BAB II

TINJAUAN PUSTAKA

2.1 Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support

Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael

S. Scott Morton dengan istilah Management Decision Systems. Morton

mendefinisikan DSS sebagai “Sistem Berbasis Komputer Interaktif, yang

membantu para pengambil keputusan untuk menggunakan data dan berbagai

model untuk memecahkan masalah – masalah yang tidak terstruktur”.

Menurut Alter, DSS merupakan sistem informasi interaktif yang menyediakan

informasi, pemodelan dan pemanipulasian data. Sistem digunakan untuk

membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi

yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana

keputusan seharusnya dibuat. DSS biasanya dibangun untuk mendukung solusi

atas suatu masalah atau untuk mengevaluasi suatu peluang. DSS yang seperti itu

disebut aplikasi DSS. Aplikasi DSS digunakan dalam pengambilan keputusan.

Aplikasi DSS menggunakan CBIS (Computer Based Information Systems) yang

fleksibel, interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung

solusi atas masalah manajemen spesifik yang tidak terstruktur.

Aplikasi DSS menggunakan data, memberikan antarmuka pengguna yang

mudah dan dapat menggabungkan pemikiran pengambil keputusan.DSS lebih

ditujukan untuk mendukung manajemen dalam melakukan pekerjaan yang bersifat

analitis dalam situasi yang kurang terstruktur dan dengan kriteria yang kurang

jelas. DSS tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan

tetapi memberikan perangkat interaktif yang memungkinkan pengambil keputusan

untuk melakukan berbagai analisis menggunakan model - model yang tersedia.

Menurut Turban (2005), tujuan dari DSS adalah sebagai berikut:

a. Membantu dalam pengambilan keputusan atas masalah yang

terstruktur.

b. Memberikan dukungan atas pertimbangan manajer dan bukannya

dimaksudkan untuk menggantikan fungsi manajer.

c. Meningkatkan efektivitas keputusan yang diambil lebih daripada

perbaikan efisiensinya.

d. Kecepatan komputasi. Komputer memungkinkan para pengambil

keputusan untuk melakukan banyak komputasi secara cepat dengan

biaya yang rendah.

e. Peningkatan produktivitas.

f. Dukungan kualitas.

g. Berdaya saing.

h. Mengatasi keterbatasan kognitif dalam pemprosesan dan

penyimpanan.

2.2 Case Base Reasoning

Cased Based Reasoning adalah pendekatan untuk membangun sistem

pendukung keputusan dengan mengakses solusi yang pernah ada (disebut kasus)

agar dapat mengambil kesimpulan dari masalah-masalah yang akan datang.

„Sebuah kasus adalah bagian dari pengetahuan dalam suatu konteks khusus yang

mempresentasikan pengalaman yang mengajarkan pelajaran penting untuk

mencapai tujuan dari pemikir. Cased Based Reasoning melibatkan pertimbangan

tentang kasus dalam jumlah besar dan bagaimana solusi sebelumnya dapat

diadaptasikan dari permasalahan baru atau bagaimana solusi sebelumnya dapat

dihubungkan dengan kasus-kasus baru. Kasus merupakan pilihan terbaik untuk

mengajarkan orang lain mengenai situasi nyata pengambilan keputusan. Misalnya,

kasus membantu para dokter, pengacara, perancang, konselor, usahawan, dan

yang lain, bagaimana merespon masalah-masalah aktual yang akan mereka hadapi

di lapangan. Secara umum terdapat level pada siklus CBR yang dapat

digambarkan sebagai berikut:

1. Retrieve (memperoleh kembali) kasus, kasus-kasus yang paling mirip.

Pada tahap ini dimulai dengan pendeskripsian satu atau sebagian

masalah dan berakhir apabila telah ditemukan kasus sebelumnya yang

paling cocok. Sub task mengacu pada identifier fitur, pencocokan

awal, pencarian dan pemilihan.

2. Reuse ( menggunakan) informasi dan pengetahuan dari kasus tersebut

untuk memecahkan pemasukan

Proses reuse dari solusi kasus di peroleh dalam konteks kasus baru di

fokuskan pada 2 aspek yaitu :

a. Perbedaan antara kasus yang sebelumnya dan yang sekarang

b. Bagian apa dari kasus yang telah diperoleh yang dapat

ditransfer menjadi kasus baru.

