Ilmukuilmumu

Amalkan apa yang telah kau pelajari, karena itulah sesungguhnya ilmu yang kau miliki

Proposal Tugas Akhir Ku

on November 3, 2009

Proposal Tugas Akhir Ku

Hemmm….. akhirnya proposal ku jadi juga ….. dengan penuh perjuangan ganti-ganti topik…. akhirnya bisa disetujui juga

JUDUL : Analisis dan Implementasi Metode Bootstrap Aggregating (BAGGING) pada Kasus Klasifikasi Penanganan Tindak Lanjut Pasien Unit Gawat Darurat (UGD)

1.     Latar belakang masalah

Informasi merupakan salah satu sumber daya yang sangat penting bagi setiap orang, dengan adanya sebuah informasi seseorang dapat dengan mudah untuk melakukan sebuah tindakan atau mengambil sebuah keputusan. Terdapat banyak cara untuk mendapatkan sebuah informasi tersebut. Diantaranya, dengan kita melakukan data mining atau penambangan data dalam suatu database.

Data Mining merupakan proses memecahkan masalah dengan cara menganalisis data dalam suatu database [1]. Salah satu manfaat dari penambangan data ini adalah untuk klasifikasi atau prediksi suatu data. Klasifikasi dan Prediksi adalah dua bentuk analisis data yang mana dapat digunakan untuk mengekstrak model penting untuk klasifikasi data dan memprediksi kecenderungan data di masa datang [2].

Banyak metode atau algoritma yang dapat diimplementasikan dalam klasifikasi data. diantaranya Classification by Decesion Tree Induction, Bayesian Classification, Rule-Base Classificatiton, Classification by Artifisial Neural Network, Suport Vector Machine, Assosciative Classification, Lazy Learn, Genetic Algorithm, Rough Set Approach, dan Fuzzy Set Approach [2]. Setiap metode atau algoritma tersebut memiliki cara yang berbeda dalam melakukan proses klasifikasi data. Oleh karena itu hasil dari klasifikasi yang diperoleh akan berbeda.

Metode – metode klasifikasi ini dapat dibandingkan berdasarkan beberapa kriteria. Antara lain [2] :

  1. Keakuratan Prediksi : Kemampuan model untuk memprediksi kelas secara benar berdasarkan data baru atau data sebelumnya.
  2. Kecepatan : Kemampuan kecepatan pemrosesan data termasuk pembangkitan dan penggunaan model.
  3. Robustness : Kemampuan model untuk membuat prediksi yang benar berdasarkan data yang dimiliki missing value atau noisy data
  4. Scalability : Kemampuan untuk membangun model yang efisien dari sekumpulan data yang berukuran besar.
  5. Interpretability : Tingkat pemahaman dan pengertian terhadap model klasifikasi yang dibuat.

Keakuratan prediksi atau ketepatan dalam klasifikasi merupakan kriteria yang pertama kali dinilai pada sebuah model yang dihasilkan dari suatu metode atau algoritma klasifikasi. dalam data mining terdapat 2 metode untuk meningkatkan tingat akurasi prediksi dan ketepatan dalam klasifikasi yaitu bootstrap aggregating (bagging) dan boosting [2].

Bagging merupakan metode yang dapat memperbaiki hasil dari algoritma klasifikasi machine learning. Metode ini diformulasikan oleh Leo Breinman tahun 1996 dan nama tersebut disimpulkan dari phrase ”Bootstrap Aggregating” [3]. Dengan penerapan metode ini maka hasil klasifikasi ataupun prediksi terhadap data akan semakin akurat.

Tugas akhir ini mengimplementasikan metode Bootstrap aggregating (Bagging) pada kasus klasifikasi penanganan tindak lanjut pasien Unit Gawat Darurat yang pemodelannya menggunakan model klasifikasi Artifisial Neural Network. Penanganan tindak lanjut pasien Unit Gawat  Darurat  memiliki beberapa jenis kelas penanganan tindakan lanjutan. Diantaranya, penanganan Rawat Inap, pasien dipulangkan, pasien disarankan untuk dirujuk ke Rumah Sakit lain, atau penanganan terhadap pasien yang meninggal dunia dalam proses pemeriksaan di UGD. Oleh karena itu, dibutuhkan suatu aplikasi untuk bisa mengklasifikasikan secara akurat penanganan tindakan lanjutan terhadap pasien yang masuk ke ruang UGD.

2.     Perumusan masalah

Permasalahan yang dijadikan objek penelitian dalam tugas akhir ini adalah :

  1. Bagaimana pengoptimalan metode bagging untuk bisa meningkatkan akurasi dan ketepatan klasifikasi pada data uji.
  2. Bagaimana menentukan variabel – variabel yang mempengaruhi hasil klasifikasi data.
  3. Bagaimana membangun perangkat lunak yang bisa membantu klasifikasi penanganan tindak lanjut pasien UGD.

Batasan pada proposal Tugas Akhir ini adalah sebagai berikut :

  1. Data yang digunakan adalah data pasien UGD Rumah Sakit Umum Daerah (RSUD) Majalengka.
  2. Metode bagging di implementasikan pada metode klasifikasi Artifisial Neural Network.
  3. Perancangan aplikasi menggunakan perangkat lunak Matlab  7.4 (R2007a).
  4. Simulasi dilakukan pada sistem operasi Windows Server 2003 dan database SQL Server 2005.

3.     Tujuan

Tujuan proposal Tugas Akhir ini adalah :

  1. Membangun perangkat lunak untuk  mengklasifikasikan penanganan tindak lanjut terhadap pasien Unit Gawat Darurat.
  2. Meningkatkan tingkat akurasi prediksi atau ketepatan  klasifikasi terhadap data uji.
  3. Menganalisis faktor-faktor yang mempengaruhi terhadap penanganan tindak lanjut  yang diambil pihak rumah sakit terhadap pasien UGD.

4. Metodologi penyelesaian masalah

Metode penyelesaian masalah yang akan dilakukan adalah sebagai berikut :

  • Studi Literatur

Mencakup pencarian, pengumpulan dan mempelajari referensi-referensi dan sumber lain yang mendukung dan berhubungan dengan data mining. Khususnya mengenai Metode Klasifikasi, Algoritma Artifisial Neural Network, Ensemble Method, dan Bootstrap Aggregating (Bagging).

  • Pengumpulan Data

Mencari dan mengumpulkan data pasien Unit Gawat Darurat di Rumah Sakit Umum Daerah (RSUD) Majalengka yang akan dijadikan sebagai data pelatihan dan data uji.

  • Analisis dan Desain Sistem

Menganalisa dan merancang desain untuk mengimplementasikan metode Bagging pada kasus klasifikasi penanganan tindak lanjut pasien UGD. Adapun gambaran sistem klasifikasi dengan metode bagging yang akan dibuat adalah sebagai berikut :

alur analsis

  • Implementasi Sistem

Tahap ini merupakan tahap implementasi perangkat lunak, dengan mengacu terhadap hasil desain yang telah dibuat sebelumnya.

  • Pengujian dan Analisis Hasil

Melakukan pengujian terhadap sistem perangkat lunak yang telah dibuat. Pengujian dilakukan dengan data uji yang telah disediakan. Dan menganalisis hasil dari pengujian tersebut yang berupa tingkat keakuratan hasil klasifikasi dan pengaruh dari diterapkannya metode bagging dalam proses klasifikasi.

  • Pengambilan Kesimpulan dan Pembuatan Laporan

Mengambil kesimpulan yang didapat atas pengujian dan analisis hasil yang telah dilakukan dan melakukan penyusunan laporan.

4. Jadwal Kegiatan

jadwal kegiatan

Daftar pustaka

[1] Witten, Ian H & Eibe Frank, 2005, Data Mining : Practical Machine Learning Tools and Technique,   University of Waikato, Morgan Kaufmann Publisher.
[2] Han, Jiawei & Micheline kamber, 2006, Data Mining : Concepts and technique, University of Illinois at Urbana-Champaign, Morgan Kaufmann Publisher.
[3] Baizal, ZK.Abdurrahman., Bijaksana, Moch. Arif., dan Nasihati, Ina Ro’fiatun,  Penggunakan Metode Bagging dengan Menerapkan Data Balancing pada Churn Prediction Untuk Perusahaan Telekomunikasi. Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009).
[4] Wang, Yu-Ren, Chen, Yi-Jao, and Huang Jeffry C.F., Applying Neural Network Ensamble Concept for Modelling Project Success, 26th International Symposium on Automation and Robotics in Construction (ISARC 2009)
[5] Ha, Kyoungnam., Cho, Shungzon., and Maclachlan, Douglas. 2005, Respons Models Based On Bagging Neural Network, Journal Interactive Marketing Volume 19 / Number 1 / Winter 2005. http://www.interscience.wiley.com
[6] Suyanto, 2007, Artifisial Intelligence : Searching, Reasoning, Planning, and Learning, Informatika, Bandung – Indonesia.
[7] Croux, Christophe., Joossen Kristel., and Lemmens, Aurelie. Trimmed Bagging. Faculty of Economics And Applied Economics, Khatolieke Universiteit Leuven. KBI 0721.
[8] Hechenbichler, Tutz, 2003, Aggregating Classifiers With Ordinal Response Structure, Institute Fur Statistik Sonderforschungsbereich 386. http://epub.ub.uni-muenchen.de/
[9] Pakyari, Reza, 2008, On Bagging and Estimation in Multivariate Mixtures, Metodoloski zvezki Vol. 5 No1 2008 9-18.
[10] Zhang, Jie., Jin, Qibing., and Xu, Yongmao., Inferential Estimation of Polymer Melt Index Using Sequentially Trained Bootstrap Aggregated Neural Network, School of Chemical Engineering & Advanced Materials, University of Newcastle, Newcastle upon Tyne NE1 7RU, U. K.


One response to “Proposal Tugas Akhir Ku

  1. wina says:

    mau nanya… ini tugas akhirnya masig bisa dikebangi lagi ga?

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: