1

Diagnosis Penyakit Demam Berdarah Melalui Metode

Decision Tree
Bagus Satriawan1), Vierdy S. Rahmadani2), Ian F. Aldhi3), Rio R. Rainey4), Ade F.Triangga5),
dan Satya D.Hartantyo6)
1)2)3)4)5)6)

Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga

Jl. Mulyorejo, Kampus C Unair, 60115, Surabaya
1)

bagusatria-10@fst.unair.ac.id
2)
vierdysulfianto@live.com
3)
ianfirstianaldhi@gmail.com
4)
rrzkyxperia@gmail.com
5)
adefirmant@gmail.com
6)
satya.psycho@yahoo.com

Abstrak Pada proses diagnosis penyakit

Demam Berdarah, para dokter memerlukan banyak
proses pemeriksaan dikarenakan semakin banyaknya
ciri-ciri yang menandakan seorang pasien terjangkit
penyakit Demam Berdarah dewasa ini. Dengan adanya
metode Decision Tree, dokter atau keluarga pasien
dapat lebih cepat menentukan apakah seorang pasien
terserang penyakit Demam Berdarah atau tidak
berdasarkan ciri-ciri yang menandakan penyakit
Demam Berdarah yang mana telah dirancang menjadi
sebuah Decision Tree. Metode ini merupakan metode
klasifikasi yang paling sering digunakan dikarenakan
strukturnya yang relative mudah untuk dipahami. Dua
tahapan penting untuk melakukan suatu klasifikasi
pada metode ini adalah dengan membangun struktur
pohon keputusan (decision tree) dan membuat aturan
(rule) dari pohon keputusan tersebut. Dengan metode
tersebut, penentuan pasien terkait dengan terjangkit
atau tidaknya penyakit demam berdarah dapat
diketahui dengan mudah dan cepat. Dengan tingkat
akurasi dari pemrosesan data sebesar 78,57%, hasil
tersebut dapat digunakan sebagai hasil diagnosis.
Secara teknis, pasien hanya perlu memberi sebuah
input ciri-ciri yang dialami pasien seperti mimisan,
frekuensi buang air besar, bintik merah di kulit, dan
suhu tubuh ke dalam sistem, yang mana kemudian
diproses menghasilkan sebuah keputusan apakah
pasien tersebut terjangkit penyakit Demam Berdarah
atau tidak.
Kata KunciDemam Berdarah, Desicion Tree,
Diagnosis, Rule

I. PENDAHULUAN
enyakit Demam Berdarah sangat identik dengan
Negara tropis seperti Indonesia. Demam berdarah
selama ini cukup menjadi momok bagi
masyarakat Indonesia dikarenakan masih belum ada
vaksinnya, terutama bagi para orang tua yang
mempunyai anak kecil yang masih rawan terkena
gigitan nyamuk penyebar virus Demam Berdarah.

Organisasi Kesehatan Sedunia The World Health

Organization / WHO memperkirakan insidens 100
juta kasus tiap tahun infeksi virus demam berdarah
untuk daerah tropis dan subtropis. Penyakit ini telah
menjadi masalah kesehatan masyarakat bagi negaranegara tropis diseluruh dunia (Monath, 1984) . Halhal yang menyebabkan masalah adalah angka
kematian yang tinggi, penyebaran penyakit yang
mudah meluas dan terutama menyerang anak-anak.
Sekitar bulan Maret 1998 di Daerah Khusus Ibukota
Jakarta dinyatakan telah timbul kejadian luar biasa
berkaitan dengan penuhnya rumah-rumah sakit oleh
pasien-pasien yang menderita demam. Para dokter
menjadi begitu sibuk menangani kasus-kasus demam
tersebut, sampai dikabarkan konon persediaan
komponen darah di jajaran Palang Merah Indonesia
sangat menipis. Pada bulan Agustus 1998 sebuah
perusahaan obat yang terutama memproduksi cairan
parenteral memberi sumbangan cairan infus kepada
Departemen Kesehatan Republik Indonesia, untuk
mengantisipasi kemungkinan timbulnya kembali
kejadian luar biasa infeksi demam berdarah yang
diperkirakan akan terjadi sekitar musim hujan .
Sampai saat ini masih dijumpai kesulitan dalam
menentukan diagnosis demam berdarah pada pasien
(Soedarmo, 1998)
Seperti kita ketahui, penyakit Demam Berdarah
sangat sulit untuk diidentifikasi dikarenakan sangat
banyak ciri-ciri yang bisa menandakan seseorang
terserang penyakit tersebut. Ciri-ciri yang biasa
terlihat pada penderita penyakit demam berdarah
diantaranya ialah Hidung Berdarah (mimisan), adanya
bintik merah pada kulit, frekuensi buang air besar
meningkat, suhu tubuh tinggi, dll. Dengan banyaknya
ciri-ciri yang menandakan seseorang terjangkit
penyakit demam berdarah, maka diperlukan sebuah
metode guna menentukan dengan cepat dan tepat
apakah seseorang tersebut kiranya benar-benar
terjangkit penyakit demam berdarah atau tidak.

Dengan susahnya penentuan terkait infeksi

penyakit Demam Berdarah, perlu adanya sebuah
metode terkait dengan diagnosis Demam Berdarah.
Dengan mengambil ciri utama, yakni mimisan, adanya
bintik merah, frekuensi Buang Air Besar, dan suhu
tubuh kami memilih menggunakan metode Decision
Tree.
II. TINJAUAN PUSTAKA
A. Decision Tree
Kecerdasan
buatan,
pertama
mendapat
pengakuan sebagai suatu disiplin pada pertengahan
tahun 1950-an. Dua alasan dapat diberikan untuk
keunggulan mengenai penggunaan disiplin ilmu
tersebut pada pendekatan bahasa mesin. Yakni
kemampuan untuk belajar merupakan ciri dari
perilaku cerdas, sehingga setiap upaya untuk
memahami kecerdasan sebagai sebuah fenomena
harus mencakup pemahaman tentang pembelajaran.
Lebih
konkret,
pembelajaran
menyediakan
metodologi potensial untuk membangun sistem
kinerja tinggi. Penelitian tentang pembelajaran terdiri
dari beragam subbidang. Pada satu ekstrim ada sistem
adaptif yang memantau kinerja mereka sendiri dan
berusaha
untuk
memperbaikinya
dengan
menyesuaikan parameter internal. Pendekatan ini,
karakteristiknya sebagian besar, diproduksi untuk
meningkatkan program bertipe game (Samuel, 1967),
balancing poles (Michie, 1982), solving problems
(Quinlan, 1969) dan banyak domain lainnya. Sebuah
pendekatan
yang
sangat
berbeda
melihat
pembelajaran sebagai akuisisi pengetahuan terstruktur
dalam bentuk konsep (Hunt, 1962; Winston, 1975),
discrimination nets (Feigenbaum dan Simon, 1964),
atau production rules (Buchanan,1978).

Gambar 1. Contoh Decision Tree

Decision Tree adalah metode yang banyak
digunakan dalam praktek dan bekerja dengan baik
untuk data statis dengan puluhan atribut. Konsep

Decision Tree adalah untuk pengaturan di mana data

yang berubah dengan cepat dengan ratusan atau
ribuan atribut mungkin relevan. Cabang Decision
Tree dievaluasi sesuai kebutuhan, berdasarkan data
terbaru, berfokus sepenuhnya pada data yang perlu
diklasifikasikan.
B. Demam Berdarah Dengue
Demam berdarah adalah penyakit akut yang
disebabkan oleh virus dengue, yang ditularkan oleh
nyamuk. Penyakit ini ditemukan di daerah tropis dan
sub-tropis, dan menjangkit luas di banyak negara di
Asia Tenggara. Terdapat empat jenis virus dengue,
masing-masing dapat menyebabkan demam berdarah,
baik ringan maupun fatal.

