student yes ( 2yes,0no) = (-2/2 * log2(2/2)) + (0)

= 0 + 0

= 0

Entropy Student no (0yes,3no) = (0) + (-3/3* log2(3/3))

= 0 + 0

= 0

Entropy Total (Student) = 2/5 * (0) + 3/5 * (0)

= 0 + 0

= 0


40

Ulangi Langkah 3.1 , menghitung Information gain untuk atribut Student dengan

persamaan (2):

Gain(Total,Student) = 0.970950594 - 0

= 0.970950594

Ulangi Langkah 4.1 , menghitung Split information untuk atribut Student dengan

persamaan (4) :


= 0.401050703 + 0.476226947

= 0.877277651

Ulangi Langkah 5.1 , menghitung Gain ratio untuk atribut Student dengan

persamaan (3) :

Gain ratio (Total,Student) = 0.970950594/0.877277651

= 1.106776849

Ulangi Langkah 2.1 , menghitung Entropy dari atribut Credit_Rating dengan

persamaan (1) :

Entropy Credit_Rating fair (1yes,2no) = (-1/3*log2(1/3))+(-2/3* log2(2/3))

= 0.528320834 + 0.389975

= 0.918295834

Entropy Credit_Rating excellent (1yes,1no) = (-1/2*log2(1/2))+(-1/2* log2(1/2))

= 0.5 + 0.5

= 1


41

Entropy Total (Credit_Rating) = 3/5 * (0.918295834) + 2/5 * (1)

= 0.5509775 + 0.4

= 0.9509775

Ulangi Langkah 3.1 , menghitung Information gain untuk atribut Credit_Rating

dengan persamaan (2):

Gain(Total, Credit_Rating) = 0.970950594 - 0.9509775

= 0.019973094

Ulangi Langkah 4.1 , menghitung Split information untuk atribut Credit_Rating



= 0.476226947 + 0.401050703

= 0.877277651

Ulangi Langkah 5.1 , menghitung Gain ratio untuk atribut Credit_Rating dengan

persamaan (3) :

Gain ratio (Total, Credit_Rating) = 0.019973094/0.877277651

= 0.02276713


42

no yes

<=30

31-40

>40

Age

Student

Karena atribut Student mempunyai nilai Gain ratio tertinggi,maka split

dataset menggunakan atribut tersebut.

Gambar 2.7 decision tree Node 1.1

Pada gambar 2.7 diketahui bahwa semua nilai atribut Class pada cabang

Studentyes bernilai yes, maka dibuat Leaf node dengan kelas = Yes , serta semua

nilai atribut Class pada cabang Studentno bernilai no, maka dibuat Leaf node

dengan kelas = No


medium no fair yes

low yes fair yes


medium yes fair yes



low yes fair yes

medium yes excellent yes Income Student Credit_Rating Class

high no fair no


medium no fair no

Yes


43

yes no

<=30

31-40

>40

Age

Student

Gambar 2.8 decision tree Node dan Leaf Node 1.1

Pada gambar 2.8 dapat dilihat bahwa masih ada 1 cabang yang masih tersisa,

proses split yang sama harus dilakukan untuk cabang Age >40 dimana cabang

tersebut masih memiliki atribut Income,Student,Credit_rating, atribut manakah yang

harus digunakan untuk membagi partisi pada cabang Age >40 ? , untuk

mengetahuinya, yang harus dilakukan ialah ulangi perhitungan seperti yang sudah

dilakukan sebelumnya.

Langkah 1.2 , menghitung Entropy Total dari masing-masing nilai Class dengan

persamaan (1) :


= 0.442179356 + 0.528771238

= 0.970950594


medium no fair yes

low yes fair yes


medium yes fair yes

medium no excellent no Yes

Yes No


44

Langkah 2.2 , menghitung Entropy dari atribut Income dengan persamaan (1) :

Entropy Income low ( 1yes,1no) = (-1/2 * log2(1/2)) + (-1/2 * log2(1/2))

= 0.5 + 0.5

= 1

Entropy Income medium (2yes,1no) = (-2/3 * log2(2/3)) + (-1/3* log2(1/3))

= 0.389975 + 0.528320834

= 0.918295834

Entropy Total (Income) = 2/5 * (1) + 3/5 * (0.918295834)

= 0.4 + 0.5509775

= 0.9509775

Langkah 3.2 , menghitung Information gain untuk atribut Income dengan persamaan

(2):


= 0.019973094

Langkah 4.2 , menghitung Split information untuk atribut Income dengan persamaan

(4) :

SplitInfo(Total,Income) = (-2/14 * log2(2/14)) + (-3/14 * log2(3/14))

= 0.401050703 + 0.476226947

= 0.877277651


45

Langkah 5.2 , menghitung Gain ratio untuk atribut Income dengan persamaan (3) :


= 0.02276713

Ulangi Langkah 2.2 , menghitung Entropy dari atribut Student dengan persamaan

(1) :

Entropy Student yes ( 2yes,1no) = (-2/3 * log2(2/3)) + (-1/3 * log2(1/3))

= 0.389975 + 0.528320834

= 0.918295834

Entropy Student no (1yes,1no) = (-1/2 * log2(1/2)) + (-1/2* log2(1/2))

= 0.5 + 0.5

= 1

Entropy Total (Student) = 3/5 * (0.918295834) + 2/5 * (1)

= 0.5509775 + 0.4

= 0.9509775

Ulangi Langkah 3.2 , menghitung Information gain untuk atribut Student dengan

persamaan (2):


= 0.019973094


46

Ulangi Langkah 4.2 , menghitung Split information untuk atribut Student dengan

persamaan (4) :


= 0.476226947 + 0.401050703

= 0.877277651

Ulangi Langkah 5.2 , menghitung Gain ratio untuk atribut Student dengan

persamaan (3) :

Gain ratio (Total,Student) = 0.019973094/0.877277651

= 0.02276713

Ulangi Langkah 2.2 , menghitung Entropy dari atribut Credit_Rating dengan

persamaan (1) :

Entropy Credit_Rating fair (3yes,0no) = (-3/3*log2(3/3)) + (0)

= 0 + 0

= 0

Entropy Credit_Rating excellent (0yes,2no) = (0)+(-2/2* log2(2/2))

= 0 + 0

= 0

Entropy Total (Credit_Rating) = 3/5 * (0) + 2/5 * (0)

= 0 + 0

= 0


47

Ulangi Langkah 3.2 , menghitung Information gain untuk atribut Credit_Rating

dengan persamaan (2):

Gain(Total, Credit_Rating) = 0.970950594 - 0

= 0.970950594

Ulangi Langkah 4.2 , menghitung Split information untuk atribut Credit_Rating



= 0.476226947 + 0.401050703

= 0.877277651

Ulangi Langkah 5.2 , menghitung Gain ratio untuk atribut Credit_Rating dengan

persamaan (3) :

Gain ratio (Total, Credit_Rating) = 0.970950594/0.877277651

= 1.106776849

Karena atribut Credit_Rating mempunyai nilai Gain ratio tertinggi,maka split

dataset menggunakan atribut tersebut.


48

yes

<=30

no

31-40

>40

Age

Student

fair excellent

Credit_Rating

Gambar 2.9 decision tree Node 1.2

Pada gambar 2.9 diketahui bahwa semua nilai atribut Class pada cabang

Credi_Ratingfair bernilai yes, maka dibuat Leaf node dengan kelas = Yes , serta

semua nilai atribut Class pada cabang Credit_Ratingexcellent bernilai no, maka

dibuat Leaf node dengan kelas = No

Income Student Class

low yes no

medium no no

Income Student Class

medium no yes

low yes yes

medium yes yes

Yes

Yes No


49

yes

<=30

no

31-40

>40

Age

Student

fair excellent

Credit_Rating

Gambar 2.10 decision tree final

Pada gambar 2.10 telah didapat hasil decision tree dari data pada tabel 2.2

yang dihitung dengan Algoritma C4.5, dari decision tree tersebut dapat dibentuk

suatu kumpulan rule (aturan) sebagai berikut :

1. IF age <=30 AND student = no THEN class : no (3.0)

2. IF age <=30 AND student = yes THEN class : yes (2.0)

3. IF age 31-40 THEN class : yes (4.0)

4. IF age >40 AND credit_rating = fair THEN class : yes (3.0)

5. IF age >40 AND credit_rating = excellent THEN class : no (2.0)

Yes

Yes No Yes No


50

Maka jika diberikan contoh kasus age <30, income=medium, student=yes,

credit_rating=fair , class = ? maka untuk menentukan class dari contoh kasus

tersebut, dapat dihitung dengan melihat decision tree final atau rule yang terbentuk,

dengan demikian dapat dilihat bahwa class untuk contoh kasus ialah Yes

2.4 Pengujian

2.4.1 K-Fold Cross Validation

Cross validation merupakan salah satu metode yang digunakan untuk

mengetahui rata-rata keberhasilan dari suatu sistem dengan cara melakukan

perulangan dengan mengacak atribut masukan sehingga sistem tersebut teruji untuk

beberapa atribut input yang acak. k-fold cross validation diawali dengan membagi

data sejumlah k-fold yang diinginkan. Dalam proses cross validation data akan

dibagi dalam k buah partisi dengan ukuran yang sama D1,D2,D3..Dn selanjutnya

proses testing dan training dilakukan sebanyak k kali. Dalam iterasi ke-i partisi Di

akan menjadi data testing dan sisanya akan menjadi data training. Untuk penggunaan

jumlah fold terbaik untuk uji validitas, dianjurkan menggunakan 10-fold cross

validation dalam model. (Ron Kohavi, 1995).


51

Gambar 2.11 Ilustrasi metode Cross Validation menggunakan 10 fold

9 dari 10 subset digunakan untuk training classifier Subset ke 10

digunakan sebagai

Testing Set pada

iterasi ke 10

Ulangi

iterasi

1 hingga 10 Training Set

Dataset

1 2 3 4 5 6 7 8 9 10

1 2 3 4 5 6 7 8 9 10

1 2

3 4

5

6 7

8 9 10

Dibagi secara random menjadi 10 subset

Testing Set


52

2.4.2 Confusion Matrix

Confusion matrix adalah merupakan sebuah metode untuk evaluasi yang

menggunakan tabel matrix seperti berikut :

Klasifikasi

Benar

Diklasifikasikan Sebagai

+ -

+ True

Positives

False

Negatives

- False

Positives

True

Negatives

Gambar 2.12 Confusion Matrix

Evaluasi dengan menggunakan confusion matrix menghasilkan nilai

accuracy, nilai accuracy merupakan presentase jumlah record data yang

diklasifikasikan secara benar oleh sebuah algoritma, pada tabel confusion matrix

diatas, True Positives adalah jumlah record positif yang diklasifikasikan sebagai

positif, False positives adalah jumlah record negatif yang diklasifikasikan sebagai

positif, False negatives adalah jumlah record positif yang diklasifikasikan sebagai

negatif, True negatives adalah jumlah record negatif yang diklasifikasikan sebagai

negatif, kemudian masukkan data uji. Setelah data uji dimasukkan ke dalam

confusion matrix, hitung nilai-nilai yang telah dimasukkan tersebut untuk dihitung

jumlah accuracy nya (Han dan Kamber), untuk menghitung digunakan persamaan

(5) atau (6)


53

…….(5)

…….(6)

= _ + __ + _ + _ + _ %

= ∑ ∑ %


54

BAB III

METODOLOGI

Bab ini berisi gambaran proses yang akan dilakukan dalam penelitian dan cara

kerja sistem.

3.1 Data

Dalam penelitian ini, sistem mengklasifikasikan jenis-jenis hipertensi yang

diidentifikasi dari data yang dihasilkan laboratorium RSU Provinsi Nusa Tenggara

Barat sepanjang tahun 2013 hingga 2015 menggunakan algoritma decision tree C4.5.

Data ini berjumlah 654, dengan 16 atribut termasuk atribut kelas yang didefinisikan

menggunakan teks (String), yaitu Jenis Kelamin, Umur, Hemoglobin (HGB),

Hematokrit (HCT), White Blood Cell (WBC), PLT, Asam Urat (Uric Acid),

Kolesterol LDL, Kolesterol HDL, Kolesterol Total, Kreatinin, Tekanan Darah

(Sistolik dan Diastolik), Trigilserida, dan Ureum. Adapun tiap atribut yang

disebutkan diatas memiliki nilai rujukan yang dapat dilihat pada tabel dibawah :

.


55

Tabel 3.1 Atribut Penyakit Hipertensi

Data Nilai Rujukan Satuan

Jenis Kelamin - -

Umur - -

HGB L : 13.0 – 18.0

P : 11.5 – 16.5

Mg %

HCT L : 40.0 – 50.0

P : 37.0 – 45.0

Mg %

WBC 4.0 – 11.0 Mg %

PLT 150 - 400 Mg %

Asam Urat L : 3.5 – 7.2

P : 2.6 – 6.0

Mg %

Kolesterol LDL < 130 Mg %

Kolesterol HDL < 45 Mg %

Kolesterol Total < 200 Mg %

Kreatinin L : 0.9 – 1.3

P : 0.6 – 1.1

Mg %

Ureum 6 - 26 Mg %

Trigilserida < 200 Mg %

Sistolik <120 - >=160 mmHG

Diastolik <80 - >=100 mmHG


56

3.2 Analisis Pengolahan Data

Sebelum data diolah menggunakan sistem yang akan dirancang, dilakukan

metode pemrosesan data awal terlebih dahulu sesuai dengan proses KDD. Dalam

penelitian ini, terdapat 3 langkah dalam melakukan pemrosesan data awal, yaitu

pembersihan data, transformasi data, dan penambangan data.

3.2.1 Pembersihan Data

Pada tahap ini akan dilakukan pembersihan data yang tidak lengkap, kosong

(null), noise, dan data yang tidak konsisten. Dalam langkah ini, data yang bernilai

kosong (null), akan dibersihkan dengan cara mengganti data tersebut dengan nilai

yang frekuensinya dominan dalam setiap masing-masing baris yang mempunyai

missing value pada data.

3.2.2 Transformasi Data

Pada tahap ini akan dilakukan transformasi data, atribut jenis kelamin diubah

dari 0 dan 1 menjadi wanita dan pria, dan data atribut umur nilainya diubah dari

satuan numerik menjadi satuan kategori umur tertentu, terakhir, atribut kelas pada

data hipertensi diklasifikasikan menjadi beberapa stadium sesuai dengan jurnal

ilmiah Joint National Comitte on Detection, Evaluation, and Treatment of High

Blood Pressure (JNC) yang dapat dilihat pada tabel 2.1 dalam Bab II subbab 2.2.1.

3.2.3 Penambangan Data

Data yang telah diproses pada tahap sebelumnya kemudian akan diuji

menggunakan algoritma decision tres C4.5. Langkah awal adalah proses input

dimana sistem akan membaca data teks yang berformat CSV (Comma Separated


57

Values). Setelah data dibaca, data berupa string akan tercampur di dalam satu baris

data, sehingga data perlu dipisah untuk kemudian diubah ke tipe data double kecuali

data jenis kelamin, umur, dan kelas, yaitu NORMAL, PREHIP, STADIUM1, STADIUM2,

sehingga data dapat diproses ke dalam perhitungan klasifikasi. Untuk melakukan

pemrosesan data tersebut maka sistem perlu menulis ulang data teks hipertensi

sehingga data hipertensi dapat diproses oleh sistem dan menghasilkan output berupa

hasil akurasi dan prediksi jenis hipertensi.

3.3 Perancangan Sistem

Pada bagian ini, akan dijelaskan tentang gambaran sistem yang akan

dibangun, yaitu berupa diagram Use Case, skenario Use Case, diagram Aktivitas,

dan desain antarmuka sistem.

3.3.1 Diagram Use Case

Aktor dari sistem ini hanya pengguna. Fungsi utama yang dapat dilakukan

oleh pengguna adalah melakukan klasifikasi. Pengguna juga dapat mengimpor data

dan menentukan jumlah fold. Ketika sistem melakukan fungsi klasifikasi, sistem

akan melakukan proses cross validation, menghitung akurasi dan menampilkan hasil

(output) berupa presentase akurasi, presentase error, jumlah data yang

diklasifikasikan dengan benar, jumlah data yang diklasifikasikan dengan salah dari

pemrosesan dengan algoritma decision tree C4.5.


58

User

Gambar 3.1 Diagram Use Case

3.3.2 Deskripsi Use Case

Fungsi yang dapat dilakukan oleh Pengguna terhadap sistem digambarkan

dengan diagram use case seperti pada Gambar 3.1. Berikut ini deskripsi atau

penjelasan dari diagram tersebut:

<< depends on >>

<< depends on >>

Hitung

Akurasi

Memilih

jumlah fold

Impor

Dataset

Uji Data

Tunggal


59

Tabel 3.2 Deskripsi Use Case

No Nama Use Case Deskripsi Use Case

1. Impor Dataset Fungsi ini digunakan untuk memasukkan data

kedalam sistem menggunakan file berekstensi

.csv. Dataset yang dimasukkan akan diproses

dengan menggunakan algoritma C4.5.

2. Memilih jumlah fold Fungsi ini digunakan untuk menentukan jumlah

fold yang akan digunakan dalam proses cross

validation.

3. Hitung Akurasi Fungsi ini digunakan untuk menghitung tingkat

akurasi untuk kemudian mendapatkan hasil

berupa presentase akurasi, presentase error,

jumlah data yang diklasifikasikan dengan benar,

jumlah data yang diklasifikasikan dengan salah.

4. Uji Data Tunggal Fungsi ini digunakan untuk melakukan proses

pengujian data tunggal untuk kemudian

mendapatkan hasil berupa nilai kelas yang

diprediksi


60

3.3.3 Skenario Use Case

Skenario Use Case merupakan penjabaran dari masing-masing use case yang

terdapat pada diagram Use Case.

Tabel 3.3 Skenario Use Case : Impor Dataset

Nama Use Case Impor Dataset

Deskripsi

Use Case

Use case ini digunakan untuk memasukkan data ke dalam

sistem menggunakan file yang berekstensi .csv

Pra Kondisi -

Langkah

Umum

Kegiatan Aktor Respon Sistem

Pengguna menekan

tombol Load Train File

Sistem menampilkan kotak

dialog Choose file

Pengguna memilih file

yang diinginkan dan

menekan tombol Open

Sistem membaca file dan

menampilkan lokasi file ke

dalam sistem

Alternatif -

Kesimpulan Use case ini berhenti apabila data telah masuk dan

terbaca oleh sistem.


61

Tabel 3.4 Skenario Use Case : Memilih jumlah fold

Nama Use Case Memilih jumlah fold

Deskripsi Use

Case

Use case ini digunakan untuk menentukan jumlah fold

yang akan digunakan dalam proses cross validation.

Pra Kondisi Data telah diimpor

Langkah Umum Kegiatan Aktor Respon Sistem

Pengguna memilih

jumlah fold yang

diinginkan sesuai jumlah

yang telah ditetapkan

sistem dalam combo box.

Sistem mengeset angka yang

telah diganti sebagai fold.

Alternatif -

Kesimpulan Use case ini berhenti apabila telah memilih angka di

combo box dan menekan tombol proses.


62

Tabel 3.5 Skenario Use Case : Hitung Akurasi

Nama Use Case Hitung Akurasi

Deskripsi Use

Case

Use case ini digunakan untuk melakukan proses uji

algoritma decision tree C.4.5 dan menghitung akurasi.

Pengguna dapat melihat presentase akurasi yang

dihasilkan.

Pra Kondisi - Dataset telah dimasukkan ke dalam sistem.

- Jumlah fold telah ditentukan


Pengguna menekan

tombol proses

Sistem menampilkan hasil

presentase akurasi, presentase

error, jumlah data yang

diklasifikasikan dengan

benar,dan jumlah data yang

diklasifikasikan dengan salah.

Alternatif -

Kesimpulan Sistem menampilkan hasil presentase akurasi, presentase

error, jumlah data yang diklasifikasikan dengan benar,dan

jumlah data yang diklasifikasikan dengan salah.


63

Tabel 3.6 Skenario Use Case : Uji Data Tunggal

Nama Use Case Uji Data Tunggal

Deskripsi Use

Case

Use case ini digunakan untuk melakukan proses uji data

tunggal. Pengguna dapat melihat hasil hasil prediksi yang

diproses oleh sistem.

Pra Kondisi - Dataset telah dimasukkan ke dalam sistem.


Pengguna menekan

tombol proses

Sistem menampilkan hasil

prediksi dari data tunggal

yang diuji.

Alternatif -

Kesimpulan Use case ini berhenti apabila telah berhasil menampilkan

hasil prediksi kelas dari data tunggal yang diuji.


64

Selesai

Mulai

Klik tombol

Load Train File

No Yes

Impor

Train File

Tampilkan

pesan error

Menampilkan

kotak Dialog

Choose File

Memilih Train

File dalam

explorer lalu

tekan Open

Sesuai

Format

3.3.4 Diagram Akivitas

Diagram Aktivitas ini digunakan untuk menunjukkan kegiatan yang

dilakukan oleh pengguna dan respon sistem atas setiap kegiatan pengguna dalam

setiap use case. Berikut rincian diagram Aktivitas dari sistem yang dibuat :

3.3.5 Diagram Aktivitas Mengimpor Data

AKTOR SISTEM

Gambar 3.2 Diagram Aktivitas Mengimpor Data


65

3.3.6 Diagram Aktivitas Memilih jumlah fold

AKTOR SISTEM

Gambar 3.3 Diagram Aktivitas Memilih jumlah fold

Mulai

User memilih jumlah

folds dalam combo box

Mengeset angka yang

dipilih User sebagai

jumlah folds

Selesai


66

3.3.7 Diagram Aktivitas Uji Akurasi

AKTOR SISTEM

Gambar 3.4 Diagram Aktivitas Melakukan Uji Akurasi

Mulai

User menekan tombol

Proses

Menampilkan hasil

berupa Akurasi,

Error,Data Benar, Data

Salah,dan decision tree

Selesai


67

3.3.8 Diagram Aktivitas Melakukan Uji Data Tunggal

AKTOR SISTEM

Gambar 3.5 Diagram Aktivitas Melakukan Uji Data Tunggal

Mulai

User menekan tombol

Proses pada tab Uji Data

Tunggal Menampilkan hasil

berupa prediksi kelas

dari data tunggal yang

diuji

Selesai


68

3.4 Perancangan Algoritma decision tree C4.5

Pada bagian ini akan disebutkan bagaimana proses jalannya algoritma

decision tree C4.5. Berikut adalah langkah-langkah prosesnya :

1. Masukkan data hipertensi.

2. Menghitung Total Entropy sebelum dicari masing-masing Entropy class dari

masing-masing atribut.

3. Hitung nilai Information gain , Split information, dan Gain ratio dari masing-

masing atribut.

4. Ulangi langkah ke-2 dan ke-3 hingga semua record terpartisi.

5. Jika :

a. Semua record didalam node N mendapat kelas yang sama.

b. Tidak ada atribut didalam record yang dapat dipartisi lagi.

c. Tidak ada record didalam Leaf yang kosong.

Maka : Proses partisi decision tree berhenti.

6. Selesai.


69

3.5 Desain Antarmuka Sistem

3.5.1 Tab Home

Gambar 3.6 Desain Antarmuka Tab Home

Home Uji Algoritma Uji Data Tunggal

Klasifikasi Penyakit Hipertensi


70

Load Dataset


Tunggal


Cross Validation

Output decision tree C4.5

Data Benar

Data Salah

Akurasi

Error

Proses

Tab Home merupakan halaman yang muncul pertama kali saat sistem

dijalankan. Halaman ini tidak mempunyai fungsi utama sistem, melainkan hanya

display gambar tentang nama dari sistem tersebut, atau bisa disebut sebagai halaman

welcome screen.

3.5.2 Tab Uji Algoritma

Gambar 3.7 Desain Antarmuka Tab Uji Algoritma


71

Tab Uji Algoritma merupakan halaman yang mempunyai fungsi utama

dalam sistem, disini akan dilakukan proses pengujian algoritma decision tree C4.5

terhadap data hipertensi yang dimasukkan ke sistem.

Untuk mendapat hasil akurasi dari proses klasifikasi, pertama-tama user

menekan tombol Load Train File , kemudian akan muncul kotak dialog Choose file,

disini user memilih file data hipertensi yang berekstensi .csv , untuk selanjutnya klik

Open , lalu data hipertensi telah masuk, kemudian pikih jumlah fold yang sudah

disediakan dalam combo box cross validation , jika sudah memilih jumlah fold,

kemudian klik pada tombol proses untuk melakukan proses klasifikasi pada data

hipertensi, jika proses sudah selesai maka akan ditampilkan hasil presentase akurasi,

presentase error, jumlah data yang diklasifikasikan dengan benar,dan jumlah data

yang diklasifikasikan dengan salah, dimana ilustrasinya dapat dilihat pada gambar

3.7


72


Load Test File


Hasil Klasifikasi

Output Test File

Proses

3.5.3 Tab Uji Data Tunggal

Gambar 3.8 Desain Antarmuka Tab Uji Data Tunggal


73

Tab Uji Data Tunggal merupakan halaman yang berfungsi untuk melakukan

pengujian data tunggal yang bertujuan melakukan prediksi penyakit hipertensi. Pada

halaman ini pertama-tama pengguna menekan tombol Load Test File, kemudian

muncul dialog Choose file , pilih file uji data tunggal, lalu klik Open untuk

memasukkan dan menampilkan isi data yang akan di uji, selanjutnya klik tombol

proses untuk melihat hasil prediksi dari file data tunggal yang diuji, dimana

ilustrasinya dapat dilihat pada gambar 3.8

3.6 Perancangan Struktur Data

Perancangan struktur data dalam pembuatan sistem ini digunakan untuk

menyimpan dan mengorganisasikan informasi yang tersedia. Struktur data sendiri

dapat membantu pengolahan data agar lebih efisien. Pada sistem yang akan

dirancang, struktur data yang digunakan adalah konsep struktur data ArrayList,

HashMap, HashSet, dan HashTable.

