Professional Documents
Culture Documents
Penderita Diabetes Melitus Tipe II Di Rumah Sakit Abdul Wahab Syahranie Samarinda Tahun 2015
Penderita Diabetes Melitus Tipe II Di Rumah Sakit Abdul Wahab Syahranie Samarinda Tahun 2015
Penderita Diabetes Melitus Tipe II Di Rumah Sakit Abdul Wahab Syahranie Samarinda Tahun 2015
Abstracts DM type II is one of the most common diseases suffered by Indonesian society. To
anticipate the exposure of this disease, an action is needed to reduce the risk by knowing the factors.
Some of the risk factors are Hereditary, Age, Sex, Obesity, Dietary habit, Sports Activities. Research
of the classification of DM type II has been done by using classification methods. Such as CART,
CHAID, ANN and others. The level of accuracy of a classification method such as CART can be
increased to provide better classification results using the boosting method. Boosting is an ensemble
method used to improve the accuracy of a classification method. One of the variations of boosting is
adaboost. Several studies have also shown that adaboost is able to improve the accuracy of a
classification method. This research was conducted to examine the implementation of boosting on
CART method. The results showed that the accuracy of CART after boosting has increased. From the
research results, 300 patients with Diabetes Mellitus were 277 patients suffering from type II DM and
it is obtained that CART method showed a significant variable effect of DM type II with an accuracy of
94% is a hereditary same as boosting CHART method, with higher accuracy than CART method that
is equal to 98.67%.
60
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
semakin tidak sehat, misalnya kurang aktivitas total sebanyak 300 penderita Diabetes Melitus
fisik serta pola makan yang tidak sehat. Faktor di RS AW Syahranie pada tahun 2015.
risiko untuk DM tipe II antara lain: genetik, Tabel 2. Tabulasi Status DM Tipe II terhadap
lingkungan, usia tua, obesitas, kurangnya Riwayat Keluarga
aktivitas fisik, riwayat DM gestasional, serta Riwayat Keluarga
ras atau etnis tertentu. Penderita Diabetes Status DM (X1) Jumlah
Melitus (DM) tipe II memiliki resiko untuk Tipe II
Tidak Ada
menderita penyakit yang berhubungan dengan Tidak Ada
lemak seperti penyakit jantung dan pembuluh 23 0 23
Menderita
darah atau terjadinya komplikasi dengan Menderita 23 254 277
penyakit lain. Untuk mengantisipasi terkena
Jumlah 46 254 300
penyakit DM tipe II, diperlukan suatu tindakan
untuk mengurangi resiko terkena penyakit ini.
Salah satu cara yang dapat dilakukan adalah Berdasarkan Tabel 2 dapat diketahui
dengan mengetahui faktor-faktor resiko yang bahwa pasien yang menderita DM tipe II dan
menyebabkan DM tipe II. memiliki riwayat penyakit DM tipe II sebanyak
Penelitian ini dibatasi pada metode 254 pasien.
machine learning yang digunakan adalah Tabel 3. Tabulasi Status DM Tipe II terhadap
Boosting CART. Faktor-faktor resiko DM tipe II Jenis Kelamin
yang digunakan adalah riwayat keluarga, Jenis Kelamin (X3) Jumlah
umur, jenis kelamin, status obesitas, pola Status DM
Laki- Peremp
makan, dan aktifitas olah raga berdasarkan Tipe II
ketersedian sumber data dari RS AW Laki uan
Syahranie Samarinda.
Tidak
15 8 23
Metodologi Menderita
Penelitian dilakukan bulan Desember
Menderita 122 155 277
2016 sampai dengan Maret 2017 bertempat di
Laboratorium Statistika Terapan Fakultas Jumlah 137 163 300
Matematika dan Ilmu Pengetahuan Alam
Universitas Mulawarman (FMIPA UNMUL)
dengan tempat pengambilan data di Rumah Berdasarkan Tabel 3 di atas dapat
Sakit Abdul Wahab Syahranie Samarinda. diketahui bahwa pasien yang menderita DM
Metode penelitian ini adalah Boosting CART tipe II paling banyak berjenis kelamin
(Classification and Regression Tree), yaitu perempuan sebanyak 155 pasien. Untuk
metode klasifikasi untuk memprediksi dan pasien yang tidak menderita DM tipe II paling
melihat factor apa saja yang sangat banyak adalah laki-laki dengan 15 pasien.
berpengaruh pada penderita diabete mellitus Tabel 4. Tabulasi Status DM Tipe II terhadap
tipe 2. Tahapan penelitian meliputi; Obesitas
pengambilan sampling (purposive sampling), Obesitas (X4)
penentuan sampel dengan pertimbangan Status DM Tipe II Jumlah
tertentu. Tidak
Menderita
Menderita
Hasil dan Pembahasan Tidak Menderita 14 9 23
Statistika Deskriptif Menderita 22 255 277
Berikut adalah jumlah penderita dan status Jumlah 36 264 300
penderita
Tabel 1. Tabulasi Status Penderita Diabetes Berdasarkan Tabel 4 dapat diketahui
Melitus bahwa pasien yang menderita DM tipe II dan
Status Penderita DM tipe II Frekuensi menderita obesitas sebanyak 255 pasien.