3. Revise (meninjau kembali atau memperbaiki ) usulan solusi

Fase ini terdiri dari 2 tugas yaitu :

a. Mengevalasi solusi kasus yang dihasilkan oleh proses reuse.

Jika berhasil maka dilanjutkan dengan proses retain.

b. Jika tidak maka memperbaiki solusi kasus menggunakan

domain spesifik pengetahuan.

4. Retain ( menyimpan) bagian-bagian dari pengalaman tersebut yang

mungkin berguna untuk memecahkan masalah di masa-masa yang

akan datang. Proses ini terdiri dari memilih informasi apa dari kasus

yang akan disimpan. Disimpan dalam bentuk apa, cara menyusun

kasus agar mudah untuk menentukan masalah yang mirip, dan

bagaimanan mengintegrasikan kasus baru pada struktur memori.

Gambar 2. 1 Tahapan Case Base Reasoning

(Sumber : Chusnul Imama, 2013)

Pada saat terjadi permasalahan baru, pertama-tama sistem akan melakukan

proses Retrieve. Proses Retrieve akan melakukan dua langkah pemrosesan, yaitu

pengenalan masalah dan pencarian persamaan masalah pada database. Setelah

proses Retrieve selesai dilakukan, selanjutnya sistem akan melakukan proses

Reuse. Di dalam proses Reuse, sistem akan menggunakan informasi permasalahan

sebelumnya yang memiliki kesamaan untuk menyelesaikan permasalahan yang

baru. Pada proses Reuse akan menyalin, menyeleksi, dan melengkapi informasi

yang akan digunakan. Selanjutnya pada proses Revise, informasi tersebut akan

dikalkulasi, dievaluasi, dan diperbaiki kembali untuk mengatasi kesalahan-

kesalahan yang terjadi pada permasalahan baru. Pada proses terakhir, sistem akan

melakukan proses Retain. Proses Retain akan mengindeks,mengintegrasi, dan

mengekstrak solusi yang baru. Selanjutnya, solusi baru itu akan disimpan ke

dalam knowledge-base untuk menyelesaikan permasalahan yang akan datang.

Tentunya, permasalahan yang akan diselesaikan adalah permasalahan yang

memiliki kesamaan dengannya.

2.3 Algoritma K-Nearest Neighbor

Algoritma k-nearest neighbor (KNN) adalah sebuah metode untuk

melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang

jaraknya paling dekat dengan objek tersebut (Uung Ungkawa,2013).KNN

termasuk algoritma supervised learning dimana hasil dari query instance yang

baru diklasifikan berdasarkan mayoritas dari kategori pada KNN. Nanti kelas

yang paling banyak muncullah yang akan menjadi kelas hasil klasifikasi.

Algoritma metode k-nearest neighbor (KNN) sangatlah sederhana, bekerja

berdasarkan jarak terpendek dari query instance ke training sample untuk

menentukan KNN-nya. Dekat atau jauhnya tetangga biasanya dihitung

berdasarkan Euclidean Distance.

Jarak Euclidean paling sering digunakan menghitung jarak. Jarak euclidean

berfungsi menguji ukuran yang bisa digunakan sebagai interpretasi kedekatan

jarak antara dua obyek. yang direpresentasikan sebagai berikut :

𝐷 𝐴, 𝐵 = (𝑎𝑖 − 𝑏𝑖)2𝑘𝑖=1 …………………………. (2.1)

Ket :

D = Jarak Euclidien

A = Titik Baru (Kasus Baru)

B = Titik Lama (Kasus Lama)

𝑎𝑖 = Parameter / Fitur dari A

𝑏𝑖 = Parameter / Fitur dari B

Langkah-langkah untuk menghitung metode K-Nearest Neighbor :

1. Menentukan parameter K (jumlah tetangga paling dekat).

2. Menghitung kuadrat jarak euclid (query instance) masing–masing obyek

terhadap data sampel yang diberikan.

3. Kemudian mengurutkan objek–objek tersebut kedalam kelompok yang

mempunyai jarak euclid terkecil.

4. Mengumpulkan kategori hasil perhitungan (Klasifikasi nearest neighbor

berdasarkan nilai k.

