Tugas 5

Tugas	Tgl Tugas	Tgl Selesai
5	29 April 2010	2 Juni 2010

Nama	NPM	TUGAS
Ridho Audli	0815031087	Mengatur dan membuat blog
Arif Wicaksono	0815031039	Mencari data
Fajar Ardian	0855031013	Mencari data
Adam Hussein	0855031001	Mencari data
Ade Wahyu H.	0815031033	Mencari data

Makalah Aplikasi JST

PREDIKSI PENYAKIT JANTUNG KORONER (PJK)
BERDASARKAN FAKTOR RISIKO MENGGUNAKAN
JARINGAN SYARAF TIRUAN BACKPROPAGATION

ABSTRAKSI
Karena penyakit jantung koroner mempunyai angka kematian dan kesakitan yang tinggi, maka perlu diketahui faktor-faktor risiko yang dapat meyebabkan penyakit jantung koroner ini. Prediksi Penyakit Jantung koroner ini menggunakan metode pengenalan pola dari data catatan rekam medis penderita penyakit jantung koroner yang dirawat di Instalasi Rawat Inap Unit Penyakit Dalam RSUP Dr. Sardjito Yogyakarta dan orang
sehat yang melakukan General Check-up Unit Penyakit Dalam dan Poliklinik General Check-up Geriatri Unit Penyakit Dalam RSUP Dr. Sardito Yogyakarta dengan menggunakan metode Jaringan Syaraf Tiruan Backpropagation (JST-BP). Berdasarkan data rekam medis penderita penyakit jantung koroner dan orang sehat tersebut akan dilakukan pelatihan terhadap jaringan syaraf tiruan backpropagation ini, sehingga jaringan syaraf tiruan ini mampu mengenali polanya. Terdapat 9 faktor risiko penyebab timbulnya penyakit jantung koroner yang akan dilatih agar dapat dikenali polanya. Setelah dilatih, jaringan syaraf tiruan ini akan diuji dengan 9 faktor risiko sebagai masukan yang
disimulasikan dengan Matlab 7.0.4. Dalam penelitian ini telah diujikan 9 faktor risiko penderita penyakit jantung koroner dan orang sehat. Dari hasil pengujian, metode JST-BP dapat mengenali pola-pola faktor risiko penyakit jantung koroner sebesar 80%.

1. PENDAHULUAN
Penyakit jantung koroner (PJK) mempunyai angka kematian dan kesakitan yang tinggi.
Walaupun penyebab dasar terjadinya penyakit jantung koroner belum diketahui dengan pasti, para ahli telah mengidentifikasi sejumlah faktor yang berhubungan dengan terjadinya penyakit jantung yang disebut sebagai faktor risiko. Faktor risiko
penyakit jantung koroner ada yang membaginya dalam faktor risiko primer (independen) dan sekunder (Kasiman, 1997; Krismi, 2002), yaitu:
1. Faktor risiko primer; faktor ini dapat menyebabkan gangguan arteri berupa
aterosklerosis tanpa harus dibantu oleh faktor lain (independen), termasuk faktor risiko primer, yaitu hiperlidemi, merokok, dan hipertensi.
2. Faktor risiko sekunder; Faktor ini baru dapat menimbulkan kelainan arteri bila ditemukan faktor lain secara bersamaan, termasuk faktor risiko sekunder, yaitu diabetes melitus (DM), obesitas, stres, kurang olah raga, alkohol, dan riwayat keluarga.

Dalam penelitiannya, Tjokroprawiro (2001) menyebutkan ada 34 faktor risiko yang bertanggung jawab terhadap kualitas sel endotel dan pembuluh darah, yang selanjutnya juga bertanggung jawab terhadap kualitas hidup manusia itu sendiri. Ke-34 faktor risiko tersebut adalah :
1. Genetik
2. Insulin resistensi
3. Intoleransi glukosa
4. Asam urat
5. Lipid
6. Obesitas
7. Merokok
8. Hipertensi
9. Inaktivitas fisik
10. Agregasi platelet
11. Stres
12. Jenis kelamin
13. Usia
14. Fibrinogen
15. Faktor pembekuan darah VIIIc, VII, Va, Xa, XIIIa
16. Radikal bebas
17. Penyalahgunaan alkohol
18. Ras
19. Inhibitor dan promotor
20. Hipertrofi ventrikel kiri
21. PAF
22. Androgen
23. Interleukin
24. Katekolamin
25. Kortisol
26. Hormon pertumbuhan
27. Estrogen
28. Leptin
29. TNF-α
30. Homosistein
31. Cu
32. Fe
33. Inflamasi
34. TGF-β