Gambar 2. Nyamuk Aides Aegepti

Infeksi virus dengue telah ada di Indonesia sejak
abad ke-18 seperti yang dilaporkan oleh David Bylon,
dokter berkebangsaan Belanda. Saat itu infeksi virus
dengue menimbulkan penyakit yang dikenal sebagai
penyakit demam lima hari (vijfdaagse koorts) kadang
juga disebut sebagai demam sendi (knokkel koorts).
Disebut demikian karena demam yang terjadi
menghilang dalam 5 hari disertai dengan nyeri pada
sendi, nyeri otot, dan nyeri kepala.
Di Indonesia, pertama sekali dijumpai di
Surabaya pada tahun 1968 dan kemudian disusul
dengan daerah-daerah yang lain. Jumlah penderita
menunjukkan kecenderungan meningkat dari tahun ke
tahun, dan penyakit ini banyak terjadi di kota-kota
yang padat penduduknya. Akan tetapi dalam tahuntahun terakhir ini, penyakit ini juga berjangkit di
daerah pedesaan.
Berdasarkan penelitian di Indonesia dari tahun
1968-1995 kelompok umur yang paling sering
terkena ialah 5 14 tahun walaupun saat ini makin
banyak kelompok umur lebih tua menderita DBD.
Saat ini jumlah kasus masih tetap tinggi rata-rata 1025/100.000 penduduk, namun angka kematian telah
menurun bermakna < 2%

Demam berdarah umumnya ditandai oleh

demam tinggi mendadak, sakit kepala hebat, rasa
sakit di belakang mata, otot dan sendi, hilangnya
napsu makan, mual-mual dan ruam. Gejala pada
anak-anak dapat berupa demam ringan yang disertai
ruam.
Demam berdarah yang lebih parah ditandai
dengan demam tinggi yang bisa mencapai suhu 4041C selama dua sampai tujuh hari, wajah kemerahan,
dan gelaja lainnya yang menyertai demam berdarah
ringan. Berikutnya dapat muncul kecenderungan
pendarahan, seperti memar, hidung dan gusi
berdarah, dan juga pendarahan dalam tubuh. Pada
kasus yang sangat parah, mungkin berlanjut pada
kegagalan saluran pernapasan, shock dan kematian.
Setelah terinfeksi oleh salah satu dari empat
jenis virus, tubuh akan memiliki kekebalan terhadap
virus itu, tapi tidak menjamin kekebalan terhadap tiga
jenis virus lainnya. Demam berdarah ditularkan pada
manusia melalui gigitan nyamuk betina Aedes yang
terinfeksi virus dengue. Penyakit ini tidak dapat
ditularkan langsung dari orang ke orang. Penyebar
utama virus dengue yaitu nyamuk Aedes aegypti,
tidak ditemukan di Hong Kong, namun virus dengue
juga dapat disebarkan oleh spesies lain yaitu Aedes
albopictus.
Saat ini, tidak tersedia vaksin untuk demam
berdarah. Karena itu, pencegahan terbaik adalah
dengan menghilangkan genangan air yang dapat
menjadi sarang nyamuk, dan menghindari gigitan
nyamuk.
III. METODE PENELITIAN
Dalam Bab ini akan dijelaskan mengenai metode
penelitian yang dipakai untuk mendiagnosis problem
dengan menggunakan teknik decision tree.
Langkah-langkahnya
antara
lain
dengan
melakukan pengolahan data, pemrosesan data, hasil
keluaran, dan pemrosesan data dengan melakukan
perhitungan secara manual. Sedangkan untuk data
sendiri, kami menggunakan data dari Rumah Sakit
Wiyung Sejahtera yang akan digunakan sebagai data
utama untuk pengujian menggunakan metode
Decision Tree. Data yang didapat sebanyak 14 data
dengan 4 variabel (Nosebleed, Defecate, Body
Temperature dan Skin Outlook) adalah data
mengenai uji laboratorium pasien demam berdarah
yang diambil dari sumber tersebut diatas.

