2011-2-00635 mtif bab 3 (1)
DESCRIPTION
wwwTRANSCRIPT
-
BAB 3
PEMBAHASAN
3.1 Rumah Sakit Pondok Indah
3.1.1 Latar Belakang
Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan
pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan
rumah sakit pertamanya yaitu RS Pondok Indah yang terletak di Jakarta Selatan, dan
kemudian pada pada tahun 2008 mendirikan rumah sakit keduanya, yaitu RS Puri Indah
di wilayah Jakarta Barat tepatnya di Puri Indah, Kembangan.
Rumah Sakit Pondok Indah adalah rumah sakit swasta mutakhir pertama di
Indonesia yang diresmikan pada 1 Desember 1986. Kehadiran RS Pondok Indah
mendapat tanggapan positif dari masyarakat luas, terbukti dengan tetap bertahan,
berkembang dan bertambahnya pusat-pusat pelayanan kesehatan, peralatan medis
mutakhir serta bergabungnya lebih dari 250 dokter spesialis, subspesialis dan dokter
umum dengan RS Pondok Indah.
Hingga kini RS Pondok Indah menjadi rumah sakit pilihan dan telah memiliki
lebih dari 600 ribu pasien baik pasien lama (kunjungan berulang) maupun pasien baru.
RS Pondok Indah selain memberikan pelayanan pasien secara individu juga melayani
pasien karyawan perusahaan dan klien perusahaan asuransi.
Guna memenuhi kebutuhan dan harapan pasien, RS Pondok Indah terus
mengembangkan Pusat Layanan Unggulan / Center of Excellence dan Diagnostic Center
yang lengkap dengan peralatan kedokteran terkini guna mendukung diagnosa penyakit
-
36
secara paripurna dan akurat. Dalam memfasilitasi permasalahan komunikasi dokter-
pasien dan rumah sakit, disediakan jasa layanan Patient Advocate agar hak dan
kewajiban pasien, dokter, dan rumah sakit dapat dipenuhi dengan baik. RS Pondok
Indah adalah rumah sakit di Indonesia yang pertama kali menyediakan jasa layanan
Patient Advocate.
3.1.2 Struktur Organisasi Rumah Sakit Pondok Indah
Gambar 3.1 Struktur Organisasi Rumah Sakit Pondok Indah
3.1.3 Visi Dan Misi
A. Visi
Visi RS Pondok Indah adalah menjadi rumah sakit pilihan dengan menyediakan
layanan perawatan kesehatan terbaik, aman, bermutu tinggi dan inovatif.
-
37
B. Misi
Misi RS Pondok Indah adalah menyediakan pelayanan secara utuh, konsisten dan
terpadu berfokus pada pasien melalui praktek berbasis bukti yang sesuai dan pelayanan
prima dengan komitmen, kerja sama tim, keterlibatan dari pihak terkait dan peningkatan
kompetensi individu yang berkesinambungan.
3.2 Model Aplikasi
Program dirancang untuk memprediksi apakah seseorang terkena penyakit
jantung koroner (PJK) menggunakan jaringan syaraf tiruan backpropagation. Lapisan
masukan (input layer) terdiri atas delapan buah node, yaitu umur (X1), jenis kelamin
(X2), tekanan darah sistolik (X3), tekanan darah diastolik (X4), kadar kolestrol LDL
(X5), kadar kolestrol HDL (X6), kadar kolestrol total (X7), dan kadar trigeliserida (X8),
beserta 1 buah node bias. Untuk lapisan keluaran (output layer) hanya terdiri dari satu
buah node, yaitu hasil prediksi (Y). Jumlah lapisan tersembunyi (hidden layer) adalah 6
buah dengan 1 buah node bias. Nilai yang digunakan dalam penghitungan akan
bervariasi tergantung dari hasil pengukuran. Dalam perancangan backpropagation
digunakan 10000 kali iterasi dengan tingkat error yang diharapkan (desired error)
diinisialisasikan sebesar 0.001 dan epoch maksimum sebesar 15000.
Menurut Rahmawansa (2009), klasifikasi kadar lipoprotein dalam tubuh adalah
sebagai berikut.
-
38
Tabel 3.1 Klasifikasi Kadar Lipoprotein
Sementara untuk kriteria hipertensi dapat ditentukan dengan pemeriksaan
tekanan darah berdasarkan Pedoman Kerja WHO tahun 2009 (WHO, 2009).Klasifikasi
dibagi sebagai berikut.
Tabel 3.2 Klasifikasi Tekanan Darah
Untuk klasifikasi umur dan jenis kelamin dibagi sebagai berikut.
Tabel 3.3 Klasifikasi Jenis Kelamin Dan Usia
-
39
Gambar 3.2 Model Neural Network
Data yang digunakan dalam penelitian diambil secara acak dari catatan medis
pasien penderita penyakit jantung koroner (PJK) dan bukan penderita penyakit jantung
koroner di Rumah Sakit Pondok Indah sebanyak 50 orang.
-
40
Tabel 3.4 Tabel Data Pasien Rumah Sakit Pondok Indah
-
41
3.3 Perancangan Sistem
3.3.1 Rancangan Struktur Menu
Struktur menu software dirancang sebagai berikut.
A. Struktur Layar Training (Utama)
Gambar 3.3 Struktur Layar Training (Utama)
Gambar 3.3 menjelaskan struktur layar utama dari program yang sekaligus merupakan
layar untuk melakukan training data. Pada layar ini, terdapat tombol untuk melakukan
proses training data, membuka sub menu File, membuka layar Recognize, melihat profil
di layar About Me, dan melakukan pengaturan program di layar Settings.
