2.

diagnosa dini penyakit DBD dan demam tifoid, sehingga dapat digunakan bagi balai pengobatan di daerah terpencil yang tidak terdapat laboratorium klinis tetapi mempunyai komputer. Membantu pengambilan keputusan dalam diagnosis penyakit secara akurat.

2.

TINJAUAN PUSTAKA
Demam Berdarah Dengue (DBD) Demam berdarah dengue (DBD) adalah penyakit demam akut yang ditemukan di daerah tropis, dengan penyebaran geografis yang mirip dengan malaria. Demam berdarah disebabkan oleh oleh virus dengue. Virus ini dibawa oleh nyamuk Aedes aegypti betina lewat air liur gigitan saat menghisap darah manusia. Virus dengue yang masuk ke dalam tubuh manusia mampu menyebabkan gangguan pembuluh darah kapiler dan sistem pembekuan darah. Gangguan ini menyebabkan perdarahan pada sistem aliran darah manusia. Virus ini sering menyerang kelompok umur 4-10 tahun, meskipun kelompok umur 1 tahun dapat terserang. Saat ini virus dengue mampu menyerang orang dewasa muda umur 18-25 tahun (Septiani 2009). Penyebab penyakit DBD Penyakit DBD disebabkan oleh oleh virus dengue dan nyamuk Aedes aegypti, disamping ditemukan pula Aedes albopictus. Virus dengue ini berbentuk batang, bersifat termolabil, sensitif terhadap inaktivasi oleh dietileter dan natrium dioksikolat, stabil pada suhu 70 C. Pengertian dari istilahistilah kedokteran seperti termolabil, inaktivasi, dan lainnya yang digunakan pada skripsi ini disajikan pada Lampiran 1. Gejala penyakit DBD Septiani (2009) berpendapat bahwa DBD memiliki gejala-gejala yang menyertainya. Gejala-gejala ini dikelompokkan menjadi dua kelompok utama yaitu: (1) gejala utama dan (2) gejala tambahan. 1. Gejala utama pada DBD adalah : a. Demam tinggi terus menerus yang mendadak 2-7 hari (38-40 derajat Celcius). b. Adanya tanda perdarahan,

contohnya ruam. Ruam demam berdarah mempunyai ciri-ciri merah terang. Gejala tambahan, yang sering dijumpai : a. Hepatomegali. b. Nyeri perut. c. Nyeri di belakang mata. d. Rasa mual. e. Trombositopeni, pada hari ke 3-7 ditemukan penurunan trombosit sampai 100.000/mm. f. Hemokonsentrasi. g. Sakit kepala yang hebat. h. Nyeri menelan. i. Lemah dan lesu. j. Nyeri ulu hati, karena terjadi perdarahan di lambung. k. Batuk. l. Mual. m. Muntah. n. Artralgia. o. Mialgia.

Proses penularan penyakit DBD Virus dengue ditularkan melalui gigitan nyamuk Aedes aegypti betina yang telah terinfeksi virus dengue dari penderita lain. Penularan virus dengue ke manusia dapat terjadi meskipun hanya dengan satu gigitan nyamuk. Hal yang harus diperhatikan yaitu penyebaran virus tidak terjadi akibat kontak langsung antar manusia. Penyebaran virus ini akan semakin cepat akibat populasi nyamuk yang meningkat pesat saat musim hujan. Penyebaran virus yang cepat ini dapat mengakibatkan adanya re-infeksi virus DBD. Re-inveksi terjadi jika penderita terinfeksi virus dengue dari nyamuk lainnya. Re-infeksi ini akan menyebabkan suatu reaksi anamnestik dari antibodi, sehingga menimbulkan konsentrasi kompleks antigen-antibodi yang tinggi (Kristina, Isminah dan Wulandari 2004). Demam berdarah dengue atau DBD umumnya diderita oleh anak di bawah 10 tahun sedangkan yang beresiko menderita DBD yaitu usia di bawah 15 tahun. Golongan penderita DBD sebagian besar tinggal di lingkungan lembab atau daerah pinggiran kumuh (Kristina, Isminah dan Wulandari 2004). Penyebaran DBD Kasus penyakit DBD pertama kali ditemukan di Manila, Filipina tahun 1953. Kasus DBD pertama kali dilaporkan di Indonesia yaitu terjadi di Surabaya dan 2

Sisa kuman yang tidak mati masuk ke usus halus. Splenomegali. Nyeri lambung. disusul bakteriemi I. S. Sebagian kuman dimusnahkan oleh asam lambung dan sebagian lagi masuk ke usus halus (Mansjoer2000 dirujukdari Salma 2007). Penyakit demam tifoid dapat menyerang siapa saja. terjadilah bakteriemi II (Darmowandowo2006 dirujuk dari Salma 2007). b. g. Setelah berkembang biak di RES. c. . Gejala-gejala ini dikelompokkan menjadi dua kelompok utama yaitu: (1) gejala utama dan (2) gejala tambahan.015 orang Jumlah Kematian 1.Typhi.377 orang 50. e. Lidah kotor tepi hiperemi.Paratyphi B dan kadang jenis salmonella yang lain. Nyeri otot.015 kasus (Tabel 1 dan Gambar 1). Hepatomegali.Jakarta. i. Selama terjadi infeksi. i. b. Salmonella typhosa menembus ileum ditangkap oleh sel mononuclear. Berdasarkan Kristina. namun sebagian besar menyerang kelompok usia anak-anak. terdapat kecenderungan peningkatan jumlah penderita Penyakit demam tifoid pada usia dewasa.904 orang 40. c. Perasaan tidak enak di perut. yang sering dijumpai : a. Nyeri otot. j.typhi masuk ketubuh manusia melalui makanan dan air yang tercemar. Setelah mencapai usus. Nyeri kepala. Sebagian kuman akan dimusnahkan dalam lambung oleh asam lambung. Tabel 1Jumlah kematian akibat kasus DBD di Indonesia Tahun 1996 1998 1999 2000 2001 2002 2003 2004 Jumlah Kasus 45. Gejala penyakit demam tifoid Demam tifoid memiliki gejala-gejala yang menyertainya. h. Jumlah kematian yang terjadi pada saat itu yaitu sebanyak 24 orang. Epitaksis. Mual/muntah. Demam yang disebabkan oleh S. d. Batuk.548 orang 72. g. j. 1. Sakit kepala.443 orang 45. Sumber penularan penyakit demam tifoid melalui mulut oleh makanan yang tercemar. d. e.234 orang 1. kuman tersebut bermultiplikasi dalam sel fagositik monuklear dan secara berkelanjutan dilepaskan ke aliran darah (Darmowandowo 2006 dirujuk dari Salma 2007). Gejala tambahan. Isminah.131 orang 26. Kembung. 2. f.414 orang 389 orang Penyebab penyakit demam tifoid Demam tifoid disebabkan oleh jenis salmonella tertentu yaitu S. Mual/muntah. Anoreksia.Paratyphi A. Diare. Meskipun demikian. Proses penularan penyakit demam tifoid S.Typhi cenderung menjadi lebih berat daripada bentuk infeksi salmonella yang lain (Ashkenazi et al 2002 dirujuk dari Salma 2007). f. dan S. h. Demam. 3 Gambar 1 Jumlah kasus akibat DBD Demam Tifoid Demam tifoid adalah penyakit infeksi akut disebabkan oleh oleh kuman gram negatif Salmonella typhi. Obstipasi atau diare.134 orang 33. Wulandari (2004) jumlah kematian akibat kasus DBD di Indonesia pada tahun 2004 sebanyak 389 orang dari 26.133 orang 21. Pusing. Gejala utama pada tifoid adalah : a. Nyeri ulu hati.

