BAB 3

PEMBAHASAN

3.1

Rumah Sakit Pondok Indah

3.1.1 Latar Belakang

Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan
pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan
rumah sakit pertamanya yaitu RS Pondok Indah yang terletak di Jakarta Selatan, dan
kemudian pada pada tahun 2008 mendirikan rumah sakit keduanya, yaitu RS Puri Indah
di wilayah Jakarta Barat tepatnya di Puri Indah, Kembangan.
Rumah Sakit Pondok Indah adalah rumah sakit swasta mutakhir pertama di
Indonesia yang diresmikan pada 1 Desember 1986. Kehadiran RS Pondok Indah
mendapat tanggapan positif dari masyarakat luas, terbukti dengan tetap bertahan,
berkembang dan bertambahnya pusat-pusat pelayanan kesehatan, peralatan medis
mutakhir serta bergabungnya lebih dari 250 dokter spesialis, subspesialis dan dokter
umum dengan RS Pondok Indah.
Hingga kini RS Pondok Indah menjadi rumah sakit pilihan dan telah memiliki
lebih dari 600 ribu pasien baik pasien lama (kunjungan berulang) maupun pasien baru.
RS Pondok Indah selain memberikan pelayanan pasien secara individu juga melayani
pasien karyawan perusahaan dan klien perusahaan asuransi.
Guna memenuhi kebutuhan dan harapan pasien, RS Pondok Indah terus
mengembangkan Pusat Layanan Unggulan / Center of Excellence dan Diagnostic Center
yang lengkap dengan peralatan kedokteran terkini guna mendukung diagnosa penyakit

36

secara paripurna dan akurat. Dalam memfasilitasi permasalahan komunikasi dokterpasien dan rumah sakit, disediakan jasa layanan Patient Advocate agar hak dan
kewajiban pasien, dokter, dan rumah sakit dapat dipenuhi dengan baik. RS Pondok
Indah adalah rumah sakit di Indonesia yang pertama kali menyediakan jasa layanan
Patient Advocate.

3.1.2

Struktur Organisasi Rumah Sakit Pondok Indah

Gambar 3.1 Struktur Organisasi Rumah Sakit Pondok Indah

3.1.3 Visi Dan Misi

A.

Visi
Visi RS Pondok Indah adalah menjadi rumah sakit pilihan dengan menyediakan

layanan perawatan kesehatan terbaik, aman, bermutu tinggi dan inovatif.

37

B.

Misi
Misi RS Pondok Indah adalah menyediakan pelayanan secara utuh, konsisten dan

terpadu berfokus pada pasien melalui praktek berbasis bukti yang sesuai dan pelayanan
prima dengan komitmen, kerja sama tim, keterlibatan dari pihak terkait dan peningkatan
kompetensi individu yang berkesinambungan.

3.2

Model Aplikasi
Program dirancang untuk memprediksi apakah seseorang terkena penyakit

jantung koroner (PJK) menggunakan jaringan syaraf tiruan backpropagation. Lapisan

masukan (input layer) terdiri atas delapan buah node, yaitu umur (X1), jenis kelamin
(X2), tekanan darah sistolik (X3), tekanan darah diastolik (X4), kadar kolestrol LDL
(X5), kadar kolestrol HDL (X6), kadar kolestrol total (X7), dan kadar trigeliserida (X8),
beserta 1 buah node bias. Untuk lapisan keluaran (output layer) hanya terdiri dari satu
buah node, yaitu hasil prediksi (Y). Jumlah lapisan tersembunyi (hidden layer) adalah 6
buah dengan 1 buah node bias. Nilai yang digunakan dalam penghitungan akan
bervariasi tergantung dari hasil pengukuran. Dalam perancangan backpropagation
digunakan 10000 kali iterasi dengan tingkat error yang diharapkan (desired error)
diinisialisasikan sebesar 0.001 dan epoch maksimum sebesar 15000.
Menurut Rahmawansa (2009), klasifikasi kadar lipoprotein dalam tubuh adalah
sebagai berikut.

38

Tabel 3.1

Klasifikasi Kadar Lipoprotein

Sementara untuk kriteria hipertensi dapat ditentukan dengan pemeriksaan

tekanan darah berdasarkan Pedoman Kerja WHO tahun 2009 (WHO, 2009).Klasifikasi
dibagi sebagai berikut.

Tabel 3.2 Klasifikasi Tekanan Darah

Untuk klasifikasi umur dan jenis kelamin dibagi sebagai berikut.

Tabel 3.3 Klasifikasi Jenis Kelamin Dan Usia

39

Gambar 3.2 Model Neural Network

Data yang digunakan dalam penelitian diambil secara acak dari catatan medis
pasien penderita penyakit jantung koroner (PJK) dan bukan penderita penyakit jantung
koroner di Rumah Sakit Pondok Indah sebanyak 50 orang.

40

Tabel 3.4

Tabel Data Pasien Rumah Sakit Pondok Indah

41

3.3

Perancangan Sistem

3.3.1 Rancangan Struktur Menu

Struktur menu software dirancang sebagai berikut.
A. Struktur Layar Training (Utama)

Gambar 3.3 Struktur Layar Training (Utama)

Gambar 3.3 menjelaskan struktur layar utama dari program yang sekaligus merupakan
layar untuk melakukan training data. Pada layar ini, terdapat tombol untuk melakukan
proses training data, membuka sub menu File, membuka layar Recognize, melihat profil
di layar About Me, dan melakukan pengaturan program di layar Settings.

