IMPLEMENTASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK...
Transcript of IMPLEMENTASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK...
IMPLEMENTASI SISTEM PENGAMBILAN KEPUTUSAN UNTUK MENENTUKAN TINGKAT PENYAKIT PERIODENTITIS MENGGUNAKAN
POHON KEPUTUSAN
DOSEN PEMBIMBING 1Diana Purwitasari, S. Kom, M. Sc.
DOSEN PEMBIMBING 2Anny Yuniarti, S.Kom, M.Comp.Sc.
Rachmad Agung Hartantyo5108 100 607
Latar Belakang
23%
77%
Masalah Gigi dan Mulut 2008Masalah gigi dan mulut
Tidak ada masalah
30%
70%
PerawatanMencari Pertolongan
Tidak mencari pertolongan
Indentifikasi Periodontitisdengan pohon Keputusan
Pemeriksaangigi yang lama
WAKTU
Waktu yang lama dalampengisian rekam medik
dengan pohon Keputusan
Solusinya ???
� Membantu dokter untuk mempercepatmenentukan tingkatan periodontitis.
Pohon Keputusan
Final Diagnosis
Tujuan� untuk membuat sistem yang memberikan
rekomendasi tingkatan penyakit periodentitis
PERIODONTITIS� ''peri''= sekitar ‘
'odont''= gigi''itis” = peradangan
� Suatu kondisi radang kronis karena induksimikroba yang menyebabkan peradanganmikroba yang menyebabkan peradangangingiva(radang gusi), kerusakan periodontal danalveolar bone loss.
Perbedaan GIGIGIGI SEHAT GIGI
PERIODONTITIS
Penyebab PERIODONTITIS� Plak
� lapisan tipis biofilm yang mengandung bakteri
Gejalah PERIODONTITIS� Gusi memerah atau berdarah saat menyikat gigi atau
menggigit makanan keras (jambu biji, misalnya).
� Gusi sering membengkak.
� Bau mulut, dan rasa getir terus-menerus dalam mulut.
� Resesi gingiva, sehingga gigi tampak memanjang. (Ini� Resesi gingiva, sehingga gigi tampak memanjang. (Inijuga dapat disebabkan karena menyikat gigi terlalukeras atau menggunakan sikat gigi terlalu kaku).
� Lubang dalam di antara gigi dan gusi.
� Gigi longgar, pada tahap lanjut (meskipun hal inimungkin terjadi karena alasan lain).
Pencegahan� Sikat gigi dua kali sehari, pada pagi hari setelah
sarapan dan malam hari sebelum tidur.� Lakukan flossing sekali dalam sehari untuk
mengangkat plak dan sisa makanan yang tersangkutdi antara celah gigi-geligi.
� Pemakaian obat kumur anti bakteri untuk mengurangipertumbuhan bakteri dalam mulut, misalnya obatpertumbuhan bakteri dalam mulut, misalnya obatkumur yang mengandung chlorhexidine. Lakukankonsultasi terlebih dahulu dengan dokter gigi Andadalam penggunaan obat kumur tersebut.
� Berhenti merokok� Lakukan kunjungan secara teratur ke dokter gigi
setiap 6 bulan sekali untuk kontrol rutin danpembersihan.
Kebutuhan Perawatan
PeriodontitisKebutuhanPerawatan
0 0
11 I
2II
3
4 III
Kebutuhan Perawatan
� 0 = Tidak memperlukan perawatan� I = Memperbaiki kebersihan mulut.� II = Memperbaiki kebersihan mulut dan scaling.
III = Memperbaiki kebersihan mulut, scaling dan� III = Memperbaiki kebersihan mulut, scaling danperawatan kompleks.
Pohon Keputusan� Salah satu metode klasifikasi yang paling populer
karena mudah diinterpretasikan oleh manusia. � Digunakan pada pengenalan pola dan termasuk
dalam pengenalan pola secara statistik.
Konsep pohon keputusan� Mengubah data menjadi pohon keputusan dan
aturan – aturan keputusan.
DATAPohon
KeputusanRule
Konsep pohon keputusan� Data dinyatakan dalam bentuk tabel dengan
atribut dan record.� Atribut menyatakan suatu parameter yang dibuat
sebagai kreteria dalam pembentukan tree.
Entropy� Entropy merupakan suatu parameter untuk
mengukur tingkat keberagaman (heterogenitas) dari kumpulan data. Semakin heterogen, nilaientropy semakin besar.
S = ruang (data) sample yang digunakan untuk training.c = jumlah nilai yang ada pada attribut target (jumlah kelasklasifikasi).P i = jumlah proporsi sampel (peluang) untuk kelas i.
Information Gain
� Information gain digunakan untuk mengukur keefektifan sebuahatribut dalam klasifikasi data training.
� A adalah attribut.
� V adalah nilai yang mungkin untuk atribut A.
� Value (A) adalah sekumpulan nilai kemungkinan untuk atribut A.
� adalah jumlah sample untuk nilai v.
� adalah jumlah seluruh sample data.