3.6.1 ArrayList

ArrayList merupakan sebuah kelas yang memungkinkan untuk membuat list

objek array yang ukurannya dapat berubah secara dinamis atau dengan kata lain

ukuran ArrayList dapat berubah sesuai dengan data yang dimasukkan. ArrayList

hampir mirip seperti fungsi array, digunakkan untuk menyimpan data objek. Namun

perbedaannya dengan array biasa terletak pada tipe data dari objek yang

akan disimpan ke dalam ArrayList. Pada struktur data ini setiap metode tidak diberi

keyword synchronized, sehingga ketika dieksekusi dalam Thread, hal ini dapat


74

mengakibatkan unsafe Thread, alias dapat terjadi tabrakan Thread ketika mencoba

memanggil metode ArrayList.

Gambar 3.9 Ilustrasi struktur data ArrayList

Pada gambar 3.9 menunjukkan bahwa size atau ukuran banyaknya data yang

ditampung adalah 16 karena data yang diinputkan ada 8 data, jika ditambahkan data

lagi, maka size ArrayList akan berubah secara dinamis sesuai jumlah data.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

d1

d1 d2

d1 d2 d3

d1 d2 d3 d4

d1 d2 d3 d4 d5

d1 d2 d3 d4 d5 d6

d1 d2 d3 d4 d5 d6 d7

d1 d2 d3 d4 d5 d6 d7 d8


75

3.6.2 HashMap

Hashmap adalah struktur data map yang di berikan kemampuan hashing.

hashing adalah salah satu metode pemberian nilai pada string, yang biasanya di pakai

untuk pembandingan kesamaan atau kedekatan dari satu string ke string yang lain.

Pada proses pencarian pada HashMap yaitu pertama membuat nilai hash pada string

yang di cari kemudian membandingkan nilai hash tersebut dengan nilai hash pada

semua string yang ada di hashmap atau di struktur data.

Dalam tabel hash yang digunakan pada Java, setiap lokasi array adalah suatu

list berantai yang berisi pasangan kunci/nilai (atau mungkin juga list kosong). Jika

dua item memiliki kode hash yang sama, maka kedua item tersebut akan ada pada

list yang sama. Berikut desain struktur data dari HashMap :

Gambar 3.10 Ilustrasi struktur data HashMap


76

Pada gambar 3.10., hanya ada satu item dengan kode hash 0, tidak ada item

dengan kode hash 1, dua item dengan kode hash 2, dan seterusnya. Pada tabel hash

yang dirancang dengan benar, hampir semua list berantai berisi nol atau satu elemen

saja, dengan rata-rata panjang list kurang dari 1. Meskipun kode hash dari suatu

kunci mungkin tidak membawa kita langsung pada kunci yang kita mau, akan tetapi

tidak akan lebih dari satu atau dua item yang harus kita cari sebelum kita sampai

pada item yang kita inginkan (Anonim. 2012).

3.6.3 HashSet

Set mengikuti model himpunan, dimana objek atau anggota yang tersimpan

didalamnya harus bersifat unik, urutan maupun letak dari anggota tidaklah penting,

hanya keberadaan anggota saja yang penting. HashSet memiliki kemiripan dengan

ArrayList, namun berbeda dengan ArrayList yang memperbolehkan duplikasi data,

pada HashSet tidak dibolehkan terdapat duplikasi data, struktur data ini mirip dengan

HashMap namun tidak memiliki nilai, hanya memiliki key.


77

3.6.4 HashTable

Hash Table merupakan solusi untuk menyelesaikan masalah pencarian. Hash

Table, seperti HashMap, menyimpan pasangan kunci/nilai. Jika kita mengetahui

kuncinya, maka kita bisa mencari nilainya di dalam tabel. Jika tabel hash digunakan

untuk mengimplementasikan set, maka semua nilainya berisi null. Kita masih harus

mencari kuncinya di dalam tabel. Pada hakekatnya hash table merupakan solusi yang

sangat efisien dalam mengatasi masalah pencarian pada sebuah data. Hal ini

dikarenakan table hash seperti halnya hashmap menyimpan setiap pasangan kunci

atau nilai dari setiap data. Jika diketahui sebuah kuncinya maka bukan hal yang

mustahil lagi untuk mencari atau mengetahui nilai dari data tersebut. Namun lain

halnya jika hash table diimplementasikan pada system set data maka untuk mencari

sebuah nilai kita harus mencari kunci di dalam table hash padahal semua nilai yang

berada dalam tabel berisi null.

3.7 Pengujian

Pengujian dilakukan untuk mengetahui akurasi dari proses klasifikasi. Akurasi

merupakan presentase data yang terklasifikasikan dengan benar. Pengujian ini

menggunakan k-fold cross validation dengan membagi data menjadi beberapa bagian

untuk training dan testing. Dari jumlah data, akan dibagi menjadi beberapa bagian

dan digunakan untuk testing dan training. Proses tersebut dilakukan beberapa kali

dengan kombinasi kelompok data yang berbeda-beda. Hasil dari proses tersebut

dapat dibentuk menjadi tabel confusion matrix dimana tabel tersebut dapat diketahui

jumlah data yang teridentifikasi secara benar untuk selanjutnya dihitung akurasinya.


78

BAB IV

IMPLEMENTASI SISTEM

Bab ini akan membahas hasil penelitian berupa sistem yang telah dibangun

berdasarkan perancangan yang telah dibahas pada bab sebelumnya dan hasil yang

didapatkan dari sistem. Implementasi yang dijelaskan berupa software dan hardware

yang digunakan dalam implementasi sistem dan implementasi kelas pembuatan

sistem.

4.1 Spesifikasi Hardware dan Software

Spesifikasi Hardware yang digunakan dalam implementasi sistem ini adalah :

Hardware :

Processor : Intel® Core™

i5-4200H @ 2,8 GHz

Memory : 8 GB DDR3

Hard disk : 1000 GB

Software :

Operating System : Windows 10 Pro 64-Bit

Bahasa Pemrograman : Java

IDE Environment : Netbeans IDE 8.1

78


79

4.2 Implementasi User Interface

Pada bagian ini akan dibahas mengenai implementasi dari sistem yang telah

dirancang pada bab sebelumnya. Sistem ini mempunyai tiga bagian, yaitu bagian

halaman tab Home, halaman tab Uji Algoritma, dan halaman tab uji Data Tunggal.

4.2.1 Halaman Tab Home

Gambar 4.1 Tampilan User Interface Halaman Tab Home


80

Tab Home merupakan halaman yang muncul pertama kali saat sistem

dijalankan. Halaman ini tidak mempunyai fungsi utama sistem, melainkan hanya

display gambar tentang nama dari sistem tersebut, atau bisa disebut sebagai halaman

welcome screen.

4.2.2 Halaman Tab Uji Algoritma

Gambar 4.2 Tampilan User Interface Halaman Tab Uji Algoritma


81

Halaman Tab Uji Algoritma merupakan halaman yang mempunyai fungsi

utama dalam sistem, disini akan dilakukan proses pengujian algoritma decision tree

C4.5 terhadap data hipertensi yang dimasukkan ke sistem.

Untuk mendapat hasil akurasi dari proses klasifikasi, pertama-tama user

menekan tombol Load Train File , kemudian akan muncul kotak dialog Choose file

seperti pada gambar 4.3, disini user memilih file data hipertensi yang berekstensi .csv

, untuk selanjutnya klik Open , lalu data hipertensi telah masuk, kemudian pikih

jumlah fold yang sudah disediakan dalam combo box cross validation , jika sudah

memilih jumlah fold, kemudian klik pada tombol proses untuk melakukan proses

klasifikasi pada data hipertensi, jika proses sudah selesai maka akan ditampilkan

hasil presentase akurasi, presentase error, jumlah data yang diklasifikasikan dengan

benar,dan jumlah data yang diklasifikasikan dengan salah.

Gambar 4.3 Tampilan kotak dialog Choose file


82

4.2.3 Halaman Tab Uji Data Tunggal

Gambar 4.4 Tampilan User Interface Halaman Tab Uji Data Tunggal


83

Halaman Tab Uji Data Tunggal merupakan halaman yang berfungsi untuk

melakukan pengujian data tunggal yang bertujuan melakukan prediksi penyakit

hipertensi. Pada halaman ini pertama-tama pengguna menekan tombol Load Test

File, kemudian muncul dialog Choose file seperti yang ditunjukkan oleh gambar 4.3 ,

pilih file uji data tunggal, lalu klik Open ,untuk memasukkan dan menampilkan isi

data yang akan di uji Selanjutnya klik tombol proses untuk melihat hasil prediksi dari

file data tunggal yang diuji.

4.3 Proses Input Data

Pada subbab ini akan dibahas langkah-langkah bagaimana sistem melakukan

preprocessing dari data hipertensi RSU Provinsi Nusa Tenggara Barat agar data

tersebut nantinya dapat dimasukkan ke dalam proses klasifikasi. Data yang

digunakan adalah data yang berbentuk teks, agar data teks tersebut dapat diproses

dengan klasifikasi maka langkah pertama adalah membaca data teks kemudian

menulis ulang menjadi data yang dapat di proses oleh sistem untuk dapat

dilakukannya klasifikasi.


