Maternal Mortality Risk di Indonesia dengan Analisis Biplot dan Klaster Menggunakan Data Survei Kesehatan dan Demografi Indonesia (SDKI) Tahun 2017

Tingkat kasus kematian Ibu di Indonesia masih tergolong tinggi. Berdasarkan evaluasi Millennium Development Goals (MDGs) pada tahun 2015, kasus kematian ibu di Indonesia masih pada posisi 305 per 100.000 kelahiran. Padahal target yang dicanangkan Perserikatan Bangsa-Bangsa (PBB) adalah 102 per 100.000 kelahiran dan target SDG’s tahun 2030 adalah 70 kematian per 100.000 kelahiran. Sebenarnya Skilled care before, during and after childbirth can save the lives of women. Paper ini bertujuan untuk mengidentifikasi risiko kematian ibu di Indonesia melalui indikator kesehatan ibu yang merupakan penjabaran dari skilled care before, during and after childbirth, kemudian mengelompokkan wilayah berdasarkan indikator tersebut. Variabel-variabel yang ada direduksi menggunakan analisis komponen utama untuk memastikan variabel-variabel bersifat orthogonal dan disajikan dalam bentuk biplot dan cluster untuk mempermudah interpretasi. Hasil analisis gabungan antara biplot dan cluster menunjukkan bahwa cluster pertama memiliki risiko kematian ibu terendah, cluster kedua memiliki risiko kematian ibu sedang, sementara cluster ketiga memiliki risiko kematian ibu tertinggi. Provinsi-provinsi pada klaster ketiga membutuhkan perhatian lebih karena memiliki risiko kematian ibu tertinggi akibat kurang adanya pengawasan oleh tenaga kesehatan saat kehamilan, saat melahirkan, dan setelah melahirkan.

Survei IoT Healthcare Device

The Internet of Things (IoT) has enormous potential in creating the value of life related to technology. IoT has various application domains, including in the health sector. IoT-based healthcare services are expected to reduce costs, improve quality of life, and enrich user experience. The presence of IoT devices for healthcare services can also avoid unnecessary hospitalization and ensure that patients who need health services get it quickly. This paper surveys advances in IoT-based health care technology and reviews the latest architectures / platforms, platforms, applications and industry trends in IoT-based healthcare solutions. Some IoT devices and prototypes in the healthcare field are also discussed in this paper. Through this paper, it is expected that readers can be known and discuss IoT devices in the healthcare sector.

Kebijakan Berbasis Data: Analisis dan Prediksi Penyebaran COVID-19 di Jakarta dengan Metode Autoregressive Integrated Moving Average (ARIMA)

Data dan informasi merupakan bagian penting dalam pertimbangan mengambil keputusan terkait penanganan COVID-19. Data COVID-19 baik demografi maupun agregat di Provinsi DKI Jakarta diolah dan dianalisis untuk memberikan informasi mengenai situasi dan kondisi terkini terkait pandemi COVID-19 di Provinsi DKI Jakarta. Data COVID-19 tersebut juga dimanfaatkan untuk analisis prediktif untuk mengetahui perkiraan jumlah kasus COVID-19 di masa depan. Analisis prediktif yang digunakan dalam artikel ini adalah metode Autoregressive Integrated Moving Average (ARIMA). Model ARIMA merupakan salah satu metode forecasting hasil dari perluasan model Autoregressive Moving Average (ARMA) untuk data yang tidakstasioner. Analisis dan visualisasi data dilakukan menggunakan program Python dan Tableau dimana hasil analisis prediktif memperlihatkan tren kasus positif harian yang cenderung naik di kurun waktu 14 hari ke depan dari data yang digunakan. Hasil analisis ini dapat digunakan sebagai pertimbangan bagi pemerintah dalam mengambil kebijakan dan intervensi dalam penanganan COVID-19 di Jakarta, dan untuk masyarakat agar tetap melakukan tindakan preventif dalam mencegah kenaikan kasus, seperti mematuhi protokol kesehatan yang sudah ditetapkan oleh Pemerintah.

Evaluasi Berbasis Data: Kebijakan Pembatasan Mobilitas Publik dalam Mitigasi Persebaran COVID-19 di Jakarta

COVID-19, sebagai penyakit menular yang disebabkan oleh virus SARS-CoV-2 yang baru ditemukan, telah menjadi pandemi yang sedang dihadapi oleh banyak kota di dunia, tak terkecuali di DKI Jakarta. Salah satu dampak pandemi ini adalah terbatasnya mobilitas publik atau pergerakan masyarakat. Pemerintah Provinsi DKI Jakarta perlu membuat kebijakan yang dapat mengatur mobilitas penduduknya dalam rangka mengurangi risiko penyebaran virus COVID-19. Dalam artikel ini, Exploratory Data Analysis (EDA) dilakukan untuk menganalisis dan mengevaluasi pengaruh dari kebijakan yang telah dibuat oleh Pemerintah Provinsi DKI Jakarta terhadap mobilitas masyarakat di Jakarta. Data yang digunakan di antaranya adalah data harian COVID-19 dari Dinas Kesehatan DKI Jakarta, data rata-rata kecepatan kendaraan di jalan-jalan yang dilewati oleh pengguna aplikasi Waze, data tren pergerakan masyarakat selama pandemi COVID-19 yang diperoleh dari Google COVID-19 Community Mobility Reports, serta data Apple Mobility Trends Reports yang merupakan data tren pergerakan masyarakat berdasarkan kategori berkendara dan berjalan. Melalui hasil analisis data yang dilakukan, terlihat bahwa tingkat mobilitas di DKI Jakarta lebih rendah pada saat diberlakukannya Pembatasan Sosial Berskala Besar (PSBB), yang kemudian berpengaruh terhadap penekanan jumlah kasus positif harian di DKI Jakarta. Penurunan mobilitas ini diharapkan menjadi langkah penting dalam menangani COVID-19 di DKI Jakarta.

