digilib@itb.ac.id +62 812 2508 8800

PERANCANGAN DATABASE DAN ANALISIS DISEASE CLUSTERING BERDASARKAN LAPORAN BULANAN TIPE 1 PUSKESMAS KOTA BANDUNG UNTUK PENGEMBANGAN GEOGRAPHIC INFORMATION SYSTEM

Penulis : Djati Anwar Sadad [18316013]
Kontributor / Dosen Pembimbing :
  • Prof. Dr. Ir. Tati Latifah Erawati Rajab
  • Dr. Beni Rio Hermanto, S.T., M.M.
  • Allya Paramita Koesoema, S.T., M.T., Ph.D.
Jenis Koleksi : Tugas Akhir
Penerbit : Teknik Biomedis
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : database, disease clustering, LB-1, perancangan, GIS
Sumber :
Staf Input/Edit : karya  
File : 4 file
Tanggal Input : 27 Sep 2020

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.

Artikel Terkait