Tabel 1 Tabel data ciri-ciri penyakit Demam

Berdarah

IV. HASIL DAN PEMBAHASAN

Mencari pengetahuan (knowledge) di data set
pada penelitian ini dengan membentuk Decision Tree
model yang dilakukan dengan dua cara yang mana
menggunakan tools NetBeans 7.3.
Data yang digunakan adalah data uji
laboratorium dengan 4 variabel, yang mana variablevariabel tersebut mencerminkan ciri-ciri yang
biasanya muncul ketika seorang pasien terjangkit
virus penyebab penyakit Demam Berdarah. 4 variable
yang
terdapat
dalam
data
antara
lain
Mimisan(Nosebleed), frekuensi buang air besar
(Defecate), suhu badan (body temperature), dan
adanya bintik merah pada kulit pasien (skin outlook).
Dari variable-variabel yang digunakan, tiap variable
memiliki 2 parameter, seperti misalnya pada variable
Nosebleed, parameter yang digunakan ialah
Frequently (Sering) dan Infrequently (Jarang). Ketika
dilakukan proses koding untuk pembuatan sistem, 2
parameter tersebut dikonversi menjadi bilangan biner
sehingga dapat dikenali dengan mudah oleh sistem.
Pada awal pemrosesan data, penelitian dimulai
dengan melakukan pemilahan kategori menggunakan
software spreadsheet. Setelah itu, proses dipecah
menjadi 2, yang pertama dilakukan perhitungan
manual yang mana nantinya berguna sebagai
komparasi untuk output dari sistem. Yang kedua
adalah dilakukannya proses koding terhadap
penelitian yang dilakukan. Proses koding yang
dilakukan peneliti menggunakan bahasa Java dan
menggunakan
tools
NetBeans
IDE
7.3
(http://www.netbeans.org).
Dua proses teresbut sama-sama melakukan proses
perhitungan terhadap Entropy(S) yang mana nantinya
berguna untuk perhitungan Gain dari tiap-tiap
variable yang ada dalam keseluruhan data. Setelah
perhitungan Entropy selesai, dilakukan perhitungan
Gain tiap-tiap variable. Nilai dari Gain nantinya

berfungsi sebagai penentuan dalam pembuatan model

Decision Tree yang mana nantinya menjadi acuan
terhadap diagnosis untuk pasien yang mempunyai
ciri-ciri yang biasanya menandakan terjangkitnya
pasien oleh virus Demam Berdarah.
Terjangkit atau tidaknya seorang pasien yang
memasukkan input pada program didapat dari sebuah
model Decision Tree yang degenerate program dari
nilai Gain yang telah dihitung sebelumnya. Nilai (Gain
maupun Entropy) terbesar diletakkan pada sisi kiri
model Decision Tree.Nilai Gain terbesar menjadi
Root dalam model Decision Tree. Penentuan leaf
berikutnya ialah berdasarkan Entropy yang didapat,
yang mana child dari hasil Entropy adalah nilai Gain
berikutnya yang belum dimasukkan dalam model
Decision Tree. Pada akhirnya child terakhir dari
model Decision Tree nantinya akan menjadi sebuah
hasil diagnosis terhadap pasien yang menderita ciriciri yang biasanya menjadi tanda terjangkitnya
seorang pasien dengan virus Demam Berdarah.

tersebut positif terjangkit penyakit Demam Berdarah

atau tidak.
B. Pemrosesan data

a. Nosebleed

b. Defecate

c. Body Temperature
Gambar 3 - Desicion Tree hasil pemrosesan data

A. Penggunaan Program
Setelah dilakukan pemrosesan terhadap data yang
ada, maka output dari proses tersebut ialah sebuah
program yang nantinya dapat menjadi acuan dalam
diagnosis penyakit Demam Berdarah dari ciri-ciri
yang sedang dialami pasien.
Program yang dibuat peneliti bersifat sederhana.
Program nantinya akan meminta pasien yang mau
mendiagnosis penyakitnya memasukkan data pada
form input yang telah disediakan oleh program.
Setelah memasukkan input, program akan memproses
dan melakukan pendataan terhadap data yang
dimasukkan oleh pasien. Kemudian program akan
memberikan output yang berisi apakah pasien

d. Skin Outlook

C. Screenshot Sistem

Table 2 - Tabel hasil ujicoba sistem beserta tingkat

akurasinya

V. KESIMPULAN/DAN SARAN

Gambar 4 - Screenshot input ke sistem

Gambar 5 - Screenshot output sistem

Berkembangnya ilmu pengetahuan, dalam hal ini

dalam bidang kesehatan dan teknologi informasi
khususnya, membuat semua orang mau tidak mau
harus ikut menyesuaikan diri dengan dinamika yang
ada. Bidang kesehatan berkembang tidak hanya
dalam perspektif positif, namun juga perspektif
negative yang mana dalam hal ini semakin
berkembangnya penyakit dan ciri-ciri yang
menandainya.
Bersama dengan dinamis nya perkembangan ilmu
teknologi informasi, sudah sewajarnya apabila dua
bidang tersebut saling dikaitkan untuk membantu
peradaban manusia. Teknologi informasi kini seakan
menjadi jawaban untuk penyederhanaan kasus-kasus
yang timbul dan berkembang dalam bidang kesehatan.
Dalam penelitian ini, teknologi informasi
mengambil peran dalam penyederhanaan diagnosis
terhadap penyakit Demam Berdarah dimana cukup
banyak jumlah kasus yang terjadi di Indonesia.
Berdasarkan sample data yang dipunyai oleh peneliti,
dilakukan sebuah pemrosesan data yang mana
nantinya menjadi sebuah sistem baru untuk membantu
proses diagnosis. Sistem tersebut bekerja sesuai
dengan output pemrosesan data yang berupa
Decision Tree model.
Dengan sistem tersebut, mengacu pada Decision
Tree yang telah dibuat, pasien maupun dokter yang
terlibat hanya perlu memasukkan ciri-ciri yang sedang
dialaminya, hingga kemudian sistem akan mengolah
dan memberi hasil output berupa sebuah keputusan
terkait dengan terjangkit atau tidaknya pasien
terhadap penyakit Demam Berdarah. Sistem ini

mempunyai tingkat akurasi sebesar 78,57%. Dengan

demikian, proses diagnosis dapat dengan mudah
dilakukan menggunakan sistem yang berdasarkan
Decision Tree model karena tingkat akurasi dalam
hasil output sistem cukup tinggi.
DAFTAR PUSTAKA
Buchanan, Bruce G., and Edward A. Feigenbaum.
"DENDRAL and Meta-DENDRAL: Their
applications
dimension."
Artificial
intelligence 11.1 (1978): 5-24.
Denton, Anne, and William Perizzo. n.d. "Desicion Tree
Introduction for Dynamic, High-dimensional
Data Using P-Trees."
Hunt, E.B.. Concept learning: An information processing
problem. New York: Wiley, 1962.
Kristina, Isminah, Wulandari L. "Demam Berdarah
Dengue". Litbang Depkes. (2004). Diakses
10-08-2011.
Monath, T.P., Viral Febrile Illness: Hunters Tropical
Medicine 6th ed. Saunders , (1984): 143 149.
Podgorelec, Vili, Peter Kokol, Bruno Stiglic, and Ivan
Rozman. 2002. "Desicion trees : an overview
and their use in medicine." Journal of
Medical Systems (Plenum Press) 26.
Quinlan, J. Ross. "A Task-Independent ExperienceGathering Scheme for a Problem Solver."
IJCAI. 1969.
Quinlan, J. Ross. "Induction of decision trees." Machine
learning 1.1 (1986): 81-106.
Rokach, Lior, and Oded Maimon. "Decision trees." Data
Mining
and
Knowledge
Discovery
Handbook. Springer US, 2005. 165-192.
Samuel, Arthur L. "Some studies in machine learning using
the game of checkers. IIRecent progress."
IBM Journal of research and development
11.6 (1967): 601-617.
Soedarmo, S.S.P. Demam Berdarah pada Anak UI Press, 1998.
Winston, P.H. Learning structural descriptions from
examples. McGraw-Hill, 1975.