Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya
Salah satu kegiatan pokok dari Puskesmas adalah pencatatan laporan. Kegiatan ini
menghasilkan beberapa dokumen, salah satunya adalah LB-1, yaitu laporan
bulanan penetapan diagnosis yang berisi distribusi kasus penyakit menurut
kelompok umur dan jenis kasus. Laporan ini kemudian dikumpulkan ke Dinkes
untuk diolah menjadi informasi yang akan mendukung pengambilan keputusan.
Pada Dinkes Kota Bandung, penyimpanan LB-1 yang masih berbentuk tabel dirasa
kurang efisien dalam mendukung proses pengambilan keputusan. Untuk
meningkatkan efisiensi dari proses ini, telah dikembangkan suatu GIS yang dapat
menghasilkan visualisasi dari data LB-1 dalam bentuk peta. Selain itu, GIS juga
dilengkapi dengan subsistem disease clustering untuk mengetahui apakah penyakit
yang terjadi dipengaruhi oleh suatu pola sistematis. Sebagai bagian dari sistem
informasi, salah satu faktor yang memengaruhi kinerja GIS ini adalah perancangan
dan implementasi database. Maka, pada tugas akhir ini akan dibahas mengenai
perancangan subsistem database dan disease clustering untuk GIS.
Perancangan database terdiri dari empat tahap, yaitu perancangan konseptual,
pemilihan DBMS, perancangan logikal, dan perancangan fisikal. Rancangan ini
lalu diimplementasikan menggunakan DBMS MySQL dan diunggah ke server
JawsDB agar dapat diakses oleh GIS melalui cloud. Database yang dihasilkan lalu
diuji terhadap antipattern perancangan database, black box testing, dan dihitung
estimasi kebutuhan penyimpanannya. Untuk subsistem disease clustering, metode
yang digunakan adalah metode SaTScan yang didasari oleh metode pengujian
hipotesis berganda. Subsistem ini diimplementasikan dengan bahasa pemrograman
R dan diunggah ke server shiny. Evaluasi subsistem ini akan menggunakan data
terkontrol dan data LB-1 tahun 2019 sebagai data masukan. Berdasarkan pengujian
yang dilakukan, terdapat 3 dari 11 antipattern pada database, rentang query time
sebesar 0,01-3,27 detik, dan kebutuhan penyimpanan sebesar 134 GB untuk 25
tahun. Untuk subsistem disease clustering, telah dihasilkan klaster-klaster yang
terbentuk dengan parameter signifikansi statistik berupa nilai LLR.