84

4.3.1 Membaca Teks kedalam Sistem

Pada tahap ini, sistem akan melakukan pembacaan file teks, dimana proses

pembacaan teks dilakukan secara perbaris dengan melakukan perulangan untuk

membaca teks dari baris awal sampai dengan baris akhir. Berikut kode programnya :

public void setSource(InputStream input) throws IOException {

m_structure = null;

m_sourceFile = null;

m_File = null;

m_sourceReader = new BufferedReader(new InputStreamReader(input));

}

Langkah Pertama dari potongan kode diatas ialah deklarasi variabel untuk

membangun sebuah struktur file yang akan dibaca kedalam sistem, dengan method

BufferedReader sebagai pembaca isi dalam file.


85

private void readHeader() throws IOException {

m_rowCount = 1;

m_current = new ArrayList<Object>();

m_rowBuffer = new ArrayList<String>();

String firstRow = m_sourceReader.readLine();

if (firstRow == null) {

throw new IOException("Tidak terdapat Data didalam File!");

}

ArrayList<Attribute> attribNames = new ArrayList<Attribute>();

StringReader sr = new StringReader(firstRow + "\n");

m_st = new StreamTokenizer(sr);

initTokenizer(m_st);

attribNames.add(new Attribute(attName, (List<String>) null));

}

Kode program diatas berfungsi sebagai pembaca string pada baris pertama

file yang mengindikasikan baris pertama adalah deklarasi nama-nama untuk setiap

atribut pada file yang dipilih pengguna.


86

Langkah pertama pada potongan kode diatas adalah variabel m_rowCount =

1; yang berfungsi sebagai indikasi jumlah baris dalam file , nilai 1 dimaksudkan

bahwa baris pertama adalah nama atribut, lalu variabel m_current = new

ArrayList<Object>(); adalah deklarasi object arraylist baru yang digunakan untuk

menyimpan satu baris teks kedalam arraylist ketika membaca, kemudian

m_rowBuffer = new ArrayList<String>(); berfungsi untuk menyimpan String dalam

arraylist, kemudian String firstRow = m_sourceReader.readLine(); berfungsi

sebagai pembaca isi baris dalam file yang kemudian dibuat object arraylist baru

untuk menyimpan nama-nama atribut dari file yang dibaca

Potongan kode diatas berfungsi sebagai penampung isi dalam teks yang

dibaca sebagai String dengan fungsi StringBuilder, yang kemudian jumlah barisnya

pun bertambah sesuai banyaknya jumlah baris dalam file tersebut.

StringBuilder temp = new StringBuilder();

for (Object o : m_current) {

temp.append(o.toString()).append(m_FieldSeparator);

}

m_rowCount++;

return temp.substring(0, temp.length() - 1);

}


87

4.3.2 Mengkonversi Teks didalam Sistem

Pada tahap ini akan dilakukan proses konversi isi dari data teks yang telah

dibaca ke dalam sistem agar dapat di proses oleh algoritma decision tree C4.5.

Langkah – langkah yang akan dilakukan sistem yaitu :

1. Mengambil data per atribut.

2. Mengkonversi teks ke double agar dapat diproses oleh sistem.

3. Menyimpan ke Dataset.

Langkah pertama dalam melakukan penulisan ulang isi dari data teks adalah

mengambil data per atribut, Berikut adalah potongan kode programnya :

// menyimpan data per atribut sebanyak jumlah atribut kedalam vals

double[] vals = new double[m_structure.numAttributes()];

//untuk setiap jumlah data dari atribut

for (int i = 0; i < m_structure.numAttributes(); i++) {

// mengambil data dan menyimpan ke object val

Object val = m_current.get(i);

// jika ada data dari setiap atribut yang bertipe String

if (m_structure.attribute(i).isString()) {

// maka nilai double nya 0 atau tidak ada nilainya

vals[i] = 0;

// simpan sebagai String

m_structure.attribute(i).setStringValue(Utils.unquote(val.toString()));


88

Potongan kode diatas pertama-tama adalah menyimpan data per atribut

sebanyak jumlah atribut kedalam variabel vals yang bertipe double, lalu untuk

setiap jumlah data dari atribut dalam file akan diambil datanya yang kemudian

akan disimpan ke object val , lalu jika ada data dari setiap atribut yang bertipe

String , maka nilai variabel vals untuk setiap atribut yang mempunyai kondisi

seperti diatas akan diberi nilai double nya menjadi 0, atau tidak ada nilainya,

yang akhirnya akan di set nilainya sebagai String.

// jika ada data dari setiap atribut yang bertipe numerik

} else if (m_structure.attribute(i).isNumeric()) {

try {

// maka akan di parse ke double

Double v = Double.parseDouble(val.toString());

// menyimpan vals sebagai double array v

vals[i] = v.doubleValue();

} catch (NumberFormatException ex) {

}

} else {

// untuk atribut yang bertipe nominal maka setiap nilainya akan

disimpan dalam double array index

Double index = m_structure.attribute(i).indexOfValue(Utils.unquote

(val.toString()));

vals[i] = index;

}

}


89

Potongan kode diatas pertama-tama adalah jika ada data dari setiap

atribut yang bertipe numerik , maka nilai variabel vals untuk setiap atribut yang

mempunyai kondisi seperti diatas maka akan di parse ke double dan disimpan

ke double array v, kemudian untuk atribut yang mempunyai nilai nominal, maka

setiap nilai nominalnya akan disimpan dalam double array index

Potongan kode diatas pertama-tama adalah mendeklarasikan variabel inst

yang bertipe DenseInstance yang akan digunakan untuk menyimpan isi dari

variabel aray double vals dimana dapat dilihat pada potongan kode sebelumnya

diatas, yang menyimpan nilai double dari setiap data dalam file yang dibaca,

untuk kemudian nantinya menjadi data yang dipakai utuk melakukan

perhitungan klasifikasi.

DenseInstance inst = new DenseInstance(vals);

inst.setDataset(m_structure);

return inst;

}


90

4.4 Implementasi Algoritma decision tree C4.5 pada sistem

Pada tahap ini akan dijelaskan proses implementasi dari perhitungan algoritma

decision tree C4.5. Langkah-langkah yang dilakukan dalam proses klasifikasi dengan

algoritma ini adalah :

1. Menghitung distribusi frekuensi kelas dari masing-masing atribut.

2. Menghitung Entropy Total dari data

3. Menghitung Entropy dari setiap atribut dalam data.

4. Menghitung Information gain dari setiap atribut dalam data

5. Menghitung Gain ratio dari setiap atribut dalam data


91

4.4.1 Menghitung distribusi frekuensi kelas dari masing-masing atribut

Langkah pertama dalam proses klasifikasi algoritma decision tree C4.5

adalah menghitung distribusi frekuensi kelas, dimana berarti banyaknya data dari

suatu atribut yang terdapat dalam kategori tertentu. Berikut kode programnya :

Pada potongan kode program diatas, sistem akan menyimpan nilai dari

jumlah distribusi frekuensi kelas kedalam array double , lalu akan menambahkan

data yang dibaca perbaris kedalam masing-masing variabel penampung jumlah dari

masing-masing datanya yang kemudian akan tersimpan ke array double sesuai

banyak data dalam file yang diproses, proses perulangan dan pemisahan antara nilai

data atribut dan kelas menggunakan fungsi enumerasi yang memisahkan perhitungan

jumlah keanggotaan untuk setiap baris data dalam ArrayList yang dibaca.

public Distribution(Instances dataset) throws Exception {

m_perClassPerBag = new double[1][0];

m_perBag = new double[1];

totaL = 0;

m_perClass = new double[dataset.numClasses()];

m_perClassPerBag[0] = new double[dataset.numClasses()];

Enumeration<Instance> enu = dataset.enumerateInstances();

while (enu.hasMoreElements()) {

add(0, enu.nextElement());

}

}


92

Pada potongan kode program diatas, sistem akan membaca keanggotaan data

dalam setiap atribut ke nilai kelas yang ada , kemudian akan disimpan dalam aray

double yang menampung jumlah - jumlah keanggotaan tersebut, sehingga distribusi

frekuensi kelasnya akan otomatis bertambah sesuai dengan setiap data yang muncul

pada kategori tertentu.

public final void add(int bagIndex, Instance dataset) throws Exception {

int classIndex;

double weight;

classIndex = (int) instance.classValue();

weight = instance.weight();

m_perClassPerBag[bagIndex][classIndex] =

m_perClassPerBag[bagIndex][classIndex]+weight;

m_perBag[bagIndex] = m_perBag[bagIndex] + weight;

m_perClass[classIndex] = m_perClass[classIndex] + weight;

totaL = totaL + weight;