-
42
B. Struktur Menu File
Gambar 3.4 Struktur Sub Menu File
Gambar 3.4 menunjukkan struktur dari sub menu File yang di dalamnya terdapat pilihan
New File, Save File, Load File, dan Exit. Fungsi dari sub menu ini akan dijelaskan lebih
rinci pada bab berikutnya.
C. Struktur Layar Recognize
Gambar 3.5 Struktur Layar Recognize
-
43
Gambar 3.5 menjelaskan struktur pada menu Recognize. Pada layar ini, user dapat
melakukan prediksi penyakit jantung koroner dengan data yang telah diinput dalam
proses training. Selain itu, terdapat pula tombol untuk pergi ke layar-layar lainnya.
D. Struktur Menu Settings
Gambar 3.6 Struktur Layar Settings
E. Struktur About Me
Gambar 3.7 Struktur Layar About Me
3.3.2 Perancangan Program
Pada tahap perancangan ini, akan dibuat perancangan proses dan perancangan
layar dari program aplikasi yang akan dibuat.
-
44
A. Use Case Diagram
Gambar 3.8 Use Case Diagram
-
45
B. Flowchart
Gambar 3.9 Flowchart Proses Dalam Sistem
-
46
C. Sequence Diagram
Sequence diagram menjelaskan mengenai aliran data atau program yang diproses
oleh sistem. Gambar berikut menggambarkan urutan kejadian interaksi pengguna
aplikasi.
Gambar 3.10 Sequence Diagram
3.3.3 Rancangan Tampilan Layar
Program dibuat menggunakan 4 layar antarmuka, antara lain:
- Layar Training
- Layar Recognize
- Layar Setting
- Layar About Me
-
47
A. Layar Training
Layar Training berfungsi sebagai layar utama yang berisikan form untuk
memasukkan data pasien penderita dan bukan penderita penyakit jantung koroner. Selain
form-form tersebut, terdapat pula tombol untuk melatih dan menyimpan data hasil
pelatihan. Pada bagian atas layar, terdapat menu untuk navigasi ke layar-layar lainnya.
Jika Tombol Train Data ditekan, maka program akan melakukan perhitungan (training)
dengan data yang diinput menggunakan file latihan yang harus dibuat sebelumnya.
Gambar 3.11 Rancangan Layar Training
Berikut adalah pseudocode untuk layar Training
If ditekan tombol Train Data If file Training tidak ada Tampilkan peringatan Else If data tidak diisi lengkap Tampilkan peringatan Else
-
48
Baca semua input Baca variabel error dan max_epoch While nilai error < min_error atau jumlah iterasi < max_epoch Begin Mengambil data dari file Training Perhitungan Feedfoward Perhitungan Backfoward Periksa error Koreksi bobot End Tampilkan error Iterasi = iterasi + 1 If iterasi 10000 then Simpan ke file Training End If ditekan tombol Recognize Tampilkan layar Recognize Berikut adalah pseudocode menu File If ditekan menu New Tampilkan menu New Tampilkan menu Load Tampilkan menu Save Tampilkan menu Exit If ditekan New Buat file Training baru If ditekan Load Tampilkan pilihan buka file Training If ditekan Save Simpan file Training If ditekan Exit Keluar dari aplikasi
B. Layar Settings
Layar Settings berisikan form-form untuk memasukkan faktor perhitungan yang
akan digunakan pada perhitungan menggunakan metode backpropagation, yaitu epoch
maksimum dan tingkat kesalahan (error) yang diinginkan. Di bagian atas terdapat menu
-
49
untuk navigasi ke layar-layar lain. Jika tombol Back ditekan, maka program akan
kembali menampilkan layar Training.
Gambar 3.12 Rancangan Layar Settings
Berikut adalah pseudocode Layar Settings
If ditekan tombol Back Simpan max_epoch Simpan desired_error Tampilkan layar Training
C. Rancangan Layar Recognize
Layar Recognize berisikan form-form untuk memasukkan data pasien yang
bertujuan memprediksi ada atau tidaknya penyakit jantung koroner di pasien tersebut.
Pada layar ini, jika tombol Recognize ditekan, program akan menampilkan hasil prediksi
berdasarkan data yang telah diinput dan menampilkan hasilnya di area Hasil Prediksi.
Untuk melakukan perhitungan, user harus membuat atau membuka file latihan terlebih
dahulu.
-
50
Gambar 3.13 Rancangan Layar Recognize
Berikut adalah pseudocode untuk layar Recognize
If ditekan tombol Recognize Data If file Training tidak ada Tampilkan peringatan Else If data tidak diisi lengkap Tampilkan peringatan Else Baca semua input Baca variabel error dan max_epoch While nilai error < min_error atau jumlah iterasi < max_epoch Begin Mengambil data dari file Training Perhitungan Feedfoward Perhitungan Backfoward End Tampilkan error Tampilkan hasil prediksi End If ditekan tombol Training Tampilkan layar Training
-
51
D. Rancangan Layar About Me
Gambar 3.14 Rancangan Layar About Me
Berikut adalah pseudocode layar About Me
If ditekan tombol Back Tampilkan layar Training
E. Rancangan Layar Help
Layar ini akan menampilkan cara pemakaian program beserta fungsinya
Gambar 3.15 Rancangan Layar Help
Berikut adalah pseudocode layar Help
If ditekan tombol Back Tampilkan layar Training