Workflow 2: Analisis Faktor Risiko Penyakit Jantung

Workflow ini menganalisis hubungan antara faktor antropometri, gaya hidup, dan kondisi klinis dengan insiden penyakit kardiovaskular. Data masukan berasal dari dataset yang telah dibersihkan pada Workflow 1.

Tujuan Analisis

Workflow 2 memiliki tiga tujuan utama:

1. Menganalisis hubungan antara Body Mass Index (BMI) dan insiden kardiovaskular.
2. Menganalisis pola aktivitas fisik, kebiasaan merokok, dan konsumsi alkohol pada pasien berusia lebih dari 40 tahun.
3. Menganalisis pola risiko berdasarkan kombinasi kadar kolesterol dan glukosa.

Hasil analisis menunjukkan pola pada data observasional. Hasil ini tidak dengan sendirinya membuktikan hubungan sebab-akibat klinis.

Ringkasan Workflow

Komponen	Nilai
Dataset masukan	/cardiovascular/dataCardiovascular/cardiovascularClean
Sumber dataset	Hasil cleansing Workflow 1
Lokasi workflow	Project cardiovascular -> cardiovascularAnalysis.csd
Engine	HGrid247 DE Web dengan Cascading/Hadoop MapReduce
Jumlah cabang	3 cabang analisis paralel

Output Sink

Cabang	Output path
BMI	/cardiovascular/dataCardiovascular/BMI
Lifestyle	/cardiovascular/dataCardiovascular/LifeStyle
Clinical Risk	/cardiovascular/dataCardiovascular/ClinicalRisk

Prasyarat

• Dataset cardiovascularClean dari Workflow 1 sudah tersedia di HDFS.
• Project cardiovascular dapat diakses pada HGrid DE Web.
• Folder output dapat dibuat atau ditulis oleh pengguna workflow.
• Untuk proses eksekusi, pengguna memiliki akses ke menu Generate, Run Workflow, Job Management, dan HDFS Browser.

Membangun Workflow

1. Membuat Workflow Baru

1. Buka HGrid DE Web: https://hgridde.labs247.id/app/.

2. Klik New Workflow pada toolbar utama.

   

3. Pada dialog Create New Workflow, pilih Existing Project.

4. Pilih project cardiovascular.

5. Masukkan nama workflow cardiovascularAnalysis, lalu klik OK.

   

6. Pastikan kanvas kosong untuk cardiovascularAnalysis.csd berhasil dibuat di dalam project cardiovascular.

   

2. Menambahkan Sumber Data

1. Drag and drop node HfsSource dari palet Source ke kanvas.

   

2. Double-click node HfsSource, lalu klik Search.

   

3. Masukkan input path berikut:

   /cardiovascular/dataCardiovascular/cardiovascularClean

   

4. Pilih hdfs:// pada Default File System.

   Dataset hasil cleansing tersimpan sebagai partisi terdistribusi pada HDFS, bukan sebagai satu file lokal. Penggunaan hdfs:// memungkinkan engine HGrid membaca dan memproses seluruh partisi dari cluster secara paralel.

   

5. Periksa konfigurasi, pastikan nilainya sesuai, lalu klik OK.

   

3. Menyiapkan Transformasi dan Percabangan

1. Drag and drop node Transformator dari palet Assembly ke kanvas. Node tersebut menjadi Transformator_1.

   

2. Hubungkan HfsSource_1 ke Transformator_1.

   

3. Double-click Transformator_1, lalu tambahkan operasi RegexSplitter dengan delimiter \\t atau tab. Hasil HFS Sink Workflow 1 harus menggunakan delimiter yang sama.

   

4. Deklarasikan 13 field output berikut, lalu klik Link to all output fields:

   id, age, gender, height, weight, ap_hi, ap_lo, cholesterol, gluc, smoke, alco, active, dan cardio.

   

5. Gambar di atas menunjukkan tipe awal hasil parsing. Ubah tipe data field sebagai berikut sebelum menghubungkan cabang: id, age, ap_hi, ap_lo, cholesterol, gluc, smoke, alco, active, dan cardio menjadi Integer; height dan weight menjadi Double; gender tetap String. Tipe Double untuk tinggi dan berat memastikan perhitungan BMI menggunakan nilai desimal. Field numerik lainnya diperlukan untuk filter dan agregasi.