…. Pelatihan Proses pelatihan ini bertujuan mencari model yang akan digunakan untuk proses klasifikasi. Semua fitur yang ada memberikan nilainya pada voting diantara kelas-kelas. Orang yang beresiko terserang demam tifoid adalah sebagian besar menyerang kelompok usia anak-anak. Voting Feature Intervals (VFI5) Salah satu dari metode klasifikasi adalah algoritma VFI5. S2. nilainilai dari fitur nominal tidak memiliki urutan dan tidak dapat dibandingkan tingkatannya. K-Fold Cross Validation Cross-validation merupakan metode untuk memperkirakan generalisasi error berdasarkan “resampling” (Weiss and Kulikowski. Proses klasifikasi algoritma VFI5 dilakukan proses inisialisasi awal nilai vote masing-masing kelas dengan nilai 0. Proses penemuan end point berbeda antara fitur linear dan fitur nominal. Sk digunakan sebagai pelatihan dan pengujian yang masingmasing diulang sebanyak k kali. Algoritma VFI5 memiliki dua proses utama yaitu proses pelatihan dan proses klasifikasi. Fitur selang yang menghasilkan point interval dan range interval serta jumlah 4 . tetapi lebih banyak dijumpai di negara-negara sedang berkembang di daerah tropis. Penemuan end point pada fitur ini yaitu dengan cara mencari nilai maksimum dan minimum dari fitur tersebut untuk setiap kelas. VFI5 juga mampu menghilangkan pengaruh yang kurang menguntungkan dari feature yang tidak relevan dengan mekanisme votingnya (Güvenir 1997). yaitu: proses pelatihan dan proses klasifikasi. Sebuah point interval didefinisikan untuk sebuah nilai fitur tunggal dimana hanya sebuah nilai tunggal yang digunakan untuk mendefinisikan selang tersebut. Pada algoritme VFI5 selang dari setiap fitur diperoleh dari data latih. Dalam k-fold cross validation. Setiap selang merupakan perwakilan dari himpunan nilai-nilai dari fitur yang diberikan. 1991 dirujuk dari Sarle 2004). Himpunan bagian yang dihasilkan yaitu S1. Demam tifoid juga ditemukan pada usia dewasa. Selang setiap fitur akan dihasilkan pada proses ini. Dalam klasifikasi dengan menggunakan algoritma VFI5 disarankan menggunakan metode k-fold cross validation dengan nilai k lebih besar dari 2. dan akan lebih baik lagi menggunakan nilai k sebesar mungkin karena semakin besar nilai k maka akurasi yang didapatkan akan cenderung tetap atau meningkat. Keunggulan dari algoritma VFI5 yaitu algoritma ini cukup kokoh terhadap fitur yang tidak relevan namun mampu memberikan hasil yang baik pada real-world datasets yang ada.mencapai jaringan limfoid lalu berkembang biak. 1. limpa dan organ-organ lainnya. Pada proses pelatihan ini akan dihasilkan selang pada setiap fitur. Pada fitur linear nilai-nilainya memiliki urutan dan dapat dibandingkan tingkatannya. Sebuah range interval didefinisikan sebagai sebuah himpunan nilai-nilai yang berurutan dari fitur yang diberikan. Penyakit demam tifoid dapat ditemukan sepanjang tahun di Indonesia. Algoritme VFI5 juga membuat interval untuk setiap fitur berupa range interval dan point interval. dan serta terdapat kecenderungan peningkatan jumlah penderitanya. data dibagi secara acak menjadi k himpunan bagian yang ukurannya hampir sama satu dengan yang lain. Proses pelatihan ini bertujuan menemukan model yang akan digunakan dalam proses klasifikasi. End point yang ada pada suatu selang harus diketahui untuk menghasilkan selang fitur tertentu. sebuah selang mewakili himpunan nilai-nilai dari fitur yang diberikan. untuk menentukan end point pada fitur ini dengan cara mencatat semua nilai yang berada pada fitur tersebut. Penyebaran demam tifoid Kasus penyakit demam tifoid terdapat di seluruh dunia dan penyebarannya tidak bergantung pada keadaan iklim. Algoritma VFI5 merupakan versi terakhir dari algoritma VFI yang secara umum mengembangkan selang antar fitur. Kuman kemudian masuk aliran darah dan mencapai sel-sel retikuloendotelial hati. S3. Terdapat dua proses pada algoritma VFI5. Proses klasifikasi instance baru didasari pada feature vote. Kelas yang menerima vote tertinggi akan ditentukan sebagai kelas yang diprediksikan. Berbeda dengan hal tersebut.

