Anak adalah aset bangsa yang perlu diberikan pendidikan dan pengasuhan yang baik untuk peningkatan kualitas bangsa. Kesehatan balita sangat penting bagi pemerintah sehingga banyak program pemerintah untuk peningkatan kesehatan balita. Balita sangat rentan terhadap penyakit. Lebih dari 400 anak di Indonesia meninggal karena sakit. Sebagian besar disebabkan oleh kuman atau virus yang kontak langsung terutama penyakit pneumonia dan diare. Angka kematian balita sekitar 65 balita per 1.000 kelahiran. Oleh karena itu, kesehatan anak di Indonesia masih jauh dari standar yang ditetapkan oleh World Health Organization (WHO) pada tahun 1946, yang menyatakan bahwa semua anak berhak atas kesehatan yang baik dan tumbuh menjadi warga dunia.
Diagnosis klinis dilakukan berdasarkan saran dan pendapat dokter. Dokter biasanya merekomendasikan untuk melakukan beberapa tes untuk mendiagnosis suatu penyakit, meskipun sebagian besar tes tidak diperlukan. Pola yang tersembunyi dalam database medis relatif belum dipetakan meskipun potensinya besar untuk mendiagnosa penyakit. Salah satu masalah dalam database medis adalah volumenya yang tinggi, sehingga kemungkinan kesalahan dalam diagnosa, pengobatan, dan klasifikasi juga tinggi.
Area penelitian ini meliputi penalaran berbasis aturan dan berbasis kasus. Akurasi penalaran berbasis kasus lebih tinggi daripada penalaran berbasis aturan. Paradigma penalaran berbasis kasus adalah metodologi teknik penalaran terbaik mengenai masalah pemeliharaan dan representasi pengetahuan.
Teknik penalaran adalah alat yang sangat baik untuk membuat prediksi, dan bidang medis telah menggunakannya secara luas. Teknik penalaran menggunakan kasus hasil yang benar telah memberikan dukungan luar biasa untuk memprediksi diagnosa dan pengobatan penyakit
Case Based Rule (CBR) adalah salah satu teknik penalaran yang paling umum digunakan. CBR merupakan pendekatan yang menggunakan kasus pengalaman sebelumnya untuk menyelesaikan kasus baru. CBR menggunakan pemodelan proses penalaran manusia. CBR lebih efisien dan lebih hemat biaya untuk menyelesaikan permasalahan terutama untuk diagnosa.
Proses yang terlibat dalam CBR diwakili oleh empat siklus, yaitu retrieve, reuse, revise, dan retain. Retrieve adalah proses mengambil kasus dari database yang mirip dengan kasus baru. Kasus baru cocok dengan kasus yang ditemukan di database kasus. Langkah ini bisa dibilang merupakan fase krusial dimana kinerja CBR diukur. Reuse adalah proses yang menggunakan kembali solusi kasus dengan menyalin atau mengintegrasikan informasi dan pengetahuan dalam kasus tersebut untuk memecahkan masalah baru. Revise adalah proses merevisi atau mengadaptasi solusi yang diusulkan untuk memecahkan masalah baru secara efisien. Retain adalah proses mempertahankan solusi baru setelah dikonfirmasi atau divalidasi bahwa itu mungkin berguna untuk pemecahan masalah.
Pengumpulan data dilakukan dengan membaca rekam medis pasien. Jumlah data yang dikumpulkan adalah 1300, dibagi menjadi data pelatihan dan pengujian, masing-masing 1040 dan 260. Atribut data yang digunakan adalah tanggal pengobatan, usia, jenis kelamin, berat badan, tinggi badan, suhu tubuh, dan catatan pengalaman dari 26 gejala dari 18 diagnosa. 26 gejala yaitu Ketidakmampuan untuk minum atau menyusu, muntah, kejang, ketidaksadaran, pusing, napas cepat, stridor, bbuang air besar cair atau lunak, mata cekung, kulit perut buruk, rewel, tersinggung, rasa haus yang tidak normal, gelisah, diare selama 14 hari atau lebih, darah dalam tinja, pucat, leher kaku, bintik merah, mata merah, kekeruhan pada kornea, sariawan, mata bernanah, demam selama 2 hingga 7 hari, demam mendadak tinggi dan terus menerus, maag, dan mual. 18 Dignosa adalah tanda risiko umum, batuk, pneumonia, pneumonia berat, diare, diare ringan dengan dehidrasi, diare dengan dehidrasi berat, diare persisten, diare persisten yang parah, disentri, demam biasa, demam parah, campak, campak dengan komplikasi, campak dengan komplikasi berat, demam mungkin Demam Berdarah Dengue (DBD), DBD, demam bukan DBD.
Dalam studi penelitian ini menggunakan CBR yang dimodifikasi menggunakan similarity measures alternatif, yang disebut Distance-Weighted Case Base Reasoning (DW-CBR). Penelitian ini akan membandingkan DW-CBR dengan beberapa similarity measures. DW-CBR bertujuan untuk meningkatkan kinerja klasifikasi yang akan digunakan untuk mendiagnosa. DW-CBR menggunakan ide dasar pembobotan tetangga dekat dan menggunakan fungsi pembobotan jarak ganda.
Penelitian ini menggunakan CBR dengan 4 similarity measures, yaitu Nearest Neighbor (NN-CBR), Euclidean Distance (ED-CBR), Minkowski Distance (MD-CBR), dan Distance-Weighted (DW-CBR). Akurasi NN-CBR sebesar 69%, ED-CBR sebesar 81%, MD-CBR 82%, dan DW-CBR sebesar 92%. Model DW-CBR memiliki kinerja akurasi yang lebih baik daripada algoritma lainnya. Hal ini dikarenakan DW-CBR memiliki ketahanan terhadap sensitivitas. DW-CBR menggunakan fungsi pembobotan jarak yang digunakan untuk menentukan hasil diagnosa berdasarkan bobot mayoritas.
Penulis : Rimuljo Hendradi
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Indah Werdiningsih, Rimuljo Hendradi, Purbandini, Barry Nuqoba, Elly Anna (2021). The Efficient Distance Weighted Case Base Rule (DW-CBR) for Early Childhood Diseases Diagnosis. Internasional jurnal of computing, 20(2):262-269.
DOI 10.47839/ijc.20.2.2174