   

6. Drag and drop PipeSplitter dari palet Assembly ke kanvas. Node tersebut menjadi PipeSplitter_1.

7. Hubungkan Transformator_1 ke PipeSplitter_1.

   PipeSplitter membagi satu aliran data menjadi tiga cabang analisis yang dapat diproses secara independen.

   

4. Cabang 1: Analisis BMI

4.1 Menghitung BMI

1. Drag and drop Transformator ke kanvas sebagai Transformator_2.

2. Hubungkan PipeSplitter_1 ke Transformator_2.

   

3. Double-click Transformator_2.

4. Tambahkan field bmi bertipe Double pada OutputRecord melalui Add Output Field(s). Teruskan juga semua field input yang diperlukan pada output Transformator, termasuk cardio untuk agregasi berikutnya.

   

5. Tambahkan operasi Calculation dengan ekspresi berikut:

    weight / ((height / 100.0) * (height / 100.0))

Ekspresi tersebut menghitung BMI menggunakan berat badan dalam kilogram dan tinggi badan dalam sentimeter. Konstanta 100.0 memastikan konversi tinggi memakai pembagian desimal, bukan pembagian integer.

6. Setelah Calculation dikonfigurasi, hubungkan hasil Calculation langsung ke field output bmi tanpa menghubungkannya ke input lain.

   

4.2 Mengelompokkan Kategori BMI

1. Drag and drop Transformator kedua ke kanvas sebagai Transformator_3.

2. Hubungkan Transformator_2 ke Transformator_3.

   

3. Double-click Transformator_3.

4. Teruskan field input yang diperlukan, termasuk bmi dan cardio, lalu tambahkan field bmi_category bertipe String pada OutputRecord.

5. Tambahkan operasi SwitchCase untuk mengelompokkan BMI:

   Kondisi	Nilai kategori
   bmi < 18.5	Thin
   bmi < 25	Normal
   Selain dua kondisi tersebut	Obesity sebagai nilai default (BMI = 25)

   Obesity di sini adalah label operasional untuk kelompok BMI = 25 pada analisis ini, bukan diagnosis klinis individual.

   

6. Double-click SwitchCase, lalu klik Add row.

   

7. Pada Conditional Dialog, isi field, operation, value, dan constant value. Buat kondisi untuk bmi < 18.5 dan bmi < 25.

   

8. Masukkan Obesity pada Return Expression untuk nilai default, tanpa menambahkannya sebagai kondisi baru.

   

9. Hubungkan output SwitchCase ke field bmi_category.

   

4.3 Mengagregasi Hasil BMI

1. Drag and drop GroupBy sebagai GroupBy_1.

2. Hubungkan Transformator_3 ke GroupBy_1.

3. Atur bmi_category sebagai group field.

   

4. Drag and drop Aggregator sebagai Aggregator_1 dan hubungkan dari GroupBy_1.

   

5. Pada konfigurasi Aggregator:

   • Hubungkan red line untuk bmi_category.
   • Tambahkan ConditionSum(cardio=1) sebagai cardio_count.
   • Tambahkan Count sebagai total_count.
   • Jika field belum tersedia, tambahkan cardio_count dan total_count melalui Output Record -> Add Output Field(s).

   

6. Drag and drop Transformator sebagai Transformator_4 dan hubungkan dari Aggregator_1. Teruskan bmi_category, cardio_count, dan total_count pada output sebelum menambahkan cardio_pct.

   

7. Tambahkan operasi Calculation untuk menghitung persentase kasus kardiovaskular berdasarkan cardio_count dan total_count.

   

8. Tambahkan field output cardio_pct bertipe Double.

   

9. Hubungkan Calculation ke field cardio_pct. Gunakan ekspresi (cardio_count * 100.0) / total_count agar pembagian menghasilkan nilai desimal.

