BAB II

LANDASAN TEORI

2.1 Pengertian Data Mining

Data Mining menurut Budi Santosa (2007, h.10) Data Mining adalah

kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan

keteraturan, pola atau hubungan dalam set data berukuran besar. Keluaran dari

data mining ini bisa dipakai untuk memperbaiki pengambilan keputusan dimasa

depan.

Menurut Turban, dkk (2009, h. 3) Data Mining adalah suatu istilah yang

digunakan untuk menguraikan penemuan pengetahuan didalam database. Data

Mining adalah proses yang menggunakan teknik statistic, matematika, kecerdasan

buatan dan machine learning untuk menginteraksi dan mengidentifikasi informasi

yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.

Menurut Eko Prasetyo (2012, h. 2), Mengatakan bahwa “Data Mining

sebagai proses untuk mendapatkan informasi yang berguna dari gudang basis data

yang besar. dan sebagai pengekstrakan informasi baru yang di ambil dari

bongkahan data besar yang membantu dalam pengambilan keputusan”.

Kemajuan luar biasa yang terus berlanjut dalam bidang data mining di

dorong oleh beberapa faktor, antara lain:

1. Pertumbuhan yang cepat dalam kumpulan data.

2. Penyimpanan data dalam data warehouse, sehingga seluruh

perusahaan memiliki akses ke dalam database yang andal.

7
 8

3. Adanya peningkatan akses data melalui navigasi web dan internet.

4. Tekanan kompetisi bisnis untuk meningkatkan penguasaan pasar

dalam globalisasi ekonomi.

5. Perkembangan teknologi perangkat lunak untuk data mining

(ketersediaan teknologi).

6. Perkembangan yang hebat dalam kemampuan komputasi dan

pengambangan kapasitas media penyimpanan.

2.1.1 Data Mining Sebagai Proses Dalam Knowladge Discovery In Databases

(KDD)

Knowledge Discovery in Databases (KDD) adalah keseluruhan proses

non-trivial untuk mencari dan mengidentifikasi pola (pattern) dalam data, dimana

pola yang ditemukan bersifat sah, baru, dapat bermanfaat, dan dapat dimengerti.

Menurut Fajar Astuti Hermawati (2013, h.5) Tahapan proses dalam

penggunaan Knowladge Discovery in Databases (KDD) data mining dapat

diuraikan sebagai berikut:

1. Memahami domain aplikasi untuk mengetahui dan menggali

pengetahuan awal serta apa sasaran pengguna

2. Membuat target data-set yang meliputi pemilihan data dan fokus pada

sub-set data.

3. Pembersihan dan transformasi data meliputi eliminasi derau, outliers,

missing value serta pemilihan fitur dan reduksi dimensi.

 9

4. Penggunaan algoritma data yang terdiri dari asosiasi, sekuensial,

klasifikasi, klarifikasi, klasterisasi, dll.

5. Intrepestasi dan visualisasi pola untuk melihat apakah ada sesuatu

yang baru dan menarik dan dilakukan iterasi jika diperlukan.

Gambar II.I Proses Konwledge discovery in database (KDD)

Menurut Kusrini dan EmhaTaufiqLuthfi (2009, h.7) Proses/langka-langka

dalam KDD Data Mining adalah sebagai berikut :

1. Data Selection

Pemilihan (Seleksi) data dari sekumpulan data operasional perlu

dilakukan sebelum tahap pemanggilan informasi dalam KDD dimulai.

Data hasil seleksi yang akan digunakan untuk proses data mining,

disimpan dalam suatu berkas, terpisah dari basis data operasional.

2. Pre-processing/Cleaning

Sebelum proses data mining dapat dilakukan, perlu dilakukan proses

cleaning pada data yang menjadi fokus KDD. Proses cleaning

mencakup antara lain membuang duplikat data, memeriksa data yang

9
 10

inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan

cetak (tipografi). Juga dilakukan proses enrichment, yaitu proses

“memperkaya” data yang sudah ada dengan data atau informasi lain

-yang relevan diperlukan untuk KDD, seperti data atau informasi

eksternal.

3. Transformation

Coding adalah proses transformasi pada data yang telah dipilih,

sehingga data tersebut sesuai untuk proses data mining. Proses coding

dalam KDD merupakan proses kreatif dan sangat tergantung pada

jenis atau pola informasi yang akan cari dalam basis data.

4. Data Mining

Data mining adalah proses pencarian pola atau informasi menarik

dalam data terpilih dengan menggunakan teknik atau mode tertentu.

Teknik, metode, atau algoritma dalam data mining sangat bervariasi.

Pemilihan metode atau algoritma yang tepat sangat tergantung pada

tujuan dan proses KDD secara keseluruhan.

5. Interpretation / Evaluation

Pola informasi yang dihasilkan dari proses data mining perlu

ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang

berkepentingan. Tahap ini merupakan bagian dari proses KDD yang

disebut interprepation. Tahap ini mencakup pemeriksaan apakah pola

atau informasi yang ditemukan bertentangan dengan fakta atau

hipotesis yang ada sebelumnya.

 11

2.2 Pengelompokkan Data Mining

Menurut Kusrini, dkk (2009, h.10-11) Data Mining dibagi menjadi beberapa

kelompok berdasarkan tugas yang dapat dilakukan, yaitu:

1. Deskripsi

Terkadang penelitian dan analisis secara sederhana ingin mencoba

mencari cara untuk menggambarkan pola dan kecendrungan yang

terdapat dalam data. Sebagai contoh, petugas pengumpulan suara

mungkin tidak dapat menemukan keterangan atau fakta bahwa sia pa

yang tidak cukup professional akan sedikit didukung dalam pemilihan

presiden. Deskripsi dari pola dan kecendrungan sering memberikan

kemungkinan penjelasan untuk suatu pola atau kecendrungan.

2. Estimasi

Estimasi hampir sama dengan klasifikasi, kecuali variabel target

estimasi lebih kearah numerik dari pada kearah kategori. Model

dibangun menggunakan record lengkap yang menyediakan nilai dari

-variabel target sebagai nilai prediksi. Selanjutnya, pada peninjauan

berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai

variable prediksi.

3. Prediksi

Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahawa

dalam prediksi nilai dari hasil aka nada dimasa mendatang.

Contoh prediksi dalam bisnis dan penelitian adalah:

 Prediksi harga beras dalam tiga bulan yang akan dating

11
 12

 Prediksi persentase kenaikan kecelakaan lalu lintas tahun depan

jika batas bahwa kecepatan dinaikkan.

Beberpa metode dan teknik yang digunakan dalam klarifikasi dan

estimasi dapat pula digunakan (untuk keadaan yang tepat) untuk

prediksi.

4. Klasifikasi

Dalam klarifikasi, terdapat target variabel kategori, sebagai contoh,

penggolongan pendapatan dapat dipisahkan dalam tiga kategori, yaitu

pendapatan tinggi, pendapatan sedang, pendapatan rendah.

Contoh lain klarifikasi dalam bisnis dan penelitian adalah:

 Menentukan apakah sesuatu transaksi kartu kredit merupakan

transaksi yang curang atau bukan.

 Memperkirakan apakah suatu pengajuan hipotek oleh nasabah

merupakan suatu kredit yang baik atau buruk.

 Mendiagnosa penyakit seorang pasien untuk mendapatkan

termasuk dalam kategori penyakit apa.

5. Pengklusteran

Pengklusteran merupakan penglompokkan record, pengamatan, atau

memperhatikan dan membentuk kelas objek-objek yang memiliki

kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan

atau sama dengan yang lainnya dan memiliki ketidak miripan dengan

record-record dalam kluster lain.

 13

Pengklusteran berbeda dengan klasifikasi yaitu tidak adanya variabel

target dalam pengklusteran. Pengklusteran tidak mencoba untuk

melakukan klasifikasi, mengestiminasi, atau memprediksi nilai dari

variabel target. Akan tetapi, algoritma pengklusteran mencoba untuk

melakukan pembagian terhadap kelesuruhan data menjadi kelompok-

kelompok yang memiliki kemiripan (homogen), yang mana kemiripan

record dalam satu kelompok akan bernilai maksimal, sedangkan

kemiripan dengan record dalam kelompok lain akan bernilai maksimal.

Contoh pengklusteran dalam bisnis dan penelitian adalah:

 Mendapatkan kelompok-kelompok konsumen untuk target

pemasaran dari suatu produk bagi perusahaan yang tidak

memiliki dana pemasaran yang besar.

 Untuk tujuan audit akuntansi, yaitu melakukan pemisahan

terhadap perilaku finansial dalam baik dan mencurigakan.

 Melakukan pengklusteran terhadap ekspresi dari gen, untuk

mendapatkan kemiripan perilaku dari gen dalam jumlah besar.

6. Asosiasi

Tugas asosiasi dalam data mining adalah menemukan atribut yang

muncul dalam satu waktu. Dama dunia bisnis lebih umum disebut

analisis keranjang belanja.

Contoh asosiasi dalam bisnis dan penelitisn adalah:

13
 14

 Meneliti jumlah pelanggan dari perusahaan telekomunikasi

seluler yang diharapkan untuk memberikan respon positif

terhadap penawaran upgrade layanan yang diberikan.

 Menemukan barang dalam supermarket yang dibeli secara

bersamaan dan barang yang tidak pernah dibeli secara

bersamaan.

2.3 Pengertian Clustering

Clustering merupakan metode penganalisaan data yang sering dimasukkan

sebagai salah satu metode data mining yang tujuannya adalah untuk

mengelompokkan data dengan karakteristik yang sama.

Menurut Fajar Astuti Hermawati (2013, h 123) menyatakan bahwa

“Clustering adalah menemukan kumpulan objek hingga objek-objek dalam satu

kelompok sama (atau punya hubungan) dengan yang lain dan berbeda (atau tidak

berhubungan) dengan objek-objek dalam kelompok lain”.

Menurut Eko Prasetyo (2012, h.178) Clustering adalah pengelompokkan

data (objek) yang didasarkan hanya pada informasi yang ditemukan dalam data

yang menggambarkan objek tersebut dan hubungan diantaranya.

Clustering merupakan salah satu metode Data Mining yang bersifat tanpa

arahan (unsupervised) Ada dua jenis data clustering yang sering dipergunakan

dalam proses penglompokkan data yaitu hierarchical (hirarki) data clustering dan

non-hierarchical (non hirarki) data clustering. K-Means merupakan salah satu

metode data clustering non hirarki yang berusaha mempartisipasi data yang ada
 15

-kedalam bentuk satu atau lebih cluster/kelompok. Metode ini mempartisipasi data

ke dalam cluster/kelompok sehingga data yang dimiliki karakteristik yang sama

dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai

karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.

Tujuan utama dari metode clustering adalah penglompokkan sejumlah

data/obyek kedalam cluster (kelompok) sehingga dalam setiap cluster akan berisi

data yang semirip mungking. Dalam metode clustering ini berusaha untuk

menempatkan obyek yang mirip (jaraknya dekat) dalam satu kelompok dan

membuat jarak antar kelompok sangat mirip satu sama lain dan berbeda dengan

obyek dalam kelompok-kelompok yang lain. Berikut adalah contoh dari

clustering:

Gambar II.2 Contoh Clusterisasi

Secara garis besar, ada 3 cara kerja cluster yaitu

1. Bagaimana mengukur kesamaan?

Ada tiga ukuran untuk mengukur kesamaan antar objek, yaitu ukuran

korelasi, ukuran jarak, dan ukuran asosiasi.

15
 16

2. Bagaimana membentuk cluster?

Prosedur yang diterapkan harus dapat mengelompokkan objek-objek yang

memiliki kesamaan yang tinggi kedalam suatu cluster yang sama.

3. Brapa banyak cluster/kelompok yang akan dibentuk?

Pada prinsipnya jika jumlah cluster berkurang maka homogenitas alam

cluster otomatis akan menurun.

2.3.1 Tipe Clustering

Clustering merupakan suatu kumpulan dari keseluruhan cluster, beberapa

tipe yang penting dari cluster adalah:

1. Hierarchical vs Partitional

Partitionalclustering adalah pembagian objek data ke dalam

subhimpunan (cluster) yang tidak overlap sedemikian sehingga tiap objek

data berada dalam satu tepat satu sub-himpunan. Hierarchicalclustering

merupakan sebuah himpunan cluster bersarang yang diatur sebagai suatu

pohon hirarki. Tiap simpul (cluster) dalam pohon (kecuali simpul daun)

merupakan gabungan dari anaknya (subcluster) dan simpul akar berisi

semua objek.

2. Exclusive vs non-exclusive

Semua bentuk clustering merupakan exclusiveclustering karena setiap

objek berada tepat di satu cluster. Sebaiknya dalam overlapping atau non-

exclusiveclustering, sebuah objek dapat berada di lebih dari satu cluster

secara bersamaan.
 17

3. Fuzzy vs non-fuzzy

Dalam Fuzzyclustering sebuah titik termasuk dalam setiap cluster

dengan nilai bobot antara 0 dan 1. Jumlah dari bobot-bobot tersebut sama

dengan 1. Clustering probalitas mempunyai karakteristik yang sama.

4. Partital vs complete

Dalam completeclustering setiap objek ditempatkan dalam sebuah

cluster tetapi dalam sebuah partical clustering tidak semua objek

ditempatkan dalam sebuah cluster. Kemungkinan ada objek yang tepat

untuk ditempatkan di salah satu cluster, misalnya berupa outlier atau

noise.

2.3.2 Tipe-Tipe Cluster

Clustering bertujuan menemukan kelompok (cluster) objek yang berguna,

dimana gunakannya tergantung dari tujuan analisa data. Secara visual ada

beberapa tipe dari cluster diantaranya:

1. Well-SeparatedClusters sebuah cluster merupakan himpunan titik

sedemikian rupa sehingga tidak ada titik dalam sebuah cluster yang

mendekati (atau lebih mirip) kesetiap titik lain dalam cluster yang

tidak ditempati titik tersebut.

2. Center-based sebuah cluster adalah himpunan dari objek-objek

sedemikian rupa hingga sebuah objek dalam sebuah cluster mendekati

(lebih mirip) dengan pusat cluster lain. Pusat dari sebuah cluster dapat

17
 18

berupa centroid, yaitu rata-rata dari semua titik dalam cluster tersebut,

atau medoid, merupkan representasi titik dari sebuah cluster.

3. Contiguous cluster (Nearest neighbor atau Transitive), dimana sebuah

cluster merupakan himpunan titik sedemikian hingga sebuah titik

dalam cluster mendekati (atau lebih serupa) dengan satu atau lebih

baik titik lain dalam cluster tersebut dibandingkan dengan titik yang

tidak berada pada cluster tersebut.

4. Density-based, dimana cluster merupakan suatu daerah titik yang

padat, yang dipisahkan oleh daerah kepadatan rendah (low-density),

dari daerah kepadatan tinggi (high density) yang lain. Digunakan

ketika cluster-cluster tidak beraturan atau terjalin dan ketika terdapat

cluster-cluster tidak beraturan atau terjalin dan ketika terdapat noise

dan outlier.

2.3.3 Konsep Algoritma K-Means

Dalam statistic dan mesin pembelajaran, menurut Eko Prasetyo (2012,

h.178) penglompokkan K-Means merupakan metode analisis kelompok yang

mengarah pada pemartisipasian N objek pengamatan ke dalam K, Kelompok

(cluster) dimana setiap objek pengamatan dimiliki oleh sebuah kelompok dengan

mean (rata-rata) terdekat, mirip dengan algoritma Expectation-Maximization

untuk Gaussian Mixture diaman keduanya mencoba untuk menemukan pusat dari

kelompok dalam data sebanyak iterasi perbaikan yang dilakukan kedua algoritma.
 19

K-Means merupakan salah satu metode penglompokkan data non-hirarki

(sekata) yang berusaha mempartisipasi data yang ada ke dalam bentuk dua atau

lebih kelompok. Metode ini mempartisipasi data kedalam kelompok sehingga data

berkarakteristik sama dimasukkan ke dalam kelompok yang sama dan data yang

berkarakteristik berbeda dikelompokkan ke dalam kelompok yang lain. Adapun

tujuan pengelompokkan data ini adalah untuk meminimalkan fungsi objektif yang

diset dalam proses pengelompokkan, yang pada umumnya berusaha

meminimalkan variasi didalam suatu kelompok dan memaksimalkan variasi

didalam suatu kelompok dan memaksimalkan variasi antara kelompok (Eko

Prasetyo, 2012, h.178).

Penglompokkan data dengan metode k-means ini secara umum dilakukan

dengan:

1. Tentukan jumlah kelompok

2. Alokasikan data ke dalam kelompok secara acak

3. Hitung pusat kelompok (sentroid/rata-rata) dari data yang ada di

masing-masing kelompok.

4. Alokasikan masing-masing data ke sentroid/rata-rata terdekat.

Kembali kelangkah 3, apabila masih ada data yang berpindah

kelompok, atau apabila ada perubahan nilai sentroid diatas nilai

ambang yang tertentu, atau apabila perubahan nilai pada fungsi

objektif yang digunakan masih diatas nilai ambang yang ditentukan.

19
 20

2.3.4 Mengukur Jarak Data Ke Pusat Kelompok

Ada beberapa cara yang dapat digunakan untuk mengukur jarak data

ke pusat kelompok, di antaranya Euclidean (Bezdek, 1981), Manhattan/City

Block (Miyamoto dan Agusta, 1995), dan Minkowsky (Miyamoto dan Agusta,

1995).

Masing-masing cara mempunyai kelebihan dan kekurangan.

