BAB I

PENDAHULUAN

1.1. Latar Belakang

Tuberkulosis (Tuberculosis, disingkat Tbc)merupakan penyakit
menular yang umum, dan dalam banyak kasus bersifat mematikan. Penyakit
ini disebabkan oleh berbagai strain mikobakteria, umumnya Mycobacterium
tuberculosis (disingkat "MTb" atau "MTbc").[1] Tuberkulosis biasanya
menyerang paru-paru, namun juga bisa berdampak pada bagian tubuh lainnya.
Tuberkulosis menyebar melalui udara ketika seseorang dengan infeksi TBC
aktif batuk, bersin, atau menyebarkan butiran ludah mereka melalui udara.[2]
Infeksi TBC umumnya bersifat asimtomatikdan laten. Namun hanya satu dari
sepuluh kasus infeksi laten yang berkembang menjadi penyakit aktif. Bila
Tuberkulosis tidak diobati maka lebih dari 50% orang yang terinfeksi bisa
meninggal.
Gejala klasik infeksi TBC aktif yaitu batuk kronis dengan bercak darah
sputum atau dahak, demam, berkeringat di malam hari, dan berat badan turun.
Infeksi pada organ lain menimbulkan gejala yang bermacam-macam.
Diagnosis TBC aktif bergantung pada hasil radiologi (biasanya melalui sinar-
X dada) serta pemeriksaan mikroskopis dan pembuatan kultur mikrobiologis
cairan tubuh. Sementara itu, diagnosis TBC laten bergantung pada tes
tuberkulin kulit/tuberculin skin test (TST) dan tes darah. Pengobatan sulit
dilakukan dan memerlukan pemberian banyak macam antibiotik dalam jangka
waktu lama. Orang-orang yang melakukan kontak juga harus menjalani tes
penapisan dan diobati bila perlu. Resistensi antibiotik merupakan masalah
yang bertambah besar pada infeksi tuberkulosis resisten multi-obat (TBC
MDR). Untuk mencegah TBC, semua orang harus menjalani tes penapisan
penyakit tersebut dan mendapatkan vaksinasi basil Calmette–Guérin.
Para ahli percaya bahwa sepertiga populasi dunia telah terinfeksi oleh
M. tuberculosis,[3] dan infeksi baru terjadi dengan kecepatan satu orang per
satu detik.[3] Pada tahun 2007, diperkirakan ada 13,7 juta kasus kronis yang
 2

aktif di tingkat global.[4] Pada tahun 2010, diperkirakan terjadi pertambahan

kasus baru sebanyak 8.8 juta kasus, dan 1,5 juta kematian yang mayoritas
terjadi di negara berkembang.[5] Angka mutlak kasus Tuberkulosis mulai
menurun semenjak tahun 2006, sementara kasus baru mulai menurun sejak
tahun 2002.[5] Tuberkulosis tidak tersebar secara merata di seluruh dunia.
Dari populasi di berbagai negara di Asia dan Afrika yang melakukan tes
tuberkulin, 80%-nya menunjukkan hasil positif, sementara di Amerika Serikat,
hanya 5–10% saja yang menunjukkan hasil positif.[1] Masyarakat di dunia
berkembang semakin banyak yang menderita Tuberkulosis karena kekebalan
tubuh mereka yang lemah. Biasanya, mereka mengidap Tuberkulosis akibat
terinfeksi virus HIV dan berkembang menjadi AIDS.[6]
Penyakit ini tergolong cukup banyak di Indonesia. Pada tahun 1990
Angak prevalensi TBC mencapai 443 per 100.000 penduduk.

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka
rumusan masalah dalam penelitian ini adalah bagaimana membangun suatu
SistemArtificial Neural Network untukmemprediksi penyakit TBC dengan
menggunakan metodePerceptron.

1.3. Batasan Masalah

Batasan masalah yang akan dibahas dalam penelitian ini adalah :
1. Parameter yang digunakan untukmemprediksi penyakit TBC adalah
batuk, sesak napas, nyeri dada, demam, penurunan nafsu makan, badan
lemah.
2. Data pasien penyakit TBC yang digunakan sebanyak 100 data, dengan
70 data latih dan 30 data uji.
3. Metode yang digunakan yaitu Artificial Neural network dengan
MultilayerPerceptron.
 3

4. Sistem akan menghasilkan keluaran (output) berupa prediksi penyakit

TBC.
5. Data yang dikumpulkan adalah data rekap pasien penderita TBC
daritahun 2012 – 2017yang diambil dari Rumah Sakit Umum Prof. Dr.
W.Z Johannes Kupang.

1.4 Tujuan dan Manfaat Penelitian

a. Tujuan penelitian
Penelitian ini bertujuan untukmembangun Artificial Neural Network
untuk memprediksi penyakit TBC dengan dengan menggunakan metode
Perceptron.
b. Manfaat penelitian
Penelitian ini diharapkan dapat bermanfaat untuk membantu pihak
Rumah Sakit dalam memprediksi serta memberi informasi kepada pasien
agar dapat segera mengantisipasi penyakit TBC.Serta bagi mahasiswa
dapat mengetahui dan menguji penerapan konsep Artificial Neural
Network memprediksi penyakitTBC dengan metode Perceptron.

1.5 Tinjuan Pustaka

Beberapa judul penelitian terdahulu yang dijadikan tinjauan pustaka yaitu
sebagai berikut:
Penelitian yang dilakukan oleh Purnamasari dkk. pada tahun 2013 dengan
judul Implementasi Jaringan Syaraf Tiruan Backpropagation sebagai Sistem
Deteksi Penyakit Tuberculosis (TBC). Permasalahannya adalah Bagaimana
menciptakan suatu sistem yang dapat mendeteksi penyakit Tuberculosis
(TBC) secara dini menggunakan model Jaringan Syaraf Tiruan
Backpropagation dengan tingkat akurasi sistem yang baik dalam mendeteksi
suspek atau tidaknya pasien mengidap penyakit Tuberculosis (TBC). Hasilnya
adalah didapatkan bahwa arsitektur jaringan yang optimal dalam proses
deteksi penyakit TBC adalah learning rate: 0,5; jumlah neuron hidden layer:
 4

100; jumlah iterasi (epoh): 1000; target error: 0,001. Diperoleh recognition
rate sebesar 100 % dengan MSE sebesar 0,00144.
Selanjutnya penelitian yang dilakukan oleh Erniati dkk. pada tahun 2016
dengan judul Prediksi Penyakit THT (telinga, hidung, tenggorokan) dengan
Metode Jaringan Syaraf Tiruan Perceptron. Permasalahannya adalah
Bagaimana jaringan syaraf tiruanmetode Perceptron memprediksipenyakit
THT yang didasarkanpada 21 gejala dari penyakittersebut dengan tingkat
akurasi yang baik. Hasilnya adalah dengan pengujian terhadap 15 datauji dan
60 datalatih,diperoleh hasil dengan keakuratansebesar 100%.Ringkasan
tinjauan pustaka dapat dilihat pada tabel 1.1.
Tabel 1.1 Ringkasan tinjauan pustaka.
No. Judul dan Tahun Penulis Hasil Penelitian
Penelitian
1 Implementasi Jaringan Widyani Pendeteksian penyakit TBC dengan
Syaraf Tiruan Purnamasari, Jaringan Syaraf Tiruan metode
Backpropagation sebagai Dwi Janto, dan Backpropagation mendapat recognition
Sistem Deteksi Penyakit Endang rate sebesar 100% dengan MSE sebesar
Tuberculosis (TBC) Sugiharti 0,00144.
2 Prediksi Penyakit THT Magdalena Pengujian terhadap 15 datauji dan 60
(telinga, hidung, Erniati, Beni datalatih,diperoleh hasil dengan
tenggorokan) dengan Irawan, dan keakuratansebesar 100%
Metode Jaringan Syaraf Dwi Marisa
Tiruan Perceptron Midyanti

1.6 Hipotesis
Berdasarkan asumsi diatas, maka penulis merumuskan hipotesis penelitian
sebagai berikut :
Hipotesis 1 : Terdapat pengaruh IPK, jenis kelamin dan lama penelitian
terhadap kelulusan mahasiswa Ilmu Komputer.
Hipotesis 2 : Tidak terdapat pengaruh IPK, jenis kelamin dan lama
penelitian terhadap kelulusan mahasiswa Ilmu Komputer.