   

10. Drag and drop HfsSink sebagai HfsSink_1, lalu hubungkan dari Transformator_4.

11. Atur output path ke /cardiovascular/dataCardiovascular/BMI dan gunakan SinkMode REPLACE.

5. Cabang 2: Analisis Lifestyle

1. Drag and drop Filter sebagai Filter_1.

2. Hubungkan PipeSplitter_1 ke Filter_1.

   

3. Double-click Filter_1, lalu buat satu baris predikat:

   • Field: age
   • Operator: greater_than
   • Nilai: 40

   Gunakan satu baris predikat agar konfigurasi tetap kompatibel dengan engine Cascading MapReduce.

   

4. Drag and drop GroupBy sebagai GroupBy_2 dan hubungkan dari Filter_1.

   

5. Atur kombinasi field gaya hidup berikut sebagai group fields:

   smoke, alco, dan active.

   

6. Drag and drop Aggregator sebagai Aggregator_2, lalu hubungkan dari GroupBy_2.

   

7. Pada konfigurasi Aggregator:

   • Hubungkan red line untuk smoke, alco, dan active.
   • Tambahkan ConditionSum(cardio=1) sebagai cardio_count.
   • Tambahkan Count sebagai total_count.

   

8. Drag and drop Transformator sebagai Transformator_5 dan hubungkan dari Aggregator_2. Teruskan field smoke, alco, active, cardio_count, dan total_count pada output.

   

9. Tambahkan field output cardio_pct bertipe Double, lalu tambahkan Calculation dengan ekspresi berikut:

   (cardio_count * 100.0) / total_count

   

10. Drag and drop HfsSink sebagai HfsSink_2, lalu hubungkan dari Transformator_5.

11. Atur output path ke /cardiovascular/dataCardiovascular/LifeStyle dan gunakan SinkMode REPLACE.

6. Cabang 3: Risiko Klinis

1. Drag and drop GroupBy sebagai GroupBy_3 dan hubungkan dari PipeSplitter_1.

   

2. Atur cholesterol dan gluc sebagai group fields.

   

3. Drag and drop Aggregator sebagai Aggregator_3, lalu hubungkan dari GroupBy_3.

   

4. Pada konfigurasi Aggregator:

   • Hubungkan red line untuk cholesterol dan gluc.
   • Tambahkan Avg(ap_hi) sebagai avg_ap_hi.
   • Tambahkan Avg(ap_lo) sebagai avg_ap_lo.
   • Tambahkan ConditionSum(cardio=1) sebagai cardio_count.
   • Tambahkan Count sebagai total_count.

   

5. Drag and drop Transformator sebagai Transformator_6 dan hubungkan dari Aggregator_3. Teruskan cholesterol, gluc, avg_ap_hi, avg_ap_lo, cardio_count, dan total_count pada output.

   

6. Tambahkan field output cardio_pct bertipe Double, lalu tambahkan Calculation dengan ekspresi berikut:

   (cardio_count * 100.0) / total_count

   

7. Drag and drop HfsSink sebagai HfsSink_3, lalu hubungkan dari Transformator_6.

   

8. Atur output path ke /cardiovascular/dataCardiovascular/ClinicalRisk dan gunakan SinkMode REPLACE.

   

7. Menyimpan dan Menjalankan Workflow

1. Periksa kanvas keseluruhan. Workflow terdiri atas 18 node dan 17 koneksi pipa.

2. Klik Save pada toolbar untuk menyimpan struktur workflow ke server HGrid DE.

   

3. Klik Generate untuk membangun executable Hadoop MapReduce JAR.

4. Klik Run Workflow untuk menjalankan pipeline.

   

5. Pantau riwayat eksekusi melalui Tools -> Job Management sampai seluruh task berstatus SUCCESS.

   

6. Buka Tools -> HDFS Browser untuk memverifikasi bahwa ketiga direktori output sudah dibuat dan berisi partisi hasil agregasi:

   • /cardiovascular/dataCardiovascular/BMI
   • /cardiovascular/dataCardiovascular/LifeStyle
   • /cardiovascular/dataCardiovascular/ClinicalRisk

   

Penjelasan Data dan Metode

Sumber Data

Data masukan adalah dataset cardiovascular yang telah dibersihkan pada Workflow 1. Dataset tersebut disimpan sebagai partisi field-delimited di HDFS dan digunakan sebagai sumber untuk tiga cabang analisis pada Workflow 2. Pastikan delimiter keluaran Workflow 1 berupa tab (\\t), sesuai dengan RegexSplitter pada Workflow 2.

Karakteristik data hasil cleansing yang relevan untuk Workflow 2:

• ap_hi dipertahankan pada rentang 1 sampai 250.
• ap_lo dipertahankan pada rentang 1 sampai 149.
• age dinyatakan dalam tahun bulat, hasil pembagian integer age dalam hari dengan 365; bagian pecahan dipotong.
• gender tersedia dalam format teks, yaitu wanita atau pria.
• Tinggi dan berat badan tidak difilter berdasarkan rentang pada Workflow 1.
• Nilai tekanan darah di luar rentang tersebut telah dikeluarkan pada Workflow 1.

Jumlah 68.899 pada tabel hasil merupakan jumlah record setelah filter tekanan darah pada dataset referensi ini. Jumlah tersebut juga menjadi pemeriksaan silang untuk cabang BMI dan Clinical Risk.

Field yang Digunakan

Dataset memiliki 13 field berikut:

Field	Tipe data	Deskripsi
id	Integer	Identifier unik pasien
age	Integer	Usia pasien dalam tahun bulat
gender	String	Jenis kelamin pasien (wanita/pria)
height	Integer atau Double	Tinggi badan dalam sentimeter
weight	Double	Berat badan dalam kilogram
ap_hi	Integer	Tekanan darah sistolik
ap_lo	Integer	Tekanan darah diastolik
cholesterol	Integer	Level kolesterol
gluc	Integer	Level glukosa
smoke	Integer	Status merokok
alco	Integer	Status konsumsi alkohol
active	Integer	Status aktivitas fisik
cardio	Integer	Label insiden penyakit kardiovaskular

Metode Tiap Cabang

Cabang BMI

Cabang BMI menggunakan weight dan height untuk menghitung BMI:

BMI = weight / ((height / 100.0) ^ 2)

Nilai BMI dikelompokkan menjadi Thin (bmi < 18.5), Normal (18.5 = bmi < 25), dan Obesity (bmi = 25). Obesity merupakan label operasional yang digunakan workflow, bukan diagnosis klinis individual. Setiap kategori kemudian diagregasi untuk menghitung jumlah pasien dengan cardio=1, jumlah seluruh pasien, dan persentase kasus kardiovaskular. Gunakan pembagian desimal untuk perhitungan BMI dan persentase.

Cabang Lifestyle

Cabang Lifestyle memfilter pasien dengan nilai age tahun bulat lebih dari 40, kemudian mengelompokkan data berdasarkan kombinasi smoke, alco, dan active. Karena umur pada WF1 dibulatkan dengan pemotongan bagian pecahan, batas ini berarti age > 40 pada nilai integer hasil konversi. Hasil agregasi digunakan untuk menghitung persentase kasus kardiovaskular pada setiap profil gaya hidup.

Cabang Clinical Risk

Cabang Clinical Risk mengelompokkan pasien berdasarkan kombinasi cholesterol dan gluc. Agregasi menghitung rata-rata ap_hi, rata-rata ap_lo, jumlah kasus cardio=1, jumlah seluruh pasien, dan persentase kasus kardiovaskular pada setiap kombinasi biomarker.

Hasil Analisis dan Insight

Ringkasan Hasil

Analisis terhadap 68.899 pasien menunjukkan beberapa pola utama:

Catatan pembaruan hasil: angka dan visualisasi di bawah adalah hasil run referensi yang sudah ada. Setelah menerapkan tipe data numerik dan batas kategori BMI <25 pada workflow, jalankan ulang WF2 dan verifikasi kembali tabel, insight, serta visualisasi karena kategori di dekat ambang BMI dapat berubah.

• Kategori Obesity mencakup 63,50% kohort dan memiliki prevalensi kasus kardiovaskular 55,38%, dibandingkan 39,52% pada kategori Normal.
• Pada kelompok berusia lebih dari 40 tahun, kelompok aktif memiliki prevalensi yang lebih rendah daripada kelompok inaktif pada seluruh kombinasi status merokok dan konsumsi alkohol yang tersedia pada output.
• Kombinasi kolesterol level 3 memiliki prevalensi kasus kardiovaskular tertinggi pada beberapa kelompok glukosa, dengan nilai tertinggi 81,99% ketika glukosa berada pada level 1.

Angka-angka tersebut menggambarkan perbedaan prevalensi antarkelompok. Angka tersebut tidak boleh ditafsirkan sebagai bukti bahwa satu faktor secara langsung menyebabkan penyakit.

Cabang 1: BMI dan Insiden Kardiovaskular

Tabel Output BMI

bmi_category	cardio_count	total_count	cardio_pct
Normal	9.688	24.514	39,52%
Obesity	24.227	43.748	55,38%
Thin	174	637	27,32%

Rincian Proporsi Kohort

Kategori BMI	Rentang BMI	Kasus sehat (0)	Kasus cardio (1)	Total pasien	Proporsi kohort	Prevalensi cardio
Thin	< 18.5	463	174	637	0,92%	27,32%
Normal	18.5 = BMI < 25	14.826	9.688	24.514	35,58%	39,52%
Obesity	BMI = 25	19.521	24.227	43.748	63,50%	55,38%
Total	Semua pasien	34.810	34.089	68.899	100,00%	49,48%

Insight:

• Prevalensi meningkat dari Thin (27,32%) ke Normal (39,52%), lalu ke Obesity (55,38%).
• Kategori Obesity merupakan kelompok terbesar, yaitu 43.748 pasien atau 63,50% kohort.
• Perbedaan prevalensi antara Obesity dan Normal adalah sekitar 15,86 poin persentase. Dalam data ini, prevalensi pada kategori Obesity sekitar 40,1% lebih tinggi secara relatif dibandingkan kategori Normal.

Cabang 2: Gaya Hidup dan Aktivitas Fisik

Filter cabang ini menggunakan pasien berusia lebih dari 40 tahun. Total kohort yang dianalisis adalah 67.134 pasien.

Tabel Output Lifestyle

smoke	alco	active	cardio_count	total_count	cardio_pct
0	0	0	6.429	11.957	53,77%
0	0	1	23.497	47.494	49,47%
1	0	0	391	701	55,78%
1	0	1	1.618	3.423	47,27%
0	1	0	151	287	52,61%
0	1	1	799	1.529	52,26%
1	1	0	151	270	55,93%
1	1	1	632	1.473	42,91%

Profil Gaya Hidup

Profil	Rokok	Alkohol	Aktivitas	Kasus sehat	Kasus cardio	Total pasien	Prevalensi cardio
Non-smoker / abstainer	Tidak	Tidak	Inaktif	5.528	6.429	11.957	53,77%
Non-smoker / abstainer	Tidak	Tidak	Aktif	23.997	23.497	47.494	49,47%
Smoker only	Ya	Tidak	Inaktif	310	391	701	55,78%
Smoker only	Ya	Tidak	Aktif	1.805	1.618	3.423	47,27%
Alcohol only	Tidak	Ya	Inaktif	136	151	287	52,61%
Alcohol only	Tidak	Ya	Aktif	730	799	1.529	52,26%
Smoker + alcohol	Ya	Ya	Inaktif	119	151	270	55,93%
Smoker + alcohol	Ya	Ya	Aktif	841	632	1.473	42,91%
Total kohort (>40)	-	-	-	33.466	33.668	67.134	50,15%

Insight:

• Pada setiap kombinasi gaya hidup di output ini, kelompok active=1 memiliki prevalensi yang lebih rendah daripada kelompok active=0.
• Perbedaan terbesar terlihat pada kelompok perokok sekaligus peminum alkohol, yaitu 55,93% pada kelompok inaktif dan 42,91% pada kelompok aktif, dengan selisih 13,02 poin persentase.
• Pada kelompok tanpa rokok dan alkohol, prevalensi sebesar 49,47% pada kelompok aktif dibandingkan 53,77% pada kelompok inaktif, dengan selisih 4,30 poin persentase.
• Perbedaan antarkelompok menunjukkan pola yang konsisten pada dataset, tetapi belum mengendalikan faktor perancu atau membuktikan efek kausal aktivitas fisik.

Cabang 3: Risiko Klinis

Tabel Output Risiko Klinis

Output cabang ini juga memuat avg_ap_hi dan avg_ap_lo; tabel ringkasan berikut menampilkan jumlah pasien dan prevalensi.

cholesterol	gluc	cardio_count	total_count	cardio_pct
1	1	20.653	48.010	43,02%
1	2	1.180	2.204	53,54%
1	3	674	1.468	45,91%
2	1	3.940	6.581	59,87%
2	2	1.403	2.377	59,02%
2	3	222	371	59,84%
3	1	3.268	3.986	81,99%
3	2	408	502	81,27%
3	3	2.341	3.400	68,85%

Profil Biomarker

Status kolesterol	Status glukosa	Kasus sehat	Kasus cardio	Total pasien	Proporsi kohort	Prevalensi cardio
Normal (1)	Normal (1)	27.357	20.653	48.010	69,68%	43,02%
Normal (1)	Di atas normal (2)	1.024	1.180	2.204	3,20%	53,54%
Normal (1)	Sangat tinggi (3)	794	674	1.468	2,13%	45,91%
Di atas normal (2)	Normal (1)	2.641	3.940	6.581	9,55%	59,87%
Di atas normal (2)	Di atas normal (2)	974	1.403	2.377	3,45%	59,02%
Di atas normal (2)	Sangat tinggi (3)	149	222	371	0,54%	59,84%
Sangat tinggi (3)	Normal (1)	718	3.268	3.986	5,79%	81,99%
Sangat tinggi (3)	Di atas normal (2)	94	408	502	0,73%	81,27%
Sangat tinggi (3)	Sangat tinggi (3)	1.059	2.341	3.400	4,93%	68,85%
Total populasi	-	34.810	34.089	68.899	100,00%	49,48%

Insight:

• Kombinasi kolesterol level 3 dan glukosa level 1 memiliki prevalensi tertinggi pada tabel, yaitu 81,99%.
• Ketiga kombinasi dengan kolesterol level 3 memiliki prevalensi di atas 68%, sedangkan kombinasi kolesterol level 1 dan glukosa level 1 memiliki prevalensi 43,02%.
• Kelompok kolesterol normal dan glukosa normal merupakan kelompok terbesar, yaitu 48.010 pasien atau 69,68% kohort.
• Perbedaan prevalensi antarkombinasi biomarker dapat digunakan untuk eksplorasi lebih lanjut, tetapi tidak cukup untuk menyimpulkan hubungan kausal atau menentukan terapi klinis.

Ringkasan Profil Risiko

Profil pada data	Biomarker dan gaya hidup	Rentang prevalensi cardio	Interpretasi deskriptif
Lebih rendah pada output	BMI Thin/Normal, aktif, atau biomarker normal	27,32% - 49,47%	Kelompok dengan prevalensi lebih rendah pada hasil agregasi
Menengah pada output	BMI Obesity atau usia >40 tahun dengan gaya hidup inaktif	49,47% - 55,93%	Kelompok dengan prevalensi menengah hingga tinggi
Tinggi pada output	Kolesterol level 2	59,02% - 59,87%	Kelompok dengan prevalensi lebih tinggi dibanding kolesterol level 1
Paling tinggi pada output	Kolesterol level 3	68,85% - 81,99%	Kelompok dengan prevalensi tertinggi pada beberapa kombinasi

Catatan Istilah

• cardio_count: jumlah pasien dengan nilai cardio=1 pada suatu kelompok.
• total_count: jumlah seluruh pasien pada suatu kelompok.
• cardio_pct: persentase cardio_count terhadap total_count.
• Komorbiditas: keberadaan dua atau lebih penyakit atau kondisi kesehatan pada waktu yang sama.