Pengukuran jarak pada ruang jarak (distance space) Euclidean menggunakan

formula :

p
D( x 2 , x 1) = ‖ x 2 , x1 ‖2 =
√ ∑ ¿ x 2 j−¿ x 1 j ¿2 ¿...................................................
j=1
(1)

D adalah jarak antara data x2 dan x1, dan | . | adalah nilai mutlak.

Pengukuran jarak pada ruang jarak Manhattan menggunakan formula :

p
D( x 2 , x 1) = ‖ x 2 , x1 ‖1 = ∑ ¿ x 2 j −¿ x1 j ¿ ¿..................................................
❑
(2)
j=1

Pengukuran jarak pada ruang jarak Minkowsky menggunakan formula :

p
D( x 2 , x 1) = ‖ x 2 , x1 ‖ λ =
√∑
λ

j=1
¿ x 2 j−¿ x 1 j ¿ λ ¿............................................... (3)

𝜆 adalah parameter jarak Minkowsky.

Cara yang paling banyak digunakan adalah Euclidean dan Manhattan.

Euclidean menjadi pilihan jika kita ingin memberikan jarak terpendek antara

dua titik (jarak lurus), seperti yang ditunjukan pada rumus Euclidean.

Sedangkan Manhattan memberikan jarak terjauh pada dua data.

 21

2.3.5 Contoh Perhitungan Clustering menggunakan Aalgoritma K-Means

Diketahui data sebagai berikut :

Tabel II.1 CONTOH DATA

Objek Tujuan Penerbangan Alamat

A Medan - Batam Siantara
B Medan - Bandung Stabat
C Padang - Medan Kuala
D Medan - Jakarta Medan

Langkah 1 : Lakukan transformasi, karena data harus dalam bentuk numeric

sesuai dengan rumus kedekatan yang digunakan Distance Euclide

Tujuan Penerbangan Alamat

Medan – Bandung = 1 Kuala = 1
Medan – Batam = 2 Stabat = 2
Medan – Jakarta = 3 Medan = 3
Padang – Medan = 4 Siantar = 4

Tabel II.2 Transformasi data penggunaan maskapai penerbangan

Pengguna Tujuan Penerbangan Alamat

A 2 4
B 1 2
C 4 1
D 3 3

Langkah 2 : Tentukan grup (misalnya K=2)

Langkah 3 : Tentukan centroid, misalnya (C1:2,4 C2:1,2)

Langkah 4 : Hitung objek terhadap centroid

A(1,1) = √ (2−2)2 +(4−4)2 = 0

21
 22

A(1,1) = √ (2−1)2 +( 4−2)2= 2,24

B(1,1) = √ (1−2)2 +(2−4)2= 2,24

B(1,1) = √ (1−1)2 +(2−2)2= 0

C(1,1) = √ (4−2)2 +(1−4)2= 3,60

C(1,1) = √ (4−1)2 +(1−2)2= 3,16

D(1,1) = √ (3−2)2 +( 3−4)2= 1,41

D(1,1) = √ (3−1)2 +(3−2)2= 2,24

Langkah 5 : Grup berdasarkan jarak terdekat

Tabel II.3 Data hasil grup iterasi

Pengguna Tujuan Alamat Jarak C1 Jarak C2 Grup

A 2 4 0 2,34 1
B 1 2 2,34 0 2
C 4 1 3,60 3,16 2
D 3 3 1,41 2,24 1

Grup baru : 1 2 2 1

Iterasi pertama dianggap berpindah grup sehingga dilanjutkan ke iterasi ke 2,

iterasi pertama sebelum ada grup karena centroid diambil secara acak.

ITERASI : II

Langkah 1 dan 2 sama dengan iterasi ke 2

Langkah 3 : Tentukan centroid

Centroid I : 2|4

Centroid II : diambil dari grup 2 yaitu A dan B

C1 = (2,7)

C2 = (2)
 23

A(1,1) = √ (2−2)2 +(4−4)2 = 0

A(1,1) = √ (2−2,7)2 +(4−2)2= 0,84

B(1,1) = √ (1−2)2 +(2−4)2= 2,24

B(1,1) = √ (1−2,7)2 +(2−2)2= 1,30

C(1,1) = √ (4−2)2 +(1−4)2= 3,60

C(1,1) = √ (4−2,7)2 +(1−2)2= 1,14

D(1,1) = √ (3−2)2 +( 3−4)2= 1,41

D(1,1) = √ (3−2,7)2 +(3−2)2= 1,44

Tabel II.4 Data hasil grup iterasi

Pengguna Tujuan Alamat Jarak C1 Jarak C2 Grup

A 2 4 0 0,84 1
B 1 2 2,24 1,30 2
C 4 1 3,60 1,14 2
D 3 3 1,41 1,44 1

Grup lama : 1 2 2 1

Grup baru : 1 2 2 1

Iterasi kedua dianggap sama dengan iterasi pertama sehingga perhitungan dapat

dihentikan.

Kesimpulan :

Grup 1 : Pembeli tiket pesawat yang alamatnya Siantar cenderung memebeli

tiket rute Medan-Batam

Grup 2 : Pembeli tiket pesawat yang alamatnya Stabat cenderung membeli tiket

23
 24

rute Medan-Bandung

Sehingga disimpulkan bahwa pembeli yang beralamatkan Siantar cenderung

membeli tiket rute Medan-Batam, dan pemebeli yang beralamatkan Stabat

cenderung membeli tiket Medan-Bandung.