}


93

4.4.2 Menghitung Entropy Total dari data

Langkah kedua dalam proses klasifikasi algoritma decision tree C4.5 adalah

menghitung Entropy Total dari data, perhitungan dilakukan dengan menggunakan

persamaan (1) yang akan diimplemetaskan ke dalam kode program berikut :

Pada potongan kode program diatas, sistem akan membuat sebuah array double

untuk menyimpan nilai Entropy Total yang dihitung dengan melakukan iterasi

sebanyak jumlah kelas dalam data.

public final double oldEnt(Distribution bags) {

double returnValue = 0;

int j;

for (j=0; j<bags.numClasses(); j++)

returnValue = returnValue+lnFunc(bags.perClass(j));

return (lnFunc(bags.total())-returnValue)/log2;

}


94

4.4.3 Menghitung Entropy dari setiap atribut dalam data

Langkah ketiga dalam proses klasifikasi algoritma decision tree C4.5 adalah

menghitung Entropy dari setiap atribut dalam data, perhitungan dilakukan dengan

menggunakan persamaan (1) yang akan diimplemetasikan ke dalam kode program

berikut :

Pada potongan kode program diatas, sistem akan membuat sebuah array

double untuk menyimpan nilai Entropy dari setiap atribut dalam data yang dihitung

dengan melakukan iterasi sebanyak jumlah data, dan jumlah kelas dalam data untuk

mendapatkan keanggotaaan kelas dari data untuk setiap atribut.

public final double newEnt(Distribution bags) {


int i,j;

for (i=0; i<bags.numBags(); i++){

for (j=0; j<bags.numClasses(); j++)

returnValue = returnValue+lnFunc(bags.perClassPerBag(i,j));

returnValue = returnValue-lnFunc(bags.perBag(i));

}

return -(returnValue/log2);

}


95

4.4.4 Menghitung Information gain dari setiap atribut dalam data

Langkah keempat dalam proses klasifikasi algoritma decision tree C4.5

adalah menghitung Information gain dari setiap atribut dalam data, perhitungan

dilakukan dengan menggunakan persamaan (2) yang akan diimplemetasikan ke

dalam kode program berikut :

Pada potongan kode program diatas, sistem akan membuat array double

untuk menyimpan nilai perhitungan information gain yang dimana nilainya

didapatkan dari perhitungan Entropy Total dikurangi dengan Entropy dari setiap

atribut dalam data.

public final double splitCritValue(Distribution bags, double totalNoInst) {

double numerator;

double noUnknown;

double unknownRate;

noUnknown = totalNoInst - bags.total();

unknownRate = noUnknown / totalNoInst;

numerator = (oldEnt(bags) - newEnt(bags));

numerator = (1 - unknownRate) * numerator;

// Splits with no gain are useless.

if (Utils.eq(numerator, 0)) {

return 0;

}

return numerator / bags.total();

}


96

4.4.5 Menghitung Gain ratio dari setiap atribut dalam data

Langkah kelima dalam proses klasifikasi algoritma decision tree C4.5 adalah

menghitung Gain ratio dari setiap atribut dalam data, untuk mendapatkan nilai gain

ratio, maka harus dihitung split info terlebih dahulu dengan menggunakan persamaan

(4) yang akan diimplemetasikan ke dalam kode program berikut :


untuk menyimpan nilai perhitungan split info dari setiap atribut dalam data yang

dihitung dengan melakukan iterasi sebanyak jumlah data dalam setiap atribut yang

ada.

private final double splitEnt(Distribution bags, double totalnoInst) {


double noUnknown;

int i;

noUnknown = totalnoInst - bags.total();

if (Utils.gr(bags.total(), 0)) {

for (i = 0; i < bags.numBags(); i++) {

returnValue = returnValue - lnFunc(bags.perBag(i));}

returnValue = returnValue - lnFunc(noUnknown);

returnValue = returnValue + lnFunc(totalnoInst);}

return returnValue / log2;}}


97

Setelah mendapatkan nilai split info melalui perhitungan sebelumnya, maka

selanjutnya dapat dihitung nilai gain ratio nya dengan menggunakan persamaan (3)

yang akan diimplemetasikan ke dalam kode program berikut :


untuk menyimpan nilai perhitungan gain ratio dari setiap atribut dalam data yang

dihitung dengan memanggil method untuk menghitung information gain, lalu

menjadikan method ini sebagai pembilang (numerator) , kemudian memanggil

method untuk menghitung split info, lalu menjadikan method ini sebagai pembagi

(denumerator) , yang akhirnya dari hasil membagi information gain dengan split info

akan menghasilkan nilai gain ratio untuk masing-masing atribut.

public final double splitCritValue(Distribution bags, double totalnoInst,

double numerator) {

double denumerator;

// Compute split info.

denumerator = splitEnt(bags, totalnoInst);

// Test if split is trivial.

if (Utils.eq(denumerator, 0)) {

return 0;}

denumerator = denumerator / totalnoInst;

return numerator / denumerator;

}


98

Setelah mendapatkan nilai gain ratio, sistem akan melakukan perbandingan

nilai gain ratio dari setiap atribut dalam data, dimana nilai tertinggi akan dijadikan

split point untuk pembagian partisi setiap aribut yang akan menghasilkan hasil

klasifikasi dalam bentuk decision tree, yang diimplementasikan pada kode program

berikut :

for (i = 0; i < data.numAttributes(); i++) {

if ((i != (data).classIndex()) && (currentModel[i].checkModel())) {

if ((currentModel[i].infoGain() >= (averageInfoGain - 1E-3))

&& Utils.gr(currentModel[i].gainRatio(), minResult)) {

bestModel = currentModel[i];

minResult = currentModel[i].gainRatio();

}

}

}


99

4.5 Pengujian

4.5.1 Menghitung Evaluasi Cross Validation

Teknik cross validation digunakan untuk melakukan validasi keakuratan dari

suatu klasifikasi. Pada tahap ini akan dijelaskan beberapa proses dalam melakukan

evaluasi dengan cross validation. Untuk melakukan evaluasi klasifikasi dengan

teknik cross validation, perlu diperhatikan beberapa langkah yaitu :

1. Melakukan perulangan sebanyak jumlah fold. Selama perulangan

tersebut dilakukan pengambilan data secara random sebagai data training

sebanyak dari hasil pembagian antara jumlah total data dan jumlah fold.

2. Lakukan klasifikasi pada data training dengan algoritma decision tree

C4.5.

3. Lakukan pengambilan data sebanyak dari jumlah sisa pembagian data

training secara random sebagai data validasi, kemudian mengevaluasi

model klasifikasi yang telah dilakukan sebelumya terhadap data validasi

yang ada.

4. Dapatkan statistik hasil kinerja evaluasi model pengklasifikasian pada

data berupa true positive, true negative, false positive, dan false negative.


100

Langkah pertama yang dilakukan pada sistem adalah melakukan perulangan

sebanyak jumlah fold, selama proses tersebut lakukan tersebut dilakukan

pengambilan data secara random sebagai data training ,berikut kode programnya :

Pada potongan kode program diatas, perulangan dilakukan untuk mengambil

data yang akan dijadikan data training secara random, proses dilakukan sebanyak

jumlah fold yang ditentukan.

Langkah kedua yang dilakukan pada sistem adalah melakukan klasifikasi

pada data training dengan algoritma decision tree C4.5, berikut kode programnya :

Pada potongan kode program diatas, akan dilakukan klasifikasi pada data

training dengan algoritma decision tree C4.5, yang kemudian hasil dari model

klasifikasi yang telah dilakukan akan dievaluasi pada langkah selanjutnya.

Langkah ketiga yang dilakukan pada sistem adalah melakukan pengambilan

data yang akan dijadikan data validasi secara random, lalu akan dilakukan evaluasi

model klasifikasi yang telah dilakukan sebelumya terhadap data validasi yang ada,

berikut kode programnya :

for (int i = 0; i < numFolds; i++) {

Instances train = data.trainCV(numFolds, i, random);

Classifier copiedClassifier = AbstractClassifier.makeCopy(classifier);

copiedClassifier.buildClassifier(train);

Instances validation = data.testCV(numFolds, i);

evaluateModel(copiedClassifier, validation);


101

Pada potongan kode program diatas, perulangan dilakukan untuk mengambil

data yang akan dijadikan data validasi secara random, proses dilakukan sebanyak

jumlah fold yang ditentukan, lalu akan mengevaluasi model klasifikasi yang telah

dilakukan sebelumnya terhadap data validasi yang ada.