Dalam penelitian ini digunakan data catatan rekam medis penderita penyakit jantung koroneryang dirawat di Instalasi Rawat Inap Unit Penyakit Dalam RSUP Dr. Sardjito Yogyakarta dan orang sehat yang melakukan General Check-up di Unit Penyakit Dalam dan Poliklinik General Check-up Geriatri Unit Penyakit Dalam RSUP Dr. Sardito Yogyakarta. Dalam pendeteksian penyakit jantung koroner ini, digunakan 9 faktor risiko penyebab timbulnya penyakit jantung koroner ini dengan variabel sebagai berikut :
1. Usia (dalam tahun)
2. Jenis kelamin
3. Pekerjaan
4. Kadar LDL
5. Kadar kolesterol total
6. Kadar HDL
7. Kadar trigliserida
8. Tekanan darah sistolik
9. Tekanan darah diastolik

Kesembilan faktor risiko tersebut digunakan untuk memprediksi penyakit jantung koroner ini. Faktor-faktor risiko tersebut dilatih agar dikenali polanya. Pelatihan tersebut menggunakan data rekam medis penderita penyakit jantung dan orang sehat. Dengan menggunakan data tersebut, jaringan syaraf tiruan backpropagation akan dilatih sehingga mampu mengenali pola-pola faktor risiko penderita penyakit jantung dan pola-pola faktor risiko orang sehat.

Klasifikasi Adult Treatment Panel-III, 2001 (Tjokroprawiro, 2001) mengenai kadar kolesterol total, kadar LDL, kadar trigliserida, kadar HDL (dalam mg/dL) adalah sebagai berikut :


Sedangkan untuk kriteria hipertensi dapat
ditentukan dengan pemeriksaan tekanan darah
sistolik dan diastolik (dalam mmHg), dimana
berdasarkan Pedoman Kerja WHO tahun 1999
(WHO, 1999), kriteria hipertensi dibagi menjadi :



Untuk pembagian rentang usia, jenis kelamin,
dan pekerjaan adalah sebagai berikut :

2. TEORI DAN METODE
2.1. Metode JST-BP



Algoritma pelatihan JST – BP adalah sebagai
berikut (Hermawan, 2006; Jong, 2005):
1. Definisi masalah, misalkan matriks masukan
(P) dan matriks target (T).
2. Inisialisasi, menentukan bentuk jaringan dan
menetapkan nilai-nilai bobot sinaptik W1 dan
W2, dan learning rate (lr).
3. Pelatihan Jaringan :
a. Perhitungan Maju
Galat (E) merupakan selisih antara nilai
keluaran yang diinginkan (T) dengan
keluaran yang sesungguhnya (A2),
sebagai berikut :
E = T − A2
Sum Square Error (SSE) yang dinyatakan
oleh persamaan berikut :
SSE =ΣE2




4. Langkah-langkah di atas adalah untuk satu
kali siklus pelatihan (satu epoch), sehingga
harus diulang-ulang sampai jumlah epoch
yang ditentukan atau telah tercapai SSE (Sum
Square Error) yang diinginkan.
5. Hasil akhir pelatihan jaringan adalah
didapatkannya bobot W1 dan W2 yang
kemudian disimpan untuk pengujian jaringan.

2.2. Perancangan
Variabel untuk menampung data faktor resiko
penyakit jantung koroner (input) = P
Representasi masukan (berdasarkan klasifikasi
yang telah disebutkan di atas) :
TH (Umur dalam tahun) :
31 – 40 = 0
41 – 50 = 0.2
51 – 60 = 0.4
61 – 70 = 0.6
71 – 80 = 0.8
81 – 90 = 1
S (Jenis kelamin) :
LAKI – LAKI = 0
PEREMPUAN = 1
JOB (Pekerjaan) :
PNS = 0
SWASTA = 0.25
TANI = 0.5
PENSIUNAN = 0.75
LAIN – LAIN = 1
LDL (Kadar LDL):
< 100 =" 0" 129 =" 0.25" 159 =" 0.5" 189 =" 0.75" 190 =" 1" 200 =" 0" 239 =" 0.5" 240 =" 1" 60 =" 0" 60 =" 1" 100 =" 0" 149 =" 0.25" 199 =" 0.5" 499 =" 0.75" 500 =" 1" 120 =" 0" 129 =" 0.2" 139 =" 0.4" 159 =" 0.6" 179 =" 0.8" 180 =" 1" 80 =" 0" 84 =" 0.2" 89 =" 0.4" 99 =" 0.6" 109 =" 0.8" 110 =" 1" onblur="try {parent.deselectBloggerImageGracefully();} catch(e) {}" href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhWyuM7xTxGVMQzIjFDeNShurkFGG9JQq-noe8wfw8_3FvA5-9-zLigwc2UROaqRXoLSJgpqTDcIgazsHVU9ix5Sht-2o7yxQQIiUdt2ZFgReeJSvVVWI4TAXZI6YaEkPv0H6iuM2e6yNY/s1600/New+Picture+%286%29.bmp">