2.4 Pengertian Penyakit

Menurut UU Pokok Kesehatan No.9 tahun 1960, Bab 1 Pasal 2; Kesehatan

meliputi jasmani, rohani (mental), dan social, bukan semata-mata keadaan bebas

penyakit, cacat, dan kelemahan. Pengertian sehat menurut WHO adalah terbebas

dari segala jenis penyakit, baik fisik, psikis (jiwa) atau emosional, intelektual dan

sosial. Dari pengertian tersebut, dengan demikian sakit dapat didefinisikan sebagai

suatu kondisi cacat atau kelainan yang disebabkan oleh ganguan penyakit,

emosional, intelektual, dan sosial. Dengan kata lain, sakit adalah adanya gangguan

jasmani, rohani, dan sosial sehingga tidak dapat berfungsi secara normal, selaras,

serasi, dan seimbang. Berdasarkan hal itu, maka penyakit dapat dibedakan

menjadi penyakit tidak menular dan penyakit menular. Dalam pengertian medis,

penyakit menular atau penyakit infeksi adalah penyakit yang disebabkan oleh

agen biologi (seperti virus, bakteria, atau parasit), bukan disebabkan faktor fisik

(seperti luka bakar) atau kimia (seperti keracunan). Untuk Negara yang sedang

berkembang, penyakit infeksi seperi TBC, tetanus, kolera dan penyakit yang tidak

disebabkan oleh kuman, tetapi disebabkan karena adanya problem fisiologis atau

metabolism pada jaringan tubuh manusia. Sedangkan untuk Negara yang sudah
 25

berkembang, penyebab utama kematian pada umumnya ialah penyakit jantung,

pembuluh darah dan kanker.

2.4.1 Jenis-Jenis Penyakit

Menurut Septi Shinta Sunaryati (2014, h.9) Banyaknya jenis penyakit yang

diketahui akan semakin pesatnya perkembangan teknologi dan ilmu pengetahuan.

Penyakit yang pada zaman dulu belum diketahui nama apalagi penyebab-

penyebabnya, saat ini sudah mempunyai identifikasi masing-masing sesuai

dengan jenis-jenis dan serangan serta tingkat keparahannya.

Dulu ,Beberapa balita meninggal mendadak belum diketahui penyebabnya,

tetapi saat ini bisa diduga akibat penyakit yang berbagai macam jenis yang

mungkin disebabkan oleh faktor keturunan dari orang tua balita tersebut, dan

mungkin terlambat dalam memberikan pencegahan lebih awal, masih banyak lagi

jenis penyakit yang dapat dialami oleh balita yang mungkin saja belum diketahui

obat dan cara pencegahannya.

2.5 Definisi Balita dan Usia Balita

Mana kala usia balita dapat dibagi atas bebrapa macam yaitu:

1. Bayi Baru Lahir

25
 26

Bayi baru lahir adalah hasil konsepsi yang baru keluar dari rahim

seorang ibu melalui jalan kelahiran normal atau dengan bantuan alat

tertentu sampai usia 1 bulan.

Menurut Dep. Kes. RI, (2007) Bayi baru lahir normal adalah bayi

lahir dengan umur kehamilan 37 minggu sampai 42 minggu dan berat lahir

2500 gram sampai 4000 gram.

2. Neonatus

Masa neonatal adalah masa sejak lahir sampai dengan 4 minggu (28

hari) sesudah kelahiran. Neonatus adalah bayi berumur 0 (baru lahir)

sampai dengan usia 28 hari. Neonatus dini adalah bayi berusia 0-7 hari.

Neonatus lanjut adalah bayi berusia 8-28 hari. (Wafi Nur Muslihatun,

2010).

3. Batita dan Balita

Balita adalah masa anak mulai berjalan dan merupakan masa yang

paling hebat dalam tumbuh kembang, yaitu pada usia 1 sampai 5 tahun.

Masa ini merupakan masa yang penting terhadap perkembangan

kepandaian dan pertumbuhan intelektual (Mitayani, 2010).

Balita adalah anak yang berumur 0-59 bulan, pada masa ini di tandai

dengan proses pertumbuhan dan perkembangan yang sangat pesat.

Balita adalah istilah umum bagi anak usia 1-3 tahum (batita) dan

anak prasekolah (3-5 tahun). Saat usia batita, anak masih tergantung penuh

kepada orang tua untuk melakukan kegiatan penting, seperti mandi, buang
 27

air dan makan. Perkembangan berbicara dan berjalan sudah bertambah

baik. Namun kemampuan lain masih terbatas (Sutomo, 2010).

4. Anak

Menurut UU No.44 thn 2008 Pasal 1 angka 4 “Anak adalah

seseorang yang belum berusia 18 (delapan belas) tahun”.

Menurut Depkes RI (2009), Masa kanak-kanak adalah 5-11 tahun.

Kategori Umur Menurut Depkes RI (2009):

1. Masa Balita = 0-5 tahun

2. Masa kanak-kanak = 5-11 tahun

3. Masa remaja awal = 12-16 tahun

4. Masa remaja akhir = 17-25 tahun

5. Masa dewasa awal = 26-35 tahun

6. Masa dewasa akhir = 36-45 tahun

7. Masa lansia awal = 46-55 tahun

8. Masa lansia akhir = 56-65 tahun

9. Masa manula = 65 sampai atas

Asuhan segera pada bayi baru lahir adalah asuhan yang diberikan

pada bayi pada jam pertama setelah kelahiran, dianjurkan sampai 24 jam

setelah lahir.

Asuhan pada neonates, bayi, batita, dan balita adalah kemampuan

untuk memberikan asuhan pada neonates (24 jam setelah lahir sampai

dengan 28 hari) bayi dan balita yang didasari sikap dan keterampilan.

27
 28

2.6 Program Matlab

Menurut Lastefo dan Nurhayati (2008, h. 21) MATLAB merupakan

singkatan dari matrix laboratory, MATLAB awalnya dibuat untuk memudahkan

dalam mengakses software matriks yang telah dikembangkan oleh LINPACK dan

EISPACK. Dalam perkembangannya, MATLAB mampu mengintegrasikan

beberapa software matriks sebelumnya dalam satu software untuk komputasi

matriks. Tidak hanya itu, MATLAB juga mampu melakukan komputasi simbolik

yang biasa dilakukan oleh MAPLE.

MATLAB merupakan bahasa pemrograman yang dikembangkan oleh The

Mathwork Inc. Matlab telah menjadi sebuah lingkungan pemrograman yang

canggih yang berisi fungsi-fungsi built-in untuk melakukan tugas pengolahan

sinyal, aljabar linier dan kalkulasi matematis lainnya. Matlab juga berisi toolbox

yang berisi fungsi-fungsi tambahan untuk aplikasi khusus.

Matlab merupakan bahasa canggih untuk komputasi teknik. Matlab

merupakan integrasi dari komputasi, visualisasi dan pemrograman dalam suatu

lingkungan yang mudah digunakan, karena permasalahan dan pemecahannya

dinyatakan dalam notasi matematika biasa.

Kegunaan matlab secara umum adalah untuk :

 Matematika dan komputasi

 Pengembangan dan algoritma

 Pemodelan, simulasi, dan pembuatan prototype

 Analisa data, eksplorasi dan visualisasi

 Pembuatan aplikasi termasuk pembuatan graphical user interface (GUI)

 29

Berikut ini tampilan awal dari MATLAB versi 7.7.0

Gambar II.3 Tampilan Awal MATLAB

Sumber : (http://web.unair.ac.id/admin/file/f_12441_pujia.png)

Beberapa desktop tools yang ada pada MATLAB antara lain :

1. Command Window

Command window digunakan untuk memasukkan variabel dan

menjalankan function atau M-files setiap perintah yang ditulis di

command window langsung ditampilkan. Bila perintah salah akan

keluar pesan salah (error).

2. Command History

29
 30

Statement yang dibuat di command window tersimpan semuanya di

comman history. Pada command history dapat dilihat statement yang

lalu dan mengkopi lalu mengeksekusi statement yang dipilih.

3. Tombol Start dan Lounch Pad

Tombol Star memudahkan akses ke tools, demo dan dokumentasi

dapat dilakukan dengan mengklik tombol untuk melihat pilihannya.

4. Text Editor

Text Editor digunakan untuk membuat dan menjalankan M-files.

Seperti bahasa pemrograman lainnya, matlab pun memiliki variabel,

tetapi dalam penulisan variabel didalam matlab tidak perlu

dideklarasikan, karena matlab mampu mengenali tipe data dari variabel

dari isi variabel tersebut. Aturan penulisan variabel pada matlab sama

dengan aturan pada bahasa pemrograman lainnya, yaitu bersifat case

sensitive, diawali dengan huruf dan selanjutnya boleh menggunakan

gabungan huruf angka atau tanda garis bawah. Matlab mampu

mengenali sampai 31 karakter pertama, selanjutnya diabaikan.

Semua tipe data di matlab memiliki bentuk yang sama, yaitu array.

Array minimal berukuran 0 x 0 dan dapat bertambah menjadi array n x

m dimensi dengan sembarang ukuran. Matlab mempunyai beberapa

tipe data besar (class), yaitu : Logical, char, numeric, java classes,

function handles.

Adapun variabel khususnya pada matlab terlihat pada tabel dibawah

ini
 31

Tabel II.5 Variabel Khusus pada MATLAB

Variabel Nilai
Ans Untuk hasil apapun
Pi Perbandingan antara keliling lingkaran dengan garis
Eps Bilangan terkecil sedemikian rupa
Flops Jumlah oprsi floating point
Inf Tak terhingga, misalnya 1/0
Nan / nan Bukan satu bilangan, misalnya 0/0
I dan j i=j=√=1
Nargin Jumlah argument input suatu fungsi
Nargout Jumlah argument output suatu fungsi
Realmin Bilangan real positif terkecil yang dapat digunakan
Realmax Bilangan real positif terbesar yang dapat digunakan

Pada MATLAB, operator diklasifikasikan menjadi 3 (tiga) bagian

yaitu:

a. Operator Aritmatika

Operator aritmatika digunakan untuk mengerjakan komputasi numerik.

Berikut operator yang digunakan pada MATLAB.

Tabel II.6 Operator Aritmatika

Operator Keterangan
+ Penjumlahan
- Pengurangan
* Perkalian
* Perkalian masing-masing elemen yang bersesuaian (aturan array)
/ Pembagian kanan (matriks)
/ Pembagian kanan (array)
\ Pembagian kiri (matriks)
\ Pembagian kiri (array)
^ Perpangkatan (matriks)
^ Perpangkatan (array)

31
 32

Langkah

b. Operator relasional

Operator realsional digunakan untuk membandingkan perand-perand

secara kuantatif.

Tabel II.7 Operator Relasional

Operator Keterangan
== Sama dengan
~= Tidak sama dengan
< Kurang dari
Operator Keterangan
> Lebih dari
<= Kurang dari sama dengan
>= Lebih dari sama dengan

c. Operator Logika

Tabel II.8 Operator Logika

Operator Keterangan
& Akan menghasilakn nilai 1 jika kedua elemen yang

bersesuaian memiliki nilai true dan 0 untuk lainnya

| Akan bernilai 1 jika salah satu elemennya true
~ Komplen dari elemen yang diinputkan
Xor Akan bernilai 1 jika salah satu dari korban elemen memiliki

nilai berbeda dan bernilai 0 jika sama

2.7 Diagram Dalam UML

UML menyediakan diagram-diagram untuk memodelkan aplikasi

berorientasi objek yaitu :

1. Class Diagram
 33

Class diagram merupakan sebuah spesifikasi yang jika diinstansikan

akan menghasilkan sebuah objek dan merupakan inti dari

pengembangan berorientasi objek. Class diagram menggambarkan

struktur statis class didalam sistem.

Tabel II.9 Class Diagram

2. Use Case Diagram

Use case diagram digunakan untuk memodelkan bisnis proses

berdasarkan perspektif pengguna sistem. Use Case diagram terdiri atas

diagram untuk use case dan actor. Actor mempresentasikan orang yang

akan mengoperasikan atau orang yang berinteraksi dengan sistem

aplikasi.

Tabel II.10 Use Case Program

33
 34

Gambar Nama Keterangan

Menspesifikasikan himpunan peran yang
pengguna mainkan ketika berinteraksi
Actor
dengan use case.

Gambar Nama Keterangan

Hubungan dimana perubahan yang terjadi
pada suatu elemen mandiri (independent)
akan mempengaruhi elemen yang
Dependency
bergantung padanya elemen yang tidak
mandiri.
Hubungan dimana objek anak (descendent)
berbagai perilaku dan struktur data dari
objek yang ada diatasnya objek induk
Generalization
(ancestor).
Menspesifikasikan bahwa use case sumber
secara eksplisit.
Include
Menspesifikasikan bahwa use case target
memperluas perilaku dari use case sumber
Extend
pada satu titik yang diberikan.
Apa yang menghubungkan antara objek satu
dengan objek lainnya.
Association
Menspesifikasikan paket yang menampilkan
sistem secara terbatas
System

Deskripsi dar urutan aksi-aksi yang

ditampilkan sistem yang menghasilkan
Use Case
suatu hasil yang terstruktur bagi suatu actor.

Interaksi aturan-aturan dan elemen lain yang

berkerja sama untuk menyediakan prilaku
Collaboration
yang lebih besar dari jumlah dan elemen-
elemennya (sinergi).
 35

Gambar Nama Keterangan

Elemen fisik yang eksis saat aplikasi
dijalankan dan mencerminkan suatu sumber
Note
daya komputasi.

3. Activity Diagram

Activity diagram menggambarkan berbagai alir aktifitas dalam sebuah

sistem yang sedang dirancang, bagaimana masing-masing alir berawal,

decision yang mungkin terjadi dan bagaimana mereka berakhir.

Tabel II.11 Activity Diagram

4. Statechart Diagram

Diagram yang digunakan untuk memodelkan behavior objek khusus

yang dinamis. Diagram ini mengilustrasikan siklus hidup objek

berbagai keadaan yang dapat diasumsikan oleh objek dan event-event

35
 36

(kejadian) yang menyebabkan objek beralih dari satu state ke state

lain.

Tabel II.12 Statechart Diagram

5. Sequence Diagram

Diagram ini menggambarkan kelakuan objek pada use case dengan

medeskripsikan waktu hidup objek dan massage yang dikirim dan

diterima antar objek, oleh karena itu untuk menggambarkan sequence

maka harus diketahui objek-objek yang terlibat dalam sebuah use case

beserta metode-metode yang dimiliki kelas yang diinstansikan menjadi

objek itu.
 37

Tabel II.13 Sequence Diagram

2.8 Pengertian Flowchart

Flowchart merupakan gambar atau bagian yang memperlihatkan urutan

dan hubungan antar proses beserta intruksinya. Gambaran ini dinyatakan dengan

symbol. Dengan demikian setiap simbol menggambarkan proses tertentu.

Sedangkan hubungan antar proses digambarkan denagn garis penghubung.

Simbol-simbol flowchart yang biasa dipakai dalam simbol-simbol

flowchart yang dikeluarkan oleh ANSI (American National Standards Institue)

dan ISO (International Standarisation Organisation).

Simbol-simbol standard yang biasa digunakan untuk membuat Flowchart

dapat dilihat pada tabel II.5 dibawah ini.

Tabel II.14 Simbol-simbol Flowchart

No Simbol Nama Fungsi

1 Simbol ini digunakan untuk
Terminal menggambarkan suatu permulaan
dan akhirnya dari jalannya suatu
proses.
No Simbol Nama Fungsi

37
 38

2 Simbol ini digunakan untuk

Input/Output menggambarkan masukkan atau
pun keluaran hasil proses.
3 Simbol ini digunakan untuk
Keputusan menggambarkan keputusan dari
suatu kondisi (percabangan) dari
suatu kegiatan pengolahan
informasi.
4 Simbol ini digunakan untuk
menggambarkan semua jenis
Dokumen dokumen, merupakan formulir yang
digunakan untuk merekam data
terjadinya suatu transaksi yang
menunjukkan input maupun out put
baik untuk proses manual,mekanik,
dan komputer.
5 Simbol ini digunakan untuk
Proses Manual menggambarkan kegiatan manual
atau pekerjaan yang dilakukan tanpa
menggunakan computer. Uraian
singkat kegiatan manual
dicantumkan dalam simbol.
6 Simbol ini digunakan untuk
Proses Komputer menggambarkan proses kegiatan
proses dari pengolahan data dengan
komputer. Uraian singkat kegiatan
komputer dicantumkan dalam
simbol ini .
7 Arsip Simbol ini digunakan untuk
menggambarkan file yang disimpan
sebagai arsip
8 Penghubung pada Symbol ini digunakan untuk
halaman yang menunjukkan hubungan arus proses
yang terputus namun masig dalam
sama
halaman yang sama, didalam
symbol diberi nomor sebagai
penghubung.
No Simbol Nama Fungsi
9 Penghubung pada Symbol ini digunakanuntuk
menunjukan hubungan arus proses
halaman yang
 39

berbeda yang terputus namun dalam hal

yang lain, didalam symbol diberi
nomor sebagai penghubung.
10 Simbol ini menunjukkan arah aliran
dari proses pengolahan data
Garis alir
11 Symbol Simbol yang menyatakan input
berasal dari pita magnetic atau
magneting-tipe
output disimpan ke pita magnetik
unit
12 Symbol Off-line Simbol untuk keluar/masuk
procedure atau proses dalam
Cornner
lembar/halaman yang lain.
13 Symbol Punched Simbol yang menyatakan input
berasal dari kartu atau output ditulis
Card
ke kartu.
14 Database Simbol yang menyediakan tempat
pengolahan data serta penyimpanan
dalam stroge.
15 Symbol display Simbol yang menyatakan peralatan
output yang digunakan yaitu layar,
plotter, printer, dan sebagainya.

2.9 Pengertian GUI (Graphical User Interface)

GUIDE atau GUI builder merupakan sebuah graphical user interface

(GUI) yang dibangun dengan obyek grafik seperti tombol (button), kotak teks,

slider, menu dan lain-lain. Aplikasi yang menggunakan GUI umumnya lebih

mudah dipelajari dan digunakan karena orang yang menjalankannya tidak perlu

mengetahui perintah yang ada dan bagaimana kerjanya.

Sampai saat ini, jika kita membicarakan pemrograman berorientasi visual,

yang ada dibenak kita adalah sederetan bahasa pemrograman, seperti visual basic,

39
 40

Delphi, visual C++, visual Fox Pro, dan lainnya yang memang didesain secara

khusus untuk itu Matlab merintis kearah pemrograman yang menggunakan GUI di

mulai dari versi 5, yang disempurnakan sampai sekarang (Matlab 7).

GUIDE Matlab mempunyai kelebihan tersendiri dibandingkan dengan

bahasa pemrograman lainnya diantaranya:

1. GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi

berorintasi sains, sehingga banyak peneliti dan mahasiswa

menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas

akhirnya.

2. GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan

pemakai tidka perlu repot membuat sendiri.

3. Ukuran file, baik FIG-file maupun M-file yang dihasilkan relatif kecil.

4. Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan

dengan bahasa pemrograman lainnya.

2.10 Memulai GUIDE MATLAB

Memulai GUIDE Matlab dapat dilakukan dengan dua cara, yaitu:

1. Melalui command matlab dengan mengetikkan >> guide

2. Klik tombol start Matlab dan pilihlah MATLAB, lalu pilih GUIDE

(GUI Builder) ditunjukkan seperti gamabr dibawah ini.

 41

Gambar II.4 Memulai GUIDE

Sumber: (http://syarifkapita.files.wordpress.com/2014/05/gmbar1.jpg)

Selanjutnya akan muncul tampilan kotak dialog pilihan GUIDEQuick

Start ditunjukkan seperti gambar II.5

Gambar II.5 GUIDE Quick Start

Sumber : (https://2.bp.blogspot.com/)
GUIDE Quick Start memiliki dua buah pilihan yaitu ; Create New GUI

dan Opening Exiting GUI. Create New GUI digunakan jika kita memang belum

pernah membuat aplikasi GUI Matlab atau jika kita memang ingin membuat

sebuah figure baru, sedangkan Open Exiting GUI digunakan jika kita sudah

memiliki file figure matlab atau akan memodifikasi file figure yang telah kita

simpan.

41
 42

Pada pilihan Create New GUI terdapat menu GUIDE templates yang

memiliki beberapa tipe dasar dari GUI, sehingga kita dapat melakukan

memodifikasi pada template agar menjadi GUI seperti yang kita harapkan.

Sebagai pemula, kita gunaka Blank GUI (default) yang merupakan

sebuah GUI dengan figure kosong dan merupakan kondisi default dari GUIDE

dan dipilih jika memang akan membuat sebuah aplikasi dengan komponen yang

layout-nya tidak terdapat pada GUI template yang lain. Setelah kita memilih

Blank GUI templates, maka akan muncul tampilan Menu Utama GUIDE

ditujukan seperti gambar II.6.

Gambar II.6 Tampilan GUIDE

Keterangan gambar II.5

1. Alignment tool digunakan untuk mengatur posisi dari menu yang

telah dibuat agar terlihat rapid an sejajar.

2. Component pallete digunakan untuk membuat tampilan menu pada

program yang akan dibuat.

 43

3. Layout editor digunakan untuk lembar kerja membuat tampilan

program.

4. Menu editor digunakan untuk mengedit menu program

5. M-file editor digunakan untuk mengedit program melalui source code

program yang sedang dibuat.

6. Property inspector digunakan untuk mengatur property dari masing-

masing kontrol.

7. Running digunakan untuk mengeksekusi program atau menjalankan

program yang sedang dibuat.

Komponen palet pada GUIDE Matlab terdiri dari beberapa uicontrol

(control user interface), seperti pada bahasa pemrograman visual lainnya, yaitu

pushbutton, togglebutton, radiobutton, checkboxes, edit text, static text, slider,

frames, listboxes, popup menu, dan axes kita dapat meletakkan semua control

pada layout editor dan selanjutnya hanya tinggal mengaturnya melalui property

inspector.

43
 44

Gambar II.7 Komponen GUIDE

Sumber : (https://4.bp.blogspot.com/)

Keterangan gambar II.7

1. Pushbutton merupakan jenis control berupa tombol tekan yang akan

menghasilkan tindakan jika diklik, misalnya tombol OK, Cancel,

Hitung, Hapus, dan sebagainya.

2. Toggle button memiliki fingsi yang sama dengan pushbutton.

Perbedaannya adalah saat pushbutton ditekan, maka tombol akan

kembali pada posisi semula jika tombol mouse dilepas. Sedangkan

pada toggle button, tombol tidak akan kembali ke posisi semula

kecuali kita menekannya kembali.

3. Radio button digunakan untuk memilih atau menandai satu pilihan

dari bebrapa pilihan yang ada.

4. Checkbox berfungsi menghasilkan suatu tindakan ketika di klik, yaitu

berupa tanda atau status.

 45

5. Edit text digunakan untuk memasukkan atau memodifikasi suatu text

yang diinputkan dari keyboard.

6. Static text menghasilkan text bersifat statis atau tetap, sehingga

pemakai tidak dapat melakukan perubahan.

7. Frames merupakan kotak tertutup yang dapat digunakan untuk

mengelompokkan kontrol-kontrol yang berhubungan.

8. Slider merupakan komponen GUI yang dapat bergeser secara

horizontal maupun vertical.

9. Listbox berfungsi menampilkan sama daftar item yang terdapat pada

string property dan membuat kita dapat memilih stau atau lebih item

yang ada.

10. Popup menu berfungsi membuka tampilan daftar pilihan yang

mendefinisikan pada string propert ketika kita mengklik tanda panah

pada aplikasi.

11. Axes berfungsi membuat aplikasi yang dapat digunakan untuk

menampilkan sebuah grafik atau gambar.

45