Selanjutnya adalah menghitung kinerja evaluasi model pengklasifikasian

pada data, berikut kode programnya :

int actualClass = (int) instance.classValue();

int predictedClass = -1;

double bestProb = 0.0;

for (int i = 0; i < m_NumClasses; i++) {

if (predictedDistribution[i] > bestProb) {

predictedClass = i;

bestProb = predictedDistribution[i];

}

}

m_WithClass += instance.weight();

m_ConfusionMatrix[actualClass][predictedClass] +=

instance.weight();

if (predictedClass != actualClass) {

m_Incorrect += instance.weight();

} else {

m_Correct += instance.weight();

}


102

Pada potongan kode program diatas, sistem akan mengecek hasil klasifikasi

yang salah (jika nilai kelas antara data validasi dan data training tidak sesuai ,

maka bernilai salah, dan akan disimpan dalam array double m_Incorrect ,

sebaliknya jika sesuai maka akan disimpan dalam arraay double m_Correct, dan

nilai keduanya akan bertambah sesuai banyaknya jumlah data yang ada, untuk

kemudian akan ditentukan mana true positive, true negative, false positive, dan

false negative.

Selanjutnya adalah menghitung jumlah data yang bernilai true positive, true

negative, false positive, dan false negative, berikut kode programnya untuk

menghitung true positive :

public double getTruePositives(int classIndex) {

double correct = 0;

for (int j = 0; j < m_NumClasses; j++) {

if (j == classIndex) {

correct += m_ConfusionMatrix[classIndex][j];

}

}

return correct;

}


103

Pada potongan kode program diatas, sistem akan melakukan perulangan

sebanyak jumlah kelas pada data untuk menghitung jumlah data yang

terklasifikasikan secara positif , dan sesuai dengan data yang memang bernilai aktual

positif.

Selanjutnya adalah menghitung jumlah data yang bernilai true negative ,



bersarang agar tidak menghitung data yang sudah dihitung sebagai true positives

sebanyak jumlah kelas pada data,kemudian menghitung jumlah data yang

terklasifikasikan secara negatif , dan sesuai dengan data yang memang bernilai aktual

negatif.

public double getTrueNegatives(int classIndex) {

double correct = 0;


if (i != classIndex) {


if (j != classIndex) {

correct += m_ConfusionMatrix[i][j];

}

}

}

}

return correct;

}


104

Selanjutnya adalah menghitung jumlah data yang bernilai false positives ,



bersarang agar tidak menghitung data yang sudah dihitung sebagai true positives, dan

true negatives sebanyak jumlah kelas pada data,kemudian menghitung jumlah data

yang terklasifikasikan secara positif , dan tidak sesuai dengan data yang ternyata

bernilai aktual negatif, atau dapat dikatakan ini adalah perhitungan misklasifikasi.

public double getFalsePositives(int classIndex) {

double incorrect = 0;


if (i != classIndex) {


if (j == classIndex) {

incorrect += m_ConfusionMatrix[i][j];

}

}

}

}

return incorrect;

}


105

Selanjutnya adalah menghitung jumlah data yang bernilai false negatives ,



bersarang agar tidak menghitung data yang sudah dihitung sebagai true positives,true

negatives, dan false positives sebanyak jumlah kelas pada data,kemudian menghitung

jumlah data yang terklasifikasikan secara negatif , dan tidak sesuai dengan data yang

ternyata bernilai aktual positif, atau dapat dikatakan ini adalah perhitungan

misklasifikasi.

public double getFalseNegatives(int classIndex) {

double incorrect = 0;


if (i == classIndex) {


if (j != classIndex) {

incorrect += m_ConfusionMatrix[i][j];

}

}

}

}

return incorrect;

}


106

4.5.2 Menghitung Presentase Akurasi

Setelah mendapatkan hasil dari true positive, true negative, false positive,

false negative, untuk langkah selanjutnya adalah menghitung presentase akurasi atau

frekuensi benar dari sebuah proses klasifikasi. Menghitung presentase akurasi dari

sebuah klasifikasi dapat mengunakan persamaan (6) yang diimplementasikan ke

dalam kode program sebagai berikut :

4.5.3 Menghitung Presentase Error

Berikut ini adalah kode program untuk menghitung presentase error

public final double pctCorrect() {

return 100 * m_Correct / m_WithClass;

}

public final double pctIncorrect() {

return 100 * m_Incorrect / m_WithClass;

}


107

4.5.4 Melakukan Pengujian Data Tunggal

Pada tahap ini akan dilakukan pengujian data tunggal untuk mendapatkan

hasil prediksi klasifikasi jenis penyakit hipertensi. Dimana untuk mendapatkan

hasilnya dataset akan dibandingkan dengan data testing untuk kemudian dilakukan

pembacaan rule decision tree yang telah dibentuk yang akan menjadi hasil akhir

untuk menentukan prediksi. Berikut kode programnya :

Pada program diatas, sistem akan melakukan import data training dan data

testing, selanjutnya akan dilakukan perulangan untuk melakukan perbandingan

terhadap kedua data tersebut, dan melakukan pembacaan data, lalu mencocokkan

data testing dengan rule decision tree yang telah dibentuk dengan melakukan proses

klasifikasi pada data training sebelumnya, dimana dari bentuk rule akan menjadi

hasil akhir untuk menentukan prediksi

Instances trainset = TestC45.readCSV(d:/hypertension.csv);

Instances testset = TestC45.readTestFile(d:/hypSingle.csv);

Classifier C45 = new C45Classifier();

C45.buildClassifier(trainset);

for (int j = 0; j < testset.numInstances(); j++) {

Instance newInst = testset.instance(j);

double predC45 = C45.classifyInstance(newInst);

String predString = testset.classAttribute().value((int) predC45);

System.out.println(predString);

}


108

BAB V

PENGUJIAN DAN ANALISA HASIL

5.1 Hasil Pengujian Sistem

Tahap akhir pada penelitian ini adalah pengujian sistem yang telah dibangun

menggunakan algoritma decision tree C4.5. Pada tahap ini, pengujian akan dilakukan

untuk melihat hasil akurasi, hasil decision tree, dan hasil prediksi data tunggal.

5.1.1 Hasil Uji Akurasi

Proses dari uji akurasi ini dilakukan dengan menggunakan teknik k-fold cross

validation yaitu membagi dataset menjadi beberapa kelompok data training dan data

testing. Dalam pengujian ini, penulis menggunakan 3 fold, 5 fold, 10 fold, 15 fold,

dan 20 fold.

Selanjutnya, setelah data dikelompokkan menjadi beberapa kelompok (sesuai

nilai fold), maka langkah selanjutnya menghitung tingkat akurasi dari dataset

hipertensi. Proses perhitungan tingkat akurasi data menggunakan rumus yang telah

dibahas pada bab sebelumnya. Berikut hasil dari pengujian sistem :

108


109

Gambar 5.1 Dataset yang akan diuji


110

Gambar 5.2 Hasil uji akurasi menggunakan 3 fold

Gambar diatas merupakan hasil uji akurasi menggunakan 3 fold cross

validation dimana didapatkan hasil akurasi sejumlah 96.6 % dan error sejumlah 3.4

%, lalu didapatkan pula jumlah data yang terklasifikasi benar sejumlah 632 data, dan

data yang terklasifikasi salah sejumlah 22 data dari total jumlah 654 data.


111







112







113







114







115

Setelah dilakukan pengujian pada sistem menggunakan 3, 5, 10, 15 dan 20

fold cross validation maka rangkuman hasilnya dapat dilihat pada tabel berikut :

Tabel 5.1 Hasil Akurasi Sistem

Dari rangkuman hasil pengujian pada sistem seperti terlihat pada tabel

diatas dapat disimpulkan bahwa :

1. Jumlah fold dapat mempengaruhi hasil dari akurasi.

2. Nilai rata-rata presentase untuk hasil dari akurasi sebesar 97.2 %

3. Nilai rata-rata presentase untuk hasil dari error sebesar 2.8 %

4. Pada pengujian diatas, yang memiliki hasil presentase akurasi tertinggi

adalah pada pengujian dengan menggunakan fold bernilai 10,

sedangkan yang memiliki hasil akurasi terendah adalah di pengujian

dengan menggunakan fold bernilai 3

Fold Akurasi Error Data Benar Data Salah

3 96.6 % 3.4 % 632 22

5 97.1 % 2.9 % 635 19

10 97.9 % 2.1 % 640 14

15 97.4 % 2.6 % 637 17

20 97.2 % 2.8 % 636 18


116

Gambar 5.7 Dataset yang akan diuji (bagian II)

Setelah dilakukan pengujian untuk seluruh atribut data diatas, maka

dilanjutkan pengujian untuk dua atribut yang mempunyai nilai gain ratio tertinggi

yaitu sistolik dan diastolik tanpa menggunakan atribut yang lain, berikut adalah

datanya :


117

Gambar 5.8 Hasil Uji Akurasi menggunakan 3 fold (bagian II)






118







119







120







121







122

Setelah dilakukan pengujian bagian II pada sistem menggunakan 3, 5, 10, 15

dan 20 fold cross validation maka rangkuman hasilnya dapat dilihat pada tabel

berikut :

Tabel 5.2 Hasil Akurasi Sistem (bagian II)

Dari rangkuman hasil pengujian bagian II pada sistem seperti terlihat pada

tabel diatas dapat disimpulkan bahwa :