3. HASIL DAN PEMBAHASAN
Untuk dapat memprediksi penyakit jantung
koroner, jaringan syaraf tiruan harus dilatih agar
mengenali pola 9 faktor risiko penderita penyakit
jantung koroner atau 9 pola faktor risiko orang sehat.
Pelatihan pengenalan pola pada jaringan dilakukan
dengan menggunakan sofware Matlab 7.0.4 yang
telah menyediakan fungsi-fungsi di dalamnya.
Pelatihan dilakukan dengan beberapa tahapan, antara
lain dengan identifikasi bobot dan bias dengan
menggunakan fungsi newff, kemudian dilatihkan
dengan fungsi trainlm dengan menentukan masukan
dan target berupa matriks. Setelah jaringan dikenali
dengan baik, jaringan siap diuji dengan data baru.
Hasil dari pelatihan digunakan untuk
mencari konfigurasi terbaik yang dilakukan pada
program Matlab 7.0.4 dengan cara mengubah
konstanta belajar serta lapisan tersembunyi secara
trial and error.

Gambar 3. Grafik hasil pelatihan

Pengujian dilakukan pada jaringan syaraf
tiruan yang telah dilatih terhadap 20 data baru (data
rekam medis 9 faktor risiko penderita penyakit
jantung dan orang sehat yang berbeda dengan data
rekam medis yang telah dilatihkan) seperti yang
diperlihatkan pada Tabel 9.



Hasil pengujian menunjukkan bahwa 4 data (20%)
tidak sesuai dengan target dan 16 data (80%) sesuai
dengan target. Artinya jaringan syaraf mampu
mengenali pola faktor risiko penyakit jantung
koroner dengan baik.

PEMBAHASAN KELOMPOK
Prediksi jantung koroner ini sangat bagus,dan penggunaan dengan metode JST adalah tepat. Dengan inputan beberapa faktor gejala penyakit jantung koroner, dapat mendeteksi orang apakah ia terkena penyakit jantung koroner atau tidak. Pada hasil pengujian ada 20 % yang tidak sesuai dengan target ini mengakibatkan alat ini belum bekerja dengan baik. Namun dengan 80 % mendapat hasil sesuai dengan target. Alat ini dapat dikatakan alat yang baik. Penggunaan matlab 0.4 untuk membuat logika pada alat ini merupakan cara yang tepat.

KESIMPULAN
Jaringan Syaraf Tiruan pada prinsipnya
dapat digunakan untuk memprediksi jenis penyakit
tertentu (termasuk jenis penyakit jantung koroner)
berdasarkan faktor risiko yang menyebabkannya.
Jaringan Syaraf pada penelitian ini dapat
mengenali 80% data baru sesuai dengan target dan
20% data baru tidak sesuai dengan target. Hal ini
sebenarnya disebabkan oleh bebrapa faktor, antara
lain karena variabel input yang berjumlah 9 unit sel
maka idealnya data yang dilatihkan tidak hanya 40
data rekam medis pasien. Karena semakin banyak
jenis atau tipe yang dilatihkan, jaringan akan
semakin baik mengenali pola-pola tertentu.
Dalam pelatihan, pengujian, dan prediksi
penyakit sistem jaringan syaraf tiruan mempunyai
beberapa kelebihan, antara lain proses yang akurat,
cepat, serta dapat meminimalisasi kesalahan.
Adapun kelemahan sistem ini antara lain sistem
jaringan syaraf tiruan merupakan sistem yang baru
sehingga hanya dapat berfungsi sebagai alat bantu.
Oleh karena itu di dalam pengambilan keputusan