5. Dengan menggunakan kategori nearest neighbor yang paling mayoritas

maka dapat dipredisikan kategori objek

2.4 Uji Darah Lengkap

Untuk menegakkan diagnosis perlu dilakukan anamnesis, pemeriksaan

fisik, dan pemeriksaan darah lengkap. Sehingga petugas medis dapat menentukan

apakah pasien tersebut menderita penyakit tertetu dan harus dilakukan tindakan

selanjutnya dan menentukan apakah pasien diharuskan rawat jalan atau rawat inap

dan jangka waktunya. Pemeriksaan Darah Lengkap (Complete Blood Count /

CBC) yaitu suatu jenis pemeriksaaan penyaring untuk menunjang diagnosa suatu

penyakit dan atau untuk melihat bagaimana respon tubuh terhadap suatu penyakit.

Disamping itu juga pemeriksaan ini sering dilakukan untuk melihat kemajuan atau

respon terapi pada pasien yang menderita suatu penyakit infeksi. Pemeriksaan

darah lengkap meliputi pemeriksaan terhadap sel darah merah, sel darah putih,

dan trombosit. Pemeriksaan darah lengkap dapat digunakan untuk melihat

kemampuan tubuh pasien dalam melawan penyakit dan dapat digunakan sebagai

indikator untuk mengetahui kemajuan pasien dalam keadaan penyakit tertentu

seperti infeksi, pemeriksaan darah lengkap tersebut diantaranya adalah

pemeriksaan jumlah leukosit, kadar hemoglobin, hematokrit, dan jumlah eritrosit.

Pemeriksaan darah yang biasanya dilakukan adalah pemeriksaan jumlah

trombosit, nilai hematokrit, jumlah leukosit, kadar hemoglobin dan hapusan darah

tepi untuk melihat adanya limfositosis relatif disertai gambaraan limfosit plasma

biru (LPB). Pemeriksaan darah lengkap sebaiknya dilakukan untuk

mengonfirmasi diagnosis. Tes tambahan lainnya sebaiknya dilakukan jika ada

indikasi. Tes tambahan tersebut seperti tes fungsi hepar, glukosa, serum elektrolit,

urea dan creatinin, bicarbonate atau lactate, kardiak enzim, dan ECG.

Tabel 2. 1 Pemeriksaan Laboratorium

(Sumber : RSU. Famili Husada)

No Pemeriksaan Satuan Nilai Rujukan

1 WBC 10^3/uL 5 – 10

2 LYM % % 25 – 40

3 MID % % 3 – 7

4 LYM 10^9/l 1,3 – 4

5 MID 10^9/l 0,15 – 0,7

6 RBC 10^6/uL 4 – 5,5

7 HGB g/ dL 14 – 17,4

8 HCT % 45 – 52

9 MCV Fl 84 – 97

10 MCH Pg 27 – 31

11 MCHC g/dL 32 – 32

12 RDW % % 11 – 16

13 RDWa If 30 – 150

14 PLT 10^3/uL 150 – 450

15 MPV Fl 8 – 15

16 PDW Fl 0.1 - 99.9

17 PCT % 0,01 – 9,99

18 LPCR % 0,1 – 99,9

19 GRA % %

35-80

20 GRAN 10^3/uL 1,2-8

2.4.1. Demam Berdarah

Demam Berdarah Dengue merupakan penyakit infeksi yang umumnya

ditemukan di daerah tropis dan ditularkan lewat hospes perantara jenis serangga

khusus Aedes spesies. Demam Berdarah Dengue adalah penyakit demam berdarah

akut yang terutama menyerang anak-anak dengan manifestasi klinisnya

perdarahan dan menimbulkan syok yang dapat berakibat kematian. Nyamuk

Aedes aegypti biasanya menggigit baik di dalam maupun di luar rumah, biasanya

pagi dan sore hari ketika anak -anak sedang bermain. Penyebab penyakit ini

adalah virus Dengue, termasuk dalam kelompok Flavivirus dari family

Togaviridae. Virus ini ditularkan dari orang sakit ke orang sehat melalui gigitan

nyamuk Aedes spesies sub genus Stegomya. Cara penularan penyakit Demam

Berdarah Dengue yang terjadi secara propagatif (virus penyebabnya berkembang

biak dalam badan vektor), berkaitan dengan gigitan nyamuk Aedes aegypti dan

Aedes albopictus yang merupakan vector utama dan vector sekunder Demam

Berdarah Dengue di Indonesia.

Demam dengue merupakan penyakit demam akut selama 2 - 7 hari, ditandai

dengan dua atau lebih manifestasi klinis seperti nyeri kepala, nyeri retro - orbital,

nyeri sendi dan otot, ruam kulit, manifestasi perdarahan (petekie atau uji bendung

positif), leukopenia dan pemeriksaan serologi IgM anti dengue positif. Diagnosis

DBD ditegakkan berdasarkan kreteria WHO bila semua hal berikut dipenuhi :

1. Demam atau riwayat demam akut, antara 2 - 7 hari, biasanya

bifasik.

2. Trombositopenia (jumlah trombosit < 100.000/μl).

Keadaan infeksi virus dengue yang parah, disertai dengan seluruh kreteria DBD

dan terjadi kegagalan sirkulasi seperti nadi cepat dan lemah, penyempitan tekanan

nadi (< 20 mmHg), hipotensi, akral dingin, dan gelisah.

2.4.2. Typhoid

Tifus abdominalis adalah penyakit infeksi akut yang biasanya terdapat

pada saluran pencernaan dengan gejala demam yang lebih dari satu minggu,

gangguan pada saluran pencernaan dan gangguan kesadaran. Etiologi dari demam

typhoid adalah slamonella typhii, basil gram negative, bergerak dengan rambut

getar, tidak berspora. Perjalanan penyakit demam tifoid yaitu pertama-tama

kuman masuk melalui mulut. Sebagian kuman akan di musnahkan dalam lambung

dan sebagian lagi masuk ke usus halus, ke jaringan limfoid dan berkembang biak

menyerang vili usus halus kemudian kuman masuk ke peredaran darah (

bakterimia primer ), dan mencapai sel-sel retikulo endothelial, hati, limfa dan

organ lainnya. Untuk pemeriksaan penujang terdapat pemeriksaan Leukosit,

Pemeriksaan SGOT dan SGPT, dan biakan darah. Manifestasi klinik pada demam

tifoid yaitu:

a) Nyeri kepala, lemah, lesu.

b) Demam yang tidak terlalu tinggi dan berlangsung selama tiga minggu,

minggu pertama peningkatan suhu tubuh berfluktuasi. Biasanya suhu

tubuh meningkat pada malam hari dan menurun pada pagi hari. Pada

minggu ke dua suhu tubuh terus meningkat, dan minggu ke tiga suhu

berangsur-angsur turun dan kembali normal.

c) Gangguan pada saluran cerna : halitosis, bibir kering dan pecah-pecah,

lidah di tutupi selaput putih koto ( coated tongue ), meteorismus, mual,

tidak nafsu makan, hepatomegali, splenomegali yang disertai nyeri pada

perabaan

2.4.3. Anemia

Menurut WHO, anemia gizi besi didefinisikan suatu keadaan dimana

kadar Hb dalam darah hemotokrit atau jumlah eritrosit lebih rendah dari normal

sebagai kekurangan salah satu atau lebih zat besi penting, apapun kekurangan

tersebut. Sebagian besar penyebab anemia di Indonesia adalah kekurangan zat

besi yang diperlukan untuk pembentukan Hb, sehingga disebut anemia

kekurangan zat besi. Kekurangan zat besi dalam tubuh tersebut disebabkan karena

kurangnya konsumsi makanan kaya zat besi terutama yang berasal dari sumber

hewani, Kekurangan zat besi karena kebutuhan yang meningkat seperti pada

kehamilan, masa tumbuh kembang serta pada penyakit infeksi seperti malaria dan

penyakit kronis lainnya misal TBC, Kehilangan zat besi yang berlebihan pada

pendarahan termasuk haid yang berlebihan, sering melahirkan dan infeksi cacing,

ketidakseimbangan antara kebutuhan tubuh akan zat besi dibandingkan dengan

penyerapan dari makanan.

2.5. Pengembangan dan Pengujian Perangkat Lunak

2.5.1. Waterfall

Model waterfall adalah proses pengembangan perangkat lunak tradisional

yang umum digunakan dalam proyek – proyek perangkat lunak yang paling

pembangunan. Ini adalah model sekuensial, sehingga penyelesaian satu set

kegiatan menyebabkan dimulainya aktivitas berikutnya. Hal ini disebut waterfall

karena proses mengalir "secara sistematis dari satu tahap ke tahap lainnya dalam

mode ke bawah". Membentuk kerangka kerja untuk pengembangan perangkat

lunak. Beberapa varian dari model ada, setiap label yang berbeda menggunakan

untuk setiap tahap. Secara umum, bagaimanapun, model ini dianggap memiliki

enam tahap yang berbeda seperti yang ditunjukkan padaModel proses perangkat

lunak merupakan deskripsi sederhana dari proses perangkat lunak yang

menyajikan suatu pandangan dari proses tersebut (Sommerville, 2011). Model

proses mencakup kegiatan yang merupakan bagian dari proses perangkat lunak,

produk perangkat lunak, dan peran orang yang terlibat dalam rekayasa perangkat

lunak. Model waterfall memiliki tahapan - tahapan dalam proses nya, setiap

tahapan tersebut harus diselesaikan sebelum berlanjut ke tahap berikutnya.

Berikut tahapan yang ada dalam waterfall adalah (Sommerville, 2011):

Gambar 2. 2 Waterfall Model

(Sumber : Sommerville, 2011)

Berikut merupakan tahapan-tahapan dalam model proses SDLC:

1. Requirements analysis and definition

Merupakan tahapan penetapan fitur, kendala dan tujuan sistem melalui

konsultasi dengan pengguna sistem. Semua hal tersebut akan ditetapkan

secara rinci dan berfungsi sebagai spesifikasi sistem.

2. System and software design

Dalam tahapan ini akan dibentuk suatu arsitektur sistem berdasarkan

persyaratan yang telah ditetapkan. Dan juga mengidentifikasi dan

menggambarkan abstraksi dasar sistem perangkat lunak dan hubungan-

hubungannya.

3. Implementation and unit testing

Dalam tahapan ini, hasil dari desain perangkat lunak akan direalisasikan

sebagai satu set program atau unit program. Setiap unit akan diuji apakah

sudah memenuhi spesifikasinya.

4. Integration and system testing

Dalam tahapan ini, setiap unit program akan diintegrasikan satu sama lain

dan diuji sebagai satu sistem yang utuh untuk memastikan sistem sudah

memenuhi persyaratan yang ada. Setelah itu sistem akan dikirim ke pengguna

sistem.

5. Operation and maintenance

Dalam tahapan ini, sistem diinstal dan mulai digunakan. Selain itu juga

memperbaiki error yang tidak ditemukan pada tahap pembuatan. Dalam

tahap ini juga dilakukan pengembangan sistem seperti penambahan fitur dan

fungsi baru.

2.5.2. Black Box Testing

Black box testing, pengujian yang dilakukan hanya mengamati hasil

eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak.

Menurut Myers (2004), Black Box Testing merupakan Pengujian yang

mengabaikan mekanisme internal sistem atau komponen dan fokus semata-mata

pada output yang dihasilkan yang merespon input yang dipilih dan kondisi

eksekusi. Pengujian ini digunakan untuk menguji fungsi-fungsi khusus dari

perangkat lunak yang dirancang Kebenaran perangkat lunak yang diuji hanya

dilihat berdasarkan keluaran yang dihasilkan dari data atau kondisi masukan yang

diberikan untuk fungsi yang ada tanpa melihat bagaimana proses untuk

mendapatkan keluaran tersebut. Dari keluaran yang dihasilkan, kemampuan

program dalam memenuhi kebutuhan pemakai dapat diukur sekaligus dapat

diiketahui kesalahan-kesalahannya.

2.5.3. White Box Testing

Pengujian Whitebox merupakan metode desain uji kasus yang

menggunakan struktur kontrol dari desain procedural dengan memeriksa kode

sumber dari sistem yang dibuat yang terdapat baris-baris kode yang beragam

Myers (2004). Secara sekilas white box testing merupakan petunjuk untuk

mendapatkan program yang benar secara 100%. Dengan Menggunakan metode

white box, analis sistem akan dapat memperoleh test case yang menjamin seluruh

independent path di dalam modul yang dikerjakan sekurang-kurangnya sekali,

mengerjakan seluruh keputusan logical, mengerjakan seluruh loop yang sesuai

dengan batasannya, mengerjakan seluruh struktur data internal yang menjamin

validitas.

2.5.4. Pengujian Sistem

Pengujian sistem yang dilakukan pada penelitian kali ini adalah pengujian

dengan data-data yang memang sudah didapat pada RS. Wanganya. Dimana data

yang didapat akan dibagi menjadi 2 yaitu data Training dan data Testing. Hasil

pengujian sistem dengan data training nantinya akan dicari selisih rata-rata dari

masa rawat inap seorang pasien pada sistem dengan data yang memang sudah

pasti dibagi dengan jumlah data pengujian.