Tidak Menderita 23
Menderita 277
Total 300
61
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
Tabel 5. Tabulasi Status DM Tipe II terhadap varian tergantung pada splitting kriterianya.
Pola Makan Salah satunya adalah CART (Classification
Pola Makan (X5) and Regression Tree). Pada subbab ini,
Status DM sebelum proses boosting, proses sebelumnya
Jumlah
Tipe II
Memenuhi
Tidak adalah dengan melakukan klasifikasi data DM
Memenuhi tipe II dengan menggunakan CART.
Tidak
9 14 23
Menderita Pembentukan Pohon Klasifikas
Menderita 255 22 277
Untuk menentukan root node pada
Jumlah 264 36 300 penelitian ini dengan menggunakan metode
pemilihan indeks Gini sesuai dengan
Berdasarkan Tabel 5 di atas dapat persamaan (1). Adapun hasil perhitungan
diketahui bahwa pasien yang menderita DM kemungkinan pemilah dan nilai indeks Gini
tipe II dan memenuhi kriteria sehat sebanyak dari setiap variabel independen diuraikan
255 pasien. sebagai berikut.
Tabel 6. Tabulasi Status DM Tipe II terhadap Tabel 7. Nilai Indeks Gini Dari Lima Variabel
Aktifitas Olahraga Independen
Aktifitas Olahraga No Variabel Independen Nilai Indeks Gini
Status DM Tipe II (X6) Jumlah 1 Riwayat Keluarga (X1) 0,076
Aktif Kurang 2 Jenis Kelamin (X3) 0,141
Tidak Menderita 9 14 23 3 Obesitas (X4) 0,115
Menderita 255 22 277 4 Pola makan (X5) 0,115
Jumlah 264 36 300 5 Aktifitas Olahraga (X6) 0,115
62
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
63
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
64
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
65
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2017
23 September 2017, Samarinda, Indonesia ISBN: 978-602-50321-0-3
Matematika Vol. 2 No. 2, Desember 2012. [15] Nathan, D.M., Delahanty, L.M. (2009).
ISSN : 1693-1394 Menaklukkan Diabetes. Gramedia:Jakarta
[8] Freund Y, Schapire R E. (1997). A [16] Okun, O.(2011). Feature Selection and
decision- theoretic generalization of on- Ensemble Methods for
line learning and an application to Bioinformatics:Algorithmic Classification
boosting. Journal of Computer and System and Implementations. United States of
Sciences, 55:119-139. America:IGI Global
[9] Furqon. (1997). Statistik Terapan Untuk [17] Schaefer, R.L. (1986). Alternative
Penelitian. Bandung: Alphabeta. Estimators in logistic Reggresion When
[10] Giudici, Paolo. (2003). Applied Data the Data are Collinear. Stat Comput Simul,
Mining, Statistical Method for Business 25, 75-91.
and industry. Italy: Faculty of [18] Siegel, S. (1985). Statistika Nonparametrik
Economics Unversity of Pavia. Untuk Ilmu-Ilmu Sosial, Jakarta:
[11] Handayani, S.A. (2003). Faktor-Faktor Gramedia.
Risiko Diabetes Melitus Tipe II di [19] Statsoft, (2003). Classification and
Semarang dan Sekitarnya. Thesis S-2 Regression Trees (C&RT) Theory and
Magister Ilmu Kesehatan Masyarakat Application.
Universitas Diponegoro Semarang http://www.statsoft.com/textbook/stCART.
[12] Jonathan, S. et. al. (1999). The html. Diakses pada tanggal 15 September
Epidemiology of Diabetes : a World-Wide 2016.
Problem. University of Sydney. [20] Sugiyono. (2010). Statistik Nonparametrik
[13] Khardori, R. (2011). Type 2 Diabetes untuk Penelitian. CV. Bandung: Alfabeta
Melitus. [21] Timofeev, Roman. (2004). Classification
http://emedicine.medscape.com/article/11 and Regression Trees (C&RT) Theory and
7853-overview#a0104. Diakses pada Application. A Master Thesis. CASE-
tanggal 25 Oktober 2016 pukul 20.00. Center of Applied Statistics and
[14] Lewis, R.J. (2000). An Introduction to Economics. Berlin: Humboldt University.
Classification and Regression Tree [22] Yohannes, Y dan Hoddinott, J. (1999).
(CART) Analysis. Annual Meeting of the Classification and Regression Trees: An
Society for Academic Emergency Introduction. Washington, D.C:
Medicine in San Franscisco. California: International Food Policy Research
Departement of Emergency Medicine. Institute.
66