� Entropy(Sv) adalah entropy untuk sampel yang memiliki nilai v.
Alur diagram
Atribut� Poket� Hiperplasi� Resesi� Pendarahan� Keradangan� Keradangan� Kalkulus� Plak gigi� Kegoyangan� Vitalitas� Migrasi� Malposisi
Daftar tabel
Data ItemAtribut
Perio1 2 3 4 5 6 7 8 9 10 11
47 R T T T T T T T T T T 0
32 R T T T T T T T T T T 0
43 R T T Y T T T T T T T 1
41 R Y Y Y T T Y T T T T 1
14 R T T T T Y Y T T T T 2R T T T T Y Y T T T T 2
15 R T T T T Y Y T T T T 2
45 R T T T T Y Y T T T T 2
42 R Y T Y T Y Y T T T T 2
31 R T T Y T Y Y T T T T 2
33 R T T Y T Y Y T T T T 2
16 S T T T T Y Y T T T T 3
17 S T T T T T Y T T T T 3
46 B T Y T Y T Y T T T Y 4
44 B T T T T Y Y T T T T 4
� Untuk menghitung nilai dari Entropy sebagai berikut :
� Jumlah Class = 5 ( “0” , “1” , ” 2” , ”3” , ”4”)
� Jumlah sampel untuk kelas 1 (“0”) = 2
� Jumlah sampel untuk kelas 2 (“1”) = 2
� Jumlah sampel untuk kelas 3 (“2”) = 6� Jumlah sampel untuk kelas 3 (“2”) = 6
� Jumlah sampel untuk kelas 4 (“3”) = 2
� Jumlah sampel untuk kelas 5 (“4”) = 2
� Jumlah data yang ada pada tabel sebanyak = 14
= 2.13
Atribut 1
Atribut 1 PERIO JumlahRingan 0 2
Ringan 1 2
Ringan 2 6
Sedang 3 2
Berat 4 2
� Sringan = [2,2,6]
� Ssedang = [2]
� Sberat = [2]
�
= 1.37
� = 0
• =0
Gain (S,Atribut 1) =
= 0.76
Atribut 1 2 3 4 5 6 7 8 9 10 11
Gain 0.76 0.17
0.30.52
0.42
0.70.61
0 0 00.22
Ringan
Atribut 1
4 0,1,2
Berat
3
Sedang
Ringan
Atribut 1
4
Berat
3
Sedang
Ya
Atribut 6
Tidak
Atribut 4
TidakYa
1 0
Ya
2
Uji Coba 1
Uji Coba 1
Uji Coba 1
Uji Coba 2
Uji Coba 2
Uji Coba 2
No GigiPERIODONTITIS
Data Asli Percobaan 1 Percobaan 2 Percobaan 3
11 2 2 2 2
12 2 2 2 2
13 2 2 2 2
14 3 3 3 3
15 3 3 3 3
16 3 3 3 3
17 1 0 0 1
18 0 0 0 0
21 1 1 1 1
22 1 1 1 1
23 3 3 3 3
24 3 3 3 3
25 3 3 3 3
26 3 3 3 3
27 2 0 2 227 2 0 2 2
28 0 0 0 0
31 2 2 2 2
32 2 2 2 2
33 2 2 2 2
34 2 2 2 2
35 2 2 2 2
36 2 0 2 2
37 0 0 0 0
38 0 0 0 0
41 2 2 2 2
42 2 2 2 2
43 2 2 2 2
44 2 2 2 2
45 4 4 4 4
46 4 4 4 4
47 4 4 4 4
48 0 0 0 0
Kesimpulan� Percobaan dilakukan pada data yang telah
didapatkan dari kedokteran gigi dan hasilnyamemperlihatkan tingakta keakuratan klasifikasi yang tinggi. Tingakt akurasi terendah didapatkan sebesar90,625% sedangkan tingkat keakurasian tertinggisebesar 96%. Dan nilai dari rata-rata yang didapatsebesar 96%. Dan nilai dari rata-rata yang didapatsebesar 95,54%.
� Tingkat akurasi yang tinggi ini diperoleh setelahdilakukan beberapa percobaan untuk penentuantingakatan penyakit periodontitis. Semakin banyakdata learning yang digunakan, maka akan semakinbaik pula keputusan yang diambil oleh sistem, berdasarkan diagram tree yang dihasilkan.
Saran� Untuk penelitian selanjutnya, metode-metode statistik
sebaiknya digunakan untuk meningkatkan tingkatakurasi penentuan tingkatan penyakit periodontitis. Metode pengklasifikasian lainnya mungkin ada yang lebih baik apabila dapat menentukan tingkatanpenyakit periodontitis. Dalam hal membangun model penyakit periodontitis. Dalam hal membangun model decision tree hanyalah satu langkah dalampengklasifikasian data sedangkan mempersiapkandata training yang tepat dan akurat, serta pengujianmodel adalah sangat penting sehingga model tree yang terbentuk dapat diandalkan untuk menganalisasuatu data.
TERIMA KASIHTERIMA KASIH