Peran Iptekin dalam mengatasi COVID-19: pembelajaran dari beberapa negara

Corona Virus Desease (COVID-19) pertama kali dilaporkan di Wuhan pada Desember 2019. Kemudian menyebar ke berbagai bagian Tiongkok, dan secara bertahap menjadi pandemi global pada Maret 2020. Sementara jumlah kematian terus meningkat, besaran korban telah bergeser dari Asia ke Eropa, dan ke Amerika Serikat (AS). Makalah ini menganalisis respon di negara-negara Tiongkok, Korea Selatan (Korsel), Italia, dan AS, dan memberikan gambaran bagaimana pemanfaatan Artificial Intelligence (AI) dan Big Data. Sementara negara-negara ini memiliki mekanisme tata kelola yang berbeda, ditemukan bahwa beberapa kebijakan penerapan iptekin AI dan Big Data di masing-masing negara memiliki kekhasan. Pandemi memang bersifat global, namun respon masing-masing negara sangat tergantung pada kondisi lokal. Mengingat respon terhadap penyebaran infeksi COVID-19 tersebut tergantung pada kepentingan dan urgensinya, penerapan AI dan Big Data di Tiongkok, Korsel, dan Italia mempunyai kesamaan. Negara-negara ini cenderung menerapkan AI dan Big Data lebih pada strategi pelandaian kurva sementara AS lebih cenderung menerapkan strategi peningkatan kemampuan pelayanan kesehatan.

Pemodelan Dampak COVID-19 Terhadap Kebutuhan Energi di Indonesia

In order to tackle the COVID-19 pandemic, the government issued a large-scale social restriction policy (PSBB). The policy in the form of restrictions on social activities will limit economic activity which ultimately has an impact on decreasing energy demand. This PSBB policy is challenge in implementing a national energy management plan, and might causes some of the energy planning targets not to be achieved. To analyze the effect of the COVID-19 pandemic on national energy demand, an energy model was created using LEAP software. LEAP is a model for comprehensive energy planning from energy resources to energy use based on an accounting system. For the purposes of analysis, LEAP requires quite detailed data, in the form of socioeconomic data, energy data, and community activity data due to social restrictions. In this paper, the results of energy modeling simulation are discussed in terms of energy demand based on the scenario of no pandemic or bussiness as usual (BAU) and three pandemic scenarios, namely: optimistic (OPT), moderate (MOD), and pessimistic (PES) scenarios. Energy demand in 2020 is predicted to decrease by 10.7% (OPT scenario), 15.3% (MOD scenario), and 20.0% (PES scenario) compared to the BAU scenario. The model can still be further developed to analyze the impact, both on the overall of demand side and energy supply side and also environmental aspects.

Studi Komparasi Algoritma Klasifikasi Mental Workload Berdasarkan Sinyal EEG

Kondisi psikologis dan fisik manusia dapat memengaruhi proses berpikir. Apabila kondisi individu mengalami kelelahan, maka dapat memengaruhi penurunan tingkat produktivitas maupun penurunan proses berpikir yang menyebabkan timbulnya mental workload. Workload yang dimiliki harus seimbang terhadap kemampuan dan keterbatasan yang dimiliki. Mental workload yang berlebih berdampak buruk bagi individu karena menimbulkan penurunan produktivitas kerja. Perangkat khusus yang dapat digunakan untuk mengetahui tingkat mental workload seorang individu adalah Electroencephalogram (EEG). EEG adalah perangkat khusus yang digunakan untuk mengukur sinyal potensi listrik dari otak. Dataset yang digunakan dalam penelitian ini adalah STEW: Simultaneous Task EEG Dataset dengan 45 subjek. Dalam penelitian ini, telah dilakukan studi komparasi algoritma Random Forest, K-Nearest Neighbor (KNN), Multi-Layer Perceptron (MLP), dan Support Vector Machine (SVM) untuk klasifikasi mental workload berdasarkan sinyal EEG. Studi dilakukan untuk menentukan algoritma terbaik dalam klasifikasi dilihat dari segi nilai akurasi dan penggunaan memori saat proses klasifikasi. Dataset telah melalui beberapa tahapan, diantaranya pra-pemrosesan data, ekstraksi fitur, dan proses klasifikasi. Pra-pemrosesan data menerapkan pembagian data menjadi beberapa chunk. Untuk mendapatkan ciri dalam ekstraksi fitur, diterapkan metode Principal Component Analysis (PCA). Pada proses klasifikasi menggunakan pendekatan k-fold cross validation. Hasil studi penelitian ini adalah algoritma terbaik dari sisi akurasi adalah algoritma KNN, algoritma terbaik dari sisi waktu pembuatan model adalah algoritma Random Forest, serta algoritma terbaik dari sisi penggunaan memori adalah algoritma MLP.

Pengembangan Sistem Informasi PERISAI (Pelaporan Mandiri saat Isolasi) untuk Orang Dalam Pemantauan Covid-19

—Salah satu langkah pencegahan penyebaran virus COVID-19 dapat dilakukan dengan cara melakukan karantina terhadap kelompok orang berisiko diantaranya ODP (Orang Dalam Pemantauan) selama 14 hari dan surveilans/pemantauan kondisi kesehatan ODP tersebut selama masa karantina sebagaimana panduan yang diterbitkan Kementrian Kesehatan Indonesia berupa Kartu Kewaspadaan Kesehatan Pedoman dan Pencegