2019 : Sistem pendeteksi gagal jantung menggunakan pendekatan semantic web

Nur Aini Rakhmawati S.Kom, M.Sc.Eng, Ph.
Nisfu Asrul Sani S.Kom., M.Sc.
Faizal Mahananto S.Kom, M.Eng., Ph.D
Afrian Riznaldhy
Herry Sufyan Hadi ST., MT.


Abstract

Gagal jantung merupakan salah satu masalah kesehatan yang cukup serius penanganannya. Salah satu fitur yang sering diteliti sebagai prediktor gagal jantung kongestif adalah Heart Rate Variability (HRV). Namun sebagian besar dokter kurang memahami fungsi HRV pada diagnosis gagal jantung. Diperlukan sebuah sistem pakar yang dapat digunakan sebagai pendukung keputusan yang terintegrasi dengan data pasien yang dapat memodelkan prediksi gagal jantung kongestif dengan menggunakan parameter HRV. Sistem pendukung keputusan dibangun dengan membuat model ontologi yang direpresentasikan dalam Web Ontology Language (OWL) dan Semantic Web Rule Language (SWRL). Ontologi digunakan untuk memodelkan basis pengetahuan sehingga dapat dilakukan reasoning dengan data yang bermakna. Sedangkan basis aturan dalam prediksi dibangun melalui SWRL. Hasil desain ontologi dan SWRL digunakan untuk memodelkan Bayesian Network dan melakukan inferensi, sehingga diperoleh suatu kesimpulan dari basis pengetahuan. Hasil inferensi Bayesian Network dapat diinterpretasikan sebagai prediktor kemungkinan pasien pengidap gagal jantung kongestif dapat bertahan hidup atau meninggal dunia. Metode penelitian yang digunakan dalam penelitian ini mencakup lima tahapan penelitian yaitu: (1) definisi permasalahan dan spesifikasi batasan; (2) pengembangan ontologi dan SWRL; (3) inferensi Bayesian Network; (4) demonstrasi; dan (5) validasi dan evaluasi. Data yang digunakan dalam penelitian ini adalah MIMIC-III, yang menyediakan informasi-informasi terkait data pasien dalam ICU. Hasil atau luaran yang diharapkan dalam penelitian ini adalah sebuah sistem pakar sebagai pendukung keputusan bagi dokter untuk memprediksi pasien meninggal akibat mengalami gagal jantung secara akurat.