Perpustakaan Digital ITB

Penyakit pernapasan merupakan salah satu topik hangat yang diperbincangkan diseluruh dunia sejak adanya COVID-19. Risiko penyebaran penyakit yang menyerang pernapasan umum nya sangatlah tinggi. Pada tahun 2022 lalu terdapat 633 juta kasus dengan kematian mencapai 6,6 juta jiwa. Kurangnya kesadaran serta pengetahuan atas gejala-gejala yang dialami menjadi salah satu faktor penyebaran yang sangat cepat. Banyak sekali kejadian dimana inang dari sebuah virus tidak menyadari bahwa dirinya sedang membawa virus tersebut serta berpotensi menyebarkannnya. Perlu pengembangan sebuah alat untuk melakukan pra-skrining dengan memanfaatkan Platform Rekayasa Cerdas (PRC) sebagai kerangka berpikir yang pada pengembagan perangkat lunak serta memanfaatkan arsitektur microservices untuk menjamin aplikasi yang dibangun mampu menanganin tantangan skalabilitas. Penelitian dilakukan dengan metode Design Research Methodology (DRM) dengan langkah awal melakukan Research Clarification (RC) tentang identifikasi pengguna dan batasan aplikasi. Pengguna akan dibagi menjadi tiga yaitu user, hospital dan admin. Batasan pada aplikasi yang akan dibangun adalah hanya dapat dioprasikan pada perangkat Android Mobile. Aplikasi yang dibangun tidak akan menggantikan fungsi tenaga medis karena sifatnya hanya melakukan pra-skrining. Selanjutnya Descriptive Study I (DS-I) meninjau literatur terkait sebagai bahan Knowladge yang akan diterapkan. Terdapat beberapa penelitian terkait sebelumnya sehingga pengembangan aplikasi hanya berfokus untuk mengintegrasikan ke aplikasi Android yang dibangun. Terdapat dua model yang relevan yaitu model Singularity Characterization (SC) dan K-Nearest Neighbor (KNN) yang akan diterapkan. Langkah selanjutnya melakukan Prescriptive Study (PS) dengan mengembangkan dengan memperhatikan kaidah dalam pengembangan aplikasi Machine Learning (ML) yaitu data suara batuk yang masuk akan dilakukan preprocessing dengan segmentasi hanya satu detik dan asumsi 48.000 samples per seconds. Selanjutnya suara akan melalui tahap noise reduction dengan noisereduce.py pada python. Suara yang telah melalui tahap preprocessing akan ke tahap feature extraction menggunakan model SC sehingga mendapatkan tiga parameter yaitu dimension, size dan dispersion. Data tersebut akan diolah secara terpisah oleh dua model yaitu model SC dan model KNN. Hasil klasifikasi akan dibandingkan dengan logika AND sehingga hasil akhir dapat ditampilkan kepada user. Tahap terakhir yaitu Descriptive Study II (DS-II) yaitu mengevaluasi hasil dari pengembangan aplikasi. Evaluasi pertama untuk mengecek algoritma yang diterapkan dengan membandingkan hasil saat hanya menggunakan model SC 59,7% dan model SC-KNN 56,7%. Berdasarkan hasil tersebut kombinasi dari model SC-KNN belum bisa meningkatkan akurasi dari deteksi penyakit pernapasan COVID-19. Pengujian kedua pada kemampuan aplikasi yang dibangun dalam menghadapi tantangan skalabilitas. Pengujian menggunakan Apache JMeter HTTP Request dengan batas user 1000 dihasilkan aplikasi dapat menangani hingga 5107 request yang secara berkala meningkat dari 79 user hingga 1000 user per request. Waktu server dalam menangani request relatif cepat yaitu rata-rata 0,7 detik. Penelitian ini telah berhasil menerapkan PRC sebagai kerangka berpikir dengan menggunakan arsitektur PSKVE-S (Product, Service, Knowladge, Value, Environtment and System). Posisi penelitian ini dalam PSKVE-S berfokus untuk menerapkan Knowladge dari Medical dan IT Expert menjadi sebuah Product dengan pertimbangan Server, Proces, Service Cost, Energi dan Cost dari penelitian terkait sebelumnya.