Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Prediksi Penyakit ISPA

No description
by

Waone Henry

on 3 May 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Prediksi Penyakit ISPA

Latar Belakang
Adanya data yang menumpuk (Big Data)
Kemanfaatanya kurang
Teknologi informasi yang pemanfaatanya lebih dari sekedar penyimpanan dan pelaporan data
Studi kasus: Banyaknya pasien yang terserang ISPA pada klinik ciheudeng, Garut
Prediksi Penyakit ISPA
menggunakan Metode Rantai Markov


Batasan Masalah
Mencari tahu peluang terjadinya penyakit yang akan diderita berdasarkan data rekam medis yang ada.
Menggunakan metode rantai markov dalam melakukan prediksi penyakit.
Mengimplementasikan metode markov dalam bentuk aplikasi
Penyakit yang diteliti hanya infeksi saluran pernafasan akut dan gejala yang berkaitan seperti munculnya kondisi demam, batuk, rasa nyeri di dada dan sesak nafas.
Data yang digunakan adalah data pasien klinik Cihideung Garut pada tahun 2002-2011.
Landasan Teori (lanjutan...)
ISPA
“ISPA sering disalah artikan sebagai infeksi saluran pernapasan atas. Yang benar ISPA merupakan singkatan dari Infeksi Saluran Pernapasan Akut. ISPA meliputi saluran pernapasan bagian atas dan saluran pernapasan bagian bawah.”(Rasmailan,2004)
“…Gejala klinisnya meningkatnya frekuensi napas, demam yang menggigil, batuk yang sering kali produktif dan terjadi sepanjang hari, nyeri dada, nyeri pleura dan batuk darah dapat terjadi.” (Corwin,2009)
Perancangan Sistem
Preprosessing (diluar sistem)
Training-Modeling
testing-prediksi
(gambar diagram usecase)
Landasan Teori
Rantai Markov
“Rantai markov adalah sebuah sekuen variable random yang berkorespondensi antar statenya dalam sebuah sistem yang berarti bahwa setiap state bergantung pada state sebelumnya.”(Tan,2002)

Tujuan dan Manfaat
membuat sistem agar dapat digunakan untuk memprediksi penyakit infeksi saluran pernafasan akut.
Mengetahui peluang penyakit yang akan muncul pada masa yang akan datang.
Sebagai pendeteksi awal untuk menentukan tindakan pencegahan atau kebijakan-kebijakan yang terkait dengan pelayanan kesehatan yang akan diambil.
Meningkatkan tingkat kepedulian terhadap kesehatan pasien.
Perhitungan Akurasi
Untuk menghitung akurasi model dilakukan proses perbandingan antara perhitungan data sebenarnya dengan perhitungan data dengan model markov.
Dicari selisihnya: nilai error
Usecase Diagram
Preprocessing Data (lanjutan...)
Cleaning
Pengisian nilai yang kosong atau hilang
Standarisasi nilai field (bikin algoritma sendiri)
Menghilangkan data redundan (sifat markov yang periodik)
Integrasi data
Diubah ke format *csv
Preprocessing Data
Reduction(pengurangan data)
Data yang didapat adalah data pasien klinik Ciheudung pada tahun 2002 hingga 2011 yang berjumlah puluhan ribu.
Diambil data 2005-2007 yang banyak kasus ISPA
Cleaning
Menghilangkan atribut
Data awal terdiri dari satu tabel dengan bermacam-macam atribut meliputi NRM, tanggal periksa, diagnosis, terapi 1-10, dosis 1-10, obat dan biaya pemeriksaan.

Landasan Teori (lanjutan...)
Data mining
“Data mining adalah sebuah proses pencarian secara otomatis informasi yang berguna dalam tempat penyimpanan data berukuran besar.”(Larose,2005)
Tugas data mining berdasarkan fungsinya dapat dikelompokkan menjadi enam golongan yaitu (Larose, 2005):
Prediction. Prediction atau peramalan mirip dengan klasifikasi dan estimasi tetapi lebih mengarah pada nilai-nilai pada masa yang akan datang.
Matrik Transisi Hasil Proses Training
Kesimpulan
telah dibuat aplikasi untuk memodelkan prediksi penyakit ISPA menggunakan metode rantai markov.
Hasilnya adalah berupa angka-angka probabilistik pada masa yang akan datang.
Dengan menggunakan data yang ada, perhitungan akurasi mencapai 90%
Data yang digunakan sangat mempengaruhi hasil penelitian
tahap preprocessing data juga menentukan keakuratan hasil yang didapat.
Dengan demikian dapat dikatakan bahwa metode rantai markov sangat tepat digunakan untuk melakukan prediksi
DEMO PROGRAM
Hendri Kurniawan P. (11/323818/PA/14364)
Tinjauan Pustaka
Contoh data yang memiliki nilai tidak standart
Training
Activity Diagram
Sequence Diagram
Algoritma markov
Training Activity Diagram
Training Sequence Diagram
Testing Sequence Diagram
Saran
Pada proses preprocessing data perlu adanya perbaikan metode atau algoritma pada tahap pengisian missing value maupun standarisasi.
Untuk data yang besar dibutuhkan PC yang memiliki spesifikasi tinggi.
Program aplikasi akan lebih menarik jika dibuat lebih dinamis lagi
ditambah fitur preprocessing.
Full transcript