1. Jumlah fold tidak mempengaruhi hasil dari akurasi karena penggunaan

atribut dengan jumlah minim pada pengujian bagian II ini

2. Nilai rata-rata presentase untuk hasil dari akurasi sebesar 98.3 %

3. Nilai rata-rata presentase untuk hasil dari error sebesar 1.7 %

Fold Akurasi Error Data Benar Data Salah

3 98.3 % 1.7 % 643 11

5 98.3 % 1.7 % 643 11

10 98.3 % 1.7 % 643 11

15 98.3 % 1.7 % 643 11

20 98.3 % 1.7 % 643 11


123

5.1.2 Hasil Decision Tree

Setelah proses hasil uji akurasi pada subbab sebelumnya, maka dihasilkan

pula suatu model klasifikasi yang terbentuk dari algoritma C4.5 dimana model

tersebut direpresentasikan sebagai struktur pohon, yaitu pohon keputusan yang

memuat informasi dan rule dari data hipertensi yang telah diproses oleh algoritma

ini. Berikut hasil dari decision tree yang terbentuk :

Gambar 5.13 simpul daun decision tree bagian kiri


124

Dari gambar 5.13 didapatkan informasi bahwa atribut sistolik menjadi akar

(root) dari decision tree yang terbentuk, yang kemudian akan menghasilkan

sekumpulan aturan (rule) sebagai berikut :

1. IF sistolik <=130 AND sistolik <=115 THEN status :NORMAL (112.0/1.0)

2. IF sistolik <=130 AND sistolik >115 THEN status :PREHIP (259.0/5.0)

Berdasarkan aturan diatas, dapat diketahui bahwa jika jumlah sistolik <=130

dan sistolik <=115 maka status levelnya diklasifikasikan sebagai NORMAL, lalu

berikutnya jika jumlah sistolik <=130 dan sistolik >115 maka status levelnya

diklasifikasikan sebagai PREHIP.

Setelah didapat aturan untuk simpul daun decision tree bagian kiri, maka

dilanjutkan dengan simpul daun decision tree pada bagian kanan yang dapat dilihat

pada gambar 5.14


125

Gambar 5.14 simpul daun decision tree bagian kanan


126

Dari gambar 5.14 didapatkan informasi bahwa atribut sistolik yang memiliki

nilai >130 akan membentuk struktur decision tree dengan banyak simpul cabang

yang kemudian menghasilkan sekumpulan aturan (rule) sebagai berikut :

1. IF sistolik >130 AND sistolik <=150 AND sistolik <=140 AND gender =

wanita AND umur = lansia_akhir AND total <= 181.8 AND wbc <= 6.89

THEN status :PREHIP (2.0)


wanita AND umur = lansia_akhir AND total <= 181.8 AND wbc >6.89 THEN

status :STADIUM1 (2.0)


wanita AND umur = lansia_akhir AND total >181.8 THEN status :STADIUM1

(14.0)


wanita AND umur = manula THEN status :STADIUM1 (19.0/1.0)


wanita AND umur = lansia_awal THEN status :STADIUM1 (8.0)


wanita AND umur = dewasa_akhir THEN status :STADIUM1 (5.0)


wanita AND umur = dewasa_awal THEN status :STADIUM1 (0.0)

8. IF sistolik >130 AND sistolik <=150 AND sistolik <=140 AND gender = pria

THEN status :STADIUM1 (56.0/1.0)

9. IF sistolik >130 AND sistolik >140 AND sistolik <=150 THEN status

:STADIUM1 (59.0)

10. IF sistolik >130 AND sistolik >150 THEN status :STADIUM2 (118.0)


127

Gambar 5.15 simpul daun decision tree bagian kiri dari pengujian II

Setelah menganalisa hasil decision tree untuk pengujian pertama sebelumnya,

maka selanjutnya menganalisa untuk pengujian bagian II, berikut hasil dari decision

tree yang terbentuk dari pengujian bagian II :


128

Gambar 5.16 simpul daun decision tree bagian kanan dari pengujian II

Dari gambar 5.15 didapatkan informasi bahwa atribut sistolik masih menjadi

akar (root) dari decision tree yang terbentuk pada pengujian bagian II ini ,yang

berarti bahwa rule yang dihasilkan akan sama dengan pengujian pertama sebelumnya

yang dapat dilihat pada penjelasan gambar 5.13

Setelah didapat simpul daun decision tree bagian kiri, maka dilanjutkan

dengan simpul daun decision tree pada bagian kanan yang dapat dilihat pada gambar

5.16


129

Dari gambar 5.16 didapatkan informasi bahwa atribut sistolik yang memiliki

nilai <= 150 akan langsung membentuk simpul akhir dengan hasil STADIUM1

sebanyak 165 data yang merupakan hasil penjumlahan masing-masing data dalam

banyak cabang pohon keputusan yang telah terbentuk dari pengujian pertama yang

bisa dilihat pada gambar 5.14, dengan kata lain pengujian bagian II bertujuan

menganasila bagaimana algoritma decision tree C4.5 melakukan pemangkasan

cabang pohon (pruning).


130

5.1.3 Hasil Uji Data Tunggal

Proses dari uji data tunggal ini adalah pengguna melakukan impor data

tunggal, selanjutnya melakukan proses perhitungan menggunakan rumus yang telah

dibahas pada bab sebelumnya. Berikut hasil dari pengujian sistem :

Gambar 5.17 Data testing atau data tunggal yang akan diuji


131

Gambar 5.18 Hasil pengujian data tunggal

Dari pengujian diatas dapat disimpulkan bahwa hasil pengujian untuk data

tunggal didapatkan dari decision tree yang telah dihasilkan oleh algoritma C4.5 yang

dapat dilihat pada bagian pengujian akurasi.


132

BAB VI

PENUTUP

6.1 Kesimpulan

Berdasarkan hasil penelitan klasifikasi hipertensi menggunakan algoritma

decision tree C4.5 ini, dapat diambil kesimpulan sebagai berikut :

1. Dari hasil pengujian tingkat akurasi data dengan menggunakan 3, 5, 10, 15, 20

fold dalam sistem ini, dihasilkan rata-rata akurasi sebesar 97.2 %

2. Dari hasil 12 rule yang terbentuk dari decision tree didapat informasi bahwa

atribut sistolik adalah atribut yang paling berpengaruh dalam pengklasifikasian

penyakit hipertensi berdasarkan data yang di proses, disusul oleh atribut

gender, umur, wbc, dan total.

132


133

6.2 Saran

Sebagai penutup dari penelitian ini, terdapat beberapa saran yang dapat

berguna bagi mahasiswa dan peneliti lainnya, antara lain sebagai berikut :

1. Sistem ini dapat dikembangkan agar dapat menerima file dengan

ekstensi file .xlsx, .data , serta dapat diintegrasikan dengan sistem

manajemen basis data.

2. Hasil klasifikasi pada sistem dapat dikembangkan dalam bentuk

sekumpulan aturan (rule) sehingga mudah dibaca dan dipahami.

3. Sistem hanya terbatas pada jumlah atribut sebanyak 16 input. Oleh,

karena itu, sistem ini dikembangkan agar dapat menerima batasan

kapasitas jumlah variabel input yang lebih banyak agar dapat

memproses data dalam skala besar.


134

DAFTAR PUSTAKA

Ian H. Witten, Eibe Frank (2005). Data Mining: Practical Machine Learning

Tools and Techniques. San Francisco: Elsevier Inc.

Quinlan, J.R. (1992).C4.5 Programs for Machine Learning, San Mateo, CA:

Morgan Kaufmann.

“The Seventh Report of the Joint National Committe (JNC 7) on Prevention,

Detection, Evaluation, and Treatment of High Blood Pressure”, U.S. Department of

Health and Human Services, 2003.

“The Eight Report of the Joint National Committe (JNC 8) on Prevention,

Detection, Evaluation, and Treatment of High Blood Pressure”, U.S. Department of

Health and Human Services, 2003.

Wajhillah, Rusda (2014). “Optimasi Algoritma Klasifikasi C4.5 Berbasis

Particle Swarm Optimization Untuk Prediksi Penyakit Jantung” Swabumi Vol I No.

1, September 2014, ISSN 2355-990X.

Moertini, Sri Veronica (2007). “Pengembangan Skalabilitas Algoritma

Klasifikasi C4.5 Dengan Pendekatan Konsep Operator Relasi (Studi Kasus: Pra-

Pengolahan Dan Klasifikasi Citra Batik)”, Institut Teknologi Bandung


LAMPIRAN I

FLOWCHART ALUR SISTEM

Start

Pilih Dataset

Masukkan Jumlah fold

Melakukan

Uji Akurasi

Melakukan

Uji Data

Tunggal

Pilih Data testing

END

Yes

Yes

Yes

Yes Yes

Yes No

No

No

No


Documents

KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN … fileKLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA C4.5 STUDI KASUS RSU PROVINSI NTB ... Studi Data : RSU Provinsi NTB ... Audio