2019 : Rancang Bangun Aplikasi e-JatimSehat: Aplikasi Prediksi, Visualisasi, dan Decision Support System Persebaran Penyakit Sebagai Bentuk Adopsi Konsep Smart City

Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng.
Dr. Eko Mulyanto Yuniarno S.T., M.T.
Wiwik Anggraeni S.Si.,M.Kom


Abstract

Visualisasi informasi, pemetaan, prediksi, dan Geographic Information System (GIS) merupakan cabang ilmu yang sudah berkembang pesat. Ilmu ini menggabungkan data kuantitatif dengan data spasial. Visualisasi yang melibatkan GIS banyak digunakan untuk kebutuhan pemetaan, salah satunya di dunia kesehatan. Penelitian ini mendukung topik Penelitian Unggulan ITS dengan topik “ICT untuk mengantisipasi perubahan iklim�dan sub topik “Sistem yang dapat melakukan prediksi daerah yang rawan bencana (B-5-2)�serta berkontribusi pada roadmap Penelitian Unggulan ITS tahun 2020 di bidang ICT dan Robotika untuk platform Smart City dengan topik “sistem akuisisi data, storage, dan database dengan framework Smart City: Smart- Health� Rencana jangka panjang penelitian ini adalah merancang dan membuat suatu aplikasi multiplatform e-JatimSehat dimana didalam aplikasi ini nantinya terdapat aplikasi prediksi pengaruh beberapa variabel terhadap pertumbuhan jumlah penyakit di suatu daerah, pemetaan hasil prediksi penyebaran penyakitnya, serta aplikasi decision support system (DSS) yang dapat menampilkan rekomendasi sehubungan dengan kondisi hasil prediksi pada beberapa periode ke depan. Semua aplikasi yang akan dihasilkan tersebut adalah pada level kecamatan yang ada di Kabupaten Malang. Karena prototype ini mengintegrasikan beberapa aplikasi yang mempunyai platform sendiri-sendiri (berbeda) maka aplikasi yang didapatkan dinamakan dengan aplikasi multiplatform. Multiplatform e- JatimSehat ini nantinya dapat digunakan sebagai sarana memudahkan pengambilan keputusan sebagai langkah antisipasi secara dini (early warning) atas terjangkitnya penyakit tertentu di suatu daerah. Penelitian usulan baru ini merupakan kelanjutan dari penelitian usulan lama yang telah dilakukan pada tahun 2015-2017 dan tahun 2018-2019. Penelitian tahun-tahun sebelumnya telah menghasilkan model dan hasil prediksi kemungkinan munculnya penyakit berdasarkan kondisi cuaca yang ada saat itu. Selain itu juga telah dihasilkan dashboard. Namun, model prediksi, hasil prediksi, serta dashboard yang dihasilkan ini hanya melibatkan variabel cuaca dan hanya level desa dan puskesmas dan belum melibatkan variabel lain seperti kepadatan penduduk, jumlah jentik yang ditemukan, pekerjaan, mobilitas penduduk, serta faktor ekonomi lainnya, dan juga belum ada aplikasi DSS yang dapat mengeluarkan rekomendasi. Selain itu, dashboard yang dihasilkan juga masih menggunakan platform power BI. Seiring berjalannya waktu pihak Dinas menyarankan agar dibuat dalam aplikasi lain. Untuk penelitian usulan baru ini dibagi menjadi tiga tahapan. Tahap pertama mempunyai fokus pada analisis pengaruh berbagai faktor yang terdiri dari berbagai variabel (termasuk variabel cuaca dalam bentuk musim) terhadap pertumbuhan jumlah penyakit. Selain itu tahap pertama juga mempunyai fokus pada prediksi variabel- variabel yang berpengaruh untuk beberapa periode ke depan. Hasil prediksi variabel ini akan digunakan sebagai input penelitian pada tahap selanjutnya. Tahap kedua berfokus pada pembuatan model prediksi dan prediksi jumlah penderita penyakit dengan melibatkan pengaruh berbagai macam variabel lain, serta pembuatan aplikasi prediksi dan visualisasi persebaran jumlah penyakit serta variabel lainnya sampai ke level kecamatan yang ada di wilayah Kabupaten Malang. Penelitian pada tahap ketiga bertujuan untuk melakukan sebuah decision support system yang dapat mengeluarkan rekomendasi-rekomendasi sehubungan dengan adanya hasil prediksi jumlah penderita penyakit pada beberapa periode ke depan. Hasil aplikasi/proytotype ini dapat membantu Dinas Kesehatan Kabupaten Malang dalam memantau persebaran penyakit di setiap kecamatan serta memberikan rekomendasi yang dapat digunakan sebagai dasar perencanaan program dan tindakan di beberapa waktu kedepannya Kata kunci: Model, prediksi, persebaran, visualisas, Decision Support System, early warning, penyakit, demam berdarah, Hot-Fit, rule base, decision tree, support vector machine