42

B. Struktur Menu File

Gambar 3.4 Struktur Sub Menu File

Gambar 3.4 menunjukkan struktur dari sub menu File yang di dalamnya terdapat pilihan
New File, Save File, Load File, dan Exit. Fungsi dari sub menu ini akan dijelaskan lebih
rinci pada bab berikutnya.

C. Struktur Layar Recognize

Gambar 3.5 Struktur Layar Recognize

43

Gambar 3.5 menjelaskan struktur pada menu Recognize. Pada layar ini, user dapat
melakukan prediksi penyakit jantung koroner dengan data yang telah diinput dalam
proses training. Selain itu, terdapat pula tombol untuk pergi ke layar-layar lainnya.
D. Struktur Menu Settings

Gambar 3.6 Struktur Layar Settings

E. Struktur About Me

Gambar 3.7 Struktur Layar About Me

3.3.2

Perancangan Program
Pada tahap perancangan ini, akan dibuat perancangan proses dan perancangan

layar dari program aplikasi yang akan dibuat.

44

A. Use Case Diagram

Gambar 3.8 Use Case Diagram

45

B. Flowchart

Gambar 3.9 Flowchart Proses Dalam Sistem

46

C. Sequence Diagram
Sequence diagram menjelaskan mengenai aliran data atau program yang diproses
oleh sistem. Gambar berikut menggambarkan urutan kejadian interaksi pengguna
aplikasi.

Gambar 3.10 Sequence Diagram

3.3.3 Rancangan Tampilan Layar

Program dibuat menggunakan 4 layar antarmuka, antara lain:
-

Layar Training

Layar Recognize

Layar Setting

Layar About Me

47

A. Layar Training
Layar Training berfungsi sebagai layar utama yang berisikan form untuk
memasukkan data pasien penderita dan bukan penderita penyakit jantung koroner. Selain
form-form tersebut, terdapat pula tombol untuk melatih dan menyimpan data hasil
pelatihan. Pada bagian atas layar, terdapat menu untuk navigasi ke layar-layar lainnya.
Jika Tombol Train Data ditekan, maka program akan melakukan perhitungan (training)
dengan data yang diinput menggunakan file latihan yang harus dibuat sebelumnya.

Gambar 3.11 Rancangan Layar Training

Berikut adalah pseudocode untuk layar Training

If ditekan tombol Train Data
If file Training tidak ada
Tampilkan peringatan
Else
If data tidak diisi lengkap
Tampilkan peringatan
Else

48

Baca semua input

Baca variabel error dan max_epoch
While nilai error < min_error atau jumlah iterasi < max_epoch
Begin
Mengambil data dari file Training
Perhitungan Feedfoward
Perhitungan Backfoward
Periksa error
Koreksi bobot
End
Tampilkan error
Iterasi = iterasi + 1
If iterasi 10000 then
Simpan ke file Training
End
If ditekan tombol Recognize
Tampilkan layar Recognize
Berikut adalah pseudocode menu File
If ditekan menu New
Tampilkan menu New
Tampilkan menu Load
Tampilkan menu Save
Tampilkan menu Exit
If ditekan New
Buat file Training baru
If ditekan Load
Tampilkan pilihan buka file Training
If ditekan Save
Simpan file Training
If ditekan Exit
Keluar dari aplikasi
B. Layar Settings
Layar Settings berisikan form-form untuk memasukkan faktor perhitungan yang
akan digunakan pada perhitungan menggunakan metode backpropagation, yaitu epoch
maksimum dan tingkat kesalahan (error) yang diinginkan. Di bagian atas terdapat menu

49

untuk navigasi ke layar-layar lain. Jika tombol Back ditekan, maka program akan
kembali menampilkan layar Training.

Gambar 3.12 Rancangan Layar Settings

Berikut adalah pseudocode Layar Settings
If ditekan tombol Back
Simpan max_epoch
Simpan desired_error
Tampilkan layar Training

C. Rancangan Layar Recognize

Layar Recognize berisikan form-form untuk memasukkan data pasien yang
bertujuan memprediksi ada atau tidaknya penyakit jantung koroner di pasien tersebut.
Pada layar ini, jika tombol Recognize ditekan, program akan menampilkan hasil prediksi
berdasarkan data yang telah diinput dan menampilkan hasilnya di area Hasil Prediksi.
Untuk melakukan perhitungan, user harus membuat atau membuka file latihan terlebih
dahulu.

50

Gambar 3.13 Rancangan Layar Recognize

Berikut adalah pseudocode untuk layar Recognize
If ditekan tombol Recognize Data
If file Training tidak ada
Tampilkan peringatan
Else
If data tidak diisi lengkap
Tampilkan peringatan
Else
Baca semua input
Baca variabel error dan max_epoch
While nilai error < min_error atau jumlah iterasi < max_epoch
Begin
Mengambil data dari file Training
Perhitungan Feedfoward
Perhitungan Backfoward
End
Tampilkan error
Tampilkan hasil prediksi
End
If ditekan tombol Training
Tampilkan layar Training

51

D. Rancangan Layar About Me

Gambar 3.14 Rancangan Layar About Me

Berikut adalah pseudocode layar About Me
If ditekan tombol Back
Tampilkan layar Training
E. Rancangan Layar Help
Layar ini akan menampilkan cara pemakaian program beserta fungsinya

Gambar 3.15 Rancangan Layar Help

Berikut adalah pseudocode layar Help
If ditekan tombol Back
Tampilkan layar Training