BAB II

LANDASAN TEORI

Bab ini menjelaskan mengenai landasan teori dari dasar-dasar pengertian

diabetes mellitus, data mining, pengolahan data, algoritma J48 dan Random
Forest, serta menjelaskan tentang teori-teori dari pengujian Confusion Matrix.

2.1 Diabetes Mellitus

Diabetes mellitus (DM) merupakan penyakit yang ditandai dengan kadar
gula darah yang tinggi atau tidak adanya insulin. Tubuh pasien penderita penyakit
tersebut tidak dapat menghasilkan hormon insulin yang dihasilkan pankreas,
sehingga kadar gula dalam darah meningkat dan dapat menyebabkan komplikasi
jangka pendek maupun panjang pada pasien penderita diabetes mellitus [4].
Dalam penelitian ini terdapat beberapa tipe diabetes mellitus. Diantaranya
yaitu DM Type I, DM Type II, DM dg KAD, DM dg Neuropathy Diabetic, DM
tidak spesifik, DM Gangrene, DM Type 2 dg Neurological Complications, DM
Type 2 dg Hypoglycaemia (Hypergycaemia hyperosmolar), DM Type 2 dg
komplikasi multiple, dan DM Type II dg Opthalmic Complications.
Dalam penelitian kali ini terdapat beberapa atribut yang digunakan sebagai
parameter untuk menentukan kelas pada penyakit diabetes mellitus. Diantaranya
yaitu gula darah acak, kolesterol, kolesterol HDL, kolesterol LDL, Trigliserida,
systole, diastole dan riwayat penyakit dalam.

2.2 Data Mining

Data mining merupakan serangkaian proses untuk menggali nilai tambah
yaitu berupa informasi yang selama ini tidak diketahui secara manual dari suatu
basis data, dengan melakukan penggalian pola-pola dari data, dengan tujuan untuk
memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan
cara mengekstrasi fitur yaitu mengenali pola yang penting dan menarik dari data
[5].

6
 Data mining juga dikenal dengan nama lain, seperti: Knowledge discovery
in databases (KDD). Yaitu ekstraksi pengetahuan, atau analisa data/pola dan
merupakan alat yang penting untuk memanipulasi data untuk penyajian informasi
yang sesuai dengan kebutuhan user yang bertujuan untuk membantu dan
menganalis pola dari suatu data.
Latar belakang dilakukannya proses penambangan data yaitu karena
berlimpahnya data atau overload data yang dialami oleh perusahaan atau institusi.
Berlimpahnya data ini dikarenakan proses rekam transaksi yang terjadi selama
bertahun-tahun, dalam penelitian kali ini dikarenakan rekam medis yang terjadi
selama 8 tahun terakhir.

2.3 Klasifikasi
Klasifikasi adalah proses penemuan model atau fungsi yang menjelaskan
atau membedakan konsep atau kelas data, yang bertujuan agar dapat
memperkirakan kelas dari suatu objek yang labelnya tidak diketahui.
Klasifikasi memiliki 2 tahapan penting. Pertama yaitu tahap learning
(training) tahap ini yaitu pembelajaran menggunakan data training, yang Kedua
adalah tahapan testing, tahap ini yaitu menguji metode atau model menggunakan
data testing. Berikut adalah gambar mengenai 2 tahapan klasifikasi [6].

Gambar 2.1 Tahapan Klasifikasi

2.4 Pembelajaran Mesin (Machine Learning)

2.4.1 Definisi
Machine Learning merupakan salah satu cabang dari disiplin ilmu
Kecerdasan Buatan (Artificial Intelegence) yang membahas mengenai
pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari,

7
akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine
learning.
1. Pembelajaran Terarah (Supervised Learning)
2. Pembelajaran Tak Terarah (Unsupervised Learning)
3. Pembelajaran Semi Terarah (Semi-supervised Learning)
4. Reinforcement Learning
2.4.2 Sejarah Machine Learning
Sejak pertama kali computer diciptakan manusia sudah memikirkan
bagaimana caranya agar computer dapat belajar dari pengalaman. Hal tersebut
sudah terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program,
game of checkers, pada sebuah komputer IBM. Program tersebut dapat
mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan
gerakan tersebut kedalam memorinya.
Istilah machine learning pada dasarnya adalah proses komputer untuk
belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa
belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti
akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti
akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan
nya berbeda-beda untuk mendapatkan hasil yang optimal [7].
2.4.3 Penerapan Machine Learning
Banyak contoh dari penerapan machine learning dalam kehidupan sehari-
hari, misalnya dalam bidang kedokteran yaitu mendeteksi penyakit seseorang dari
gejala yang ada, mendeteksi penyakit jantung dari rekaman elektromiogram.