Normalisasi dilakukan dengan cara membagi jumlah instance pelatihan setiap kelas c yang ada pada selang i sebuah fitur f dengan jumlah instance pada setiap kelas c. sedangkan fitur nominal hanya menghasilkan point interval saja. Gambar 3 merupakan pseudocode algoritme klasifikasi VFI5. Hasil dari proses ini merupakan vote kelas c pada selang i. /*such that interval_class_count c]=1*/ end. [f.…. maka semua vote setiap kelas c pada selang tersebut disimpan dalam sebuah vector <feature_vote [f. train (TrainingSet): begin for each feature f if f is linear for each class c EndPoints [f] = EndPoints [f] U find_end_points (TrainingSet. c].i. untuk menghilangkan efek perbedaan distribusi setiap kelas. i. i. Kemudian nilai-nilai vote dari setiap fitur pada selang i dimana instance pengujian jatuh dijumlahkan setelah masing-masing dikalikan dengan bobot fitur yang bersesuaian dan hasilnya disimpan dalam sebuah vektor vote <vote [Ci].feature_vote [f.c]. Klasifikasi Pada setiap kelas c. Gambar 2Pseudocode algoritme pelatihan VFI5 classify (e): /*e is example to be classified*/ begin for each class c vote [c] = 0 */sum of vote of class 5 . sehingga dilakukan normalisasi pada vote kelas c untuk fitur f dan selang i. …. Nilai yang ada pada interval_class_vote [f. jumlah instance untuk setiap kelas c dapat berbeda-beda. 2. feature_vote [f. c). Jika terdapat nilai suatu fitur dari instance pengujian yang hilang atau tidak diketahui. dimana feature_vote [f. Kelas dengan jumlah vote terbesar diramalkan sebagai kelas prediksi.. Sort (EndPoints [f]).i. kemudian hasilnya disimpan sebagai interval_class_vote [f.maksimal end point. vote diberi nilai awal 0 karena semua fitur pada awalnya belum memberikan vote. c] = interval_class_count[f. Untuk setiap selang i dari sebuah fitur f dihitung jumlah instance pelatihan setiap kelas c yang jatuh pada selang i dan hasilnya disimpan sebagai interval_class_count [f. c] = count_instances (f. Setelah instance pengujian jatuh pada selang i. kemudian dicari selang i dimana instance pengujian jatuh pada selang tersebut untuk setiap fitur f.i . for each interval i on feature dimension f for each class c interval_class_vote [f.c] dinormalisasi kembali sehingga jumlah vote setiap kelas c pada selang i untuk fitur f sama.vote [Ck]>.c]. c] / class_count [c] normalize [f. …. maka fitur tersebut diasumsikan tidak memberikan vote sehingga nilai vote untuk fitur tersebut sama dengan 0. Ci]. i. i. i. for each end point p in EndPoints [f] form a point interval from end point p form a range interval between p and next EndPoints ≠ p else /* f is nominal */ form a point interval for each value of f for each interval i on feature dimension f for each class c interval_class_count [f. Cj]. Cj] merupakan fitur untuk kelas Cj dan k adalah jumlah kelas. Ck]>. c). f. dengan pseudocode algoritme pelatihan VFI5 pada Gambar 2. interval_class_vote ∑c i.