2.5 Pengolahan Data

2.5.1 Pengumpulan Data
Tahap berikutnya adalah melakukan pengumpulan data yang kemudian
dilakukan proses preprocessing data. Data yang digunakan merupakan data
penderita diabetes mellitus dari Rumah Sakit Muhammadiyah Lamongan.
2.5.2 Data Preprocessing
Data preprocessing atau pemrosesan data yaitu pembersihan data, yang
meliputi menghilangkan duplikasi data, memeriksa data inkosisten serta

8
memperbaiki kesalahan [8]. Dalam proses data preprossing menggunakan teknik
normalisasi data dan penanganan missing values, normalisasi adalah proses untuk
penskalaan nilai atribut dari suatu data sehingga bisa jatuh pada range tertentu.
Sedangkan untuk penanganan missing values digunakan untuk menghapus data
kosong kemudian mengisinya kembali dengan teknik tertentu. Berikut ini
penjelasan dari masing-masing prosesnya.
1. Normalisasi
Normalisasi merupakan proses penskalaan nilai atribut dari data sehingga
bisa jatuh pada range tertentu, pada proses normalisasi menggunakan
metode Min-Max.
Berikut ini adalah peumusan normalisasi data.
𝑑𝑎𝑡𝑎 𝑡𝑒𝑟𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑠𝑎𝑠𝑖 = (𝑥^1 − 𝑥_𝑚𝑖𝑛)/(𝑥_𝑚𝑎𝑥 − 𝑥_𝑚𝑖𝑛 ) (1)
𝑥^1 = data yang akan dinormalisasi
2. Penanganan Missing Values
Penanganan missing values pada penelitian ini menggunakan metode
imputasi data, yang merupakan pengisian nilai hilang pada dataset,
dengan cara menempatkan nilai yang hilang dengan nilai tertentu. Kaidah
dari imputasi adalah mendapatkan nilai ramalan sedekat mungkin dengan
missing vale, dengan kata lainimputasi mencoba untuk meminimkan nilai
antra missing value.
2.6 Algoritma Decision Tree J48
Algoritma Decision Tree adalah algoritma yang umum atau biasa digunakan
untuk mengambil keputusan. Algoritma ini akan mencari solusi dari suatu
permasalahan dengan menjadikan criteria sebagai node yang saling berhubungan
dan membentuk seperti struktur pohon. Konsep data dalam decision tree adalah
data dinyatakan dalam bentuk table, yang terdiri dari atribut yang digunakan
sebagai parameter yang dibuat sebagai kriteria dalam pembuatan pohon [10].
Berikut adalah 3 proses dalam decision tree :
1. Mengubah bentuk table menjadi tree
Dalam tahap ini hal yang perlu dilakukan yaitu menentukan atribut mulai
dari akar, cabang hingga menuju keputusan. Pendekatan yang digunakan untuk

9
menentukan atribut terpilih menggunakan perhitungan gain ratio dari setiap
criteria data sampel, berikut adalah persamaannya :
𝐺𝑎𝑖𝑛 (𝑆,𝐴)
𝐺𝑎𝑖𝑛𝑟𝑎𝑡𝑖𝑜 𝑆, 𝐴 = 𝑆𝑝𝑙𝑖𝑡𝐼𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛 (2)
(𝑆,𝐴)

Dimana nilai information gain bermakna seberapa banyak informasi yang

diperoleh dengan mengetahui nilai suatu atribut sedangkan nilai split information
digunakan untuk suatu atribut yang memiliki banyak instance (lebih dari dua dan
beragam).
2. Mengubah model tree menjadi rule
Formula untuk membangkitkan rule didefinisikan sebagai berikut:
𝐼𝐹 𝑝𝑟𝑒𝑚𝑖𝑠 𝑇𝐻𝐸𝑁 𝑘𝑜𝑛𝑘𝑙𝑢𝑠𝑖 (3)
Simpul akar dan cabang akan menjadi premis dari aturan, sedangkan
simpul daun akan menjadi bagian dari konklusinya (solusi). Tiap premis yang
terdapat dalam satu atribut akan dihubungkan dengan hubungan disjungsi,
sedangkan premis yang memiliki lanjutan premis pada cabang selanjutnya akan
dihubungkan dengan konjungsi.

Gambar 2.2 Proses Model Tree Menjadi Rule

3. Menyerdehanakan rule
Pada proses penyederhanaan rule, tahapan-tahapan dilakukan sebagai
berikut:
a. Membuat tabel distibusi terpadu dengan menyatakan semua nilai kejadian
padasetiap rule
b. Menghitung tingkat independensi antara kriteria pada suatu rule, yaitu
antara atribut dengan target atribut (perhitungan tingkat independensi
menggunakan test of independency Chi-Square).

10
 c. Mengeliminasi kriteria yang dianggap tidak perlu, yaitu yang memiliki
tingkat independensi tinggi.
Serta berikut ini adalah kelebihan dan kekurangan pada Algoritma J48.
Kelebihannya yaitu :
1. Daerah pengambilan keputusannya sangat kompleks, dapat diubah
menjadi lebih spesifik.
2. Tidak diperlukan eliminasi pada proses perhitungan, karena
penggunakan pohon keputusan maka pada data uji hanya berdasarkan
atau kelas tertentu.
3. Fleksibel dalam memilih fitur dari internal node yang berbeda, pada
salah satu kelebihan pada algoritma j48 ini meningkatkan kualitas
keputusan yang dihasilkan.
Dan kekurangan pada metode pohon keputusan J48 yaitu:
1. Terjadi overlap jika kelasnya terlalu banyak.
2. Pengakumulasian jumlah error dari setiap tingkat dalam pohon
keputusan yang besar.
3. Kesulitan mendesain pohon keputusan.
4. Hasil keputusan bergantung pada bagaimana pohon tersebut didesain.
2.7 Algoritma Random Forest
Random forest merupakan suatu kumpulan dari beberapa tree, dimana
masing-masing tree bergantung pada nilai piksel pada tiap vector yang diambil
secara acak dan independen [3].

Berikut adalah gambar tentang cara kerja algoritma random forest:

11
 Gambar 2.3 Proses Klasifikasi Random Forest

Pada Gambar 2.3 dalam pembentukan tree, algortima Random Forest akan
melakukan training terhadap sampel data. Pengambilan sample dilakukan dengan
cara sampling with replacement. Sebanyak sepertiga dari sampel akan digunakan
untuk menentukan data out of bag (OOB). Penentuan data out of bag dilakukan
untuk mengestimasi error dan menentukan variable importance. Variable yang
akan digunakan untuk menentukan pemisan (split) terbaik ditentukan secara acak
dengan cara voting dari masing-masing tree, kelas dengan jumlah vote terbanyak
akan menjadi pemenangnya [3].

Serta berikut ini adalah kelebihan dan kekurangan pada Algoritma Random
Forest. Kelebihannya yaitu dapat mengatasi noise dan missing value serta dapat
mengatasi data dalam jumlah yang besar. Dan kekurangan pada algoritma
Random Forest yaitu interpretasi yang sulit dan membutuhkan tuning model yang
tepat untuk data.
2.8 Pengujian
2.8.1 Pengujian Pengelolaan Data
Dalam proses data mining, dataset yang sudah terbentuk, akan dibagi
menjadi 2 bagian, yaitu data training dan data testing. Fungsi dari Training set
yaitu digunakan untuk proses klasifikasi dengan algoritma J48 maupun Random

12
Forest, sedangkan testing set digunakan untuk mengukur tingkat keakuratan dari
masing-masing algoritma, serta digunakan untuk mengukur sejauh mana pohon
keputusan yang dibentuk berhasil melakukan proses klasifikasi [11].

2.8.2 Pengujian Confusion Matrix

Confussion matrix merupakan sebuah table untuk mendeskripsikan performa
dari sebuah model klasifikasi, digunakan untuk mengukur performa
pengklasifikasian pada datasets.
Confusion matrix mengandung informasi tentang aktual dan prediksi
klasifikasi yang dilakukan oleh sistem, hasil dari sebuah sistem sering dievaluasi
dengan menggunakan pengujian confusion matrix [12].
Metode ini sendiri digunakan untuk menghitung akurasi pada konsep data
mining. Dengan metode ini dapat melakukan perhitungan dengan 3 keluaran,
yaitu: (1) recall, (2)precision dan (3)accuracy
(1) Recall adalah proporsi kasus dengan hasil positif diidentifikasi dengan benar.
Rumus dari recall adalah sebagai berikut:
𝑇𝑃
𝑟𝑒𝑐𝑎𝑙𝑙 = (5)
𝑇𝑃+𝐹𝑁

(2) Precision adalah proporsi kasus dengan hasil positif yang benar. Rumus dari
precision adalah sebagai berikut:
𝑇𝑃
𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 = 𝑇𝑃+𝐹𝑃 (6)

(3) Accuracy adalah perbandingan kasus yang diidentifikasi benar dengan jumlah
semua kasus. Misalkan terdapat confussion matrix 2×2 seperti matriks di
bawah ini:
Kelas Kelas hasil klasifikasi
C TP FP
C FN TN
Maka rumus yang digunakan adalah sebagai berikut:

𝑇𝑃+𝑇𝑁
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = × 100% (7)
𝑇𝑃+𝑇𝑁+𝐹𝑃+𝐹𝑁

Rumus diatas dapat didefinisikan seperti pada rumus berikut:

𝑑𝑎𝑡𝑎 𝑦𝑎𝑛𝑔 𝑑𝑖𝑘𝑙𝑎𝑠𝑖𝑓𝑖𝑘𝑎𝑠𝑖𝑘𝑎𝑛 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑒𝑝𝑎𝑡
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = × 100% (8)
𝑑𝑎𝑡𝑎 𝑡𝑒𝑠𝑡𝑖𝑛𝑔

13
 Keterangan:
a) TN (true negative) adalah jika hasil prediksi negatif dan data sebenarnya
negatif.
b) FP (false positive) adalah jika hasil prediksi positif sedangkan nilai
sebenarnya negatif.
c) FN (false negative) adalah jika hasil prediksi negatif sedangkan nilai
sebenarnya positif.
d) TP (true positive) adalah jika hasil prediksi positif dan nilai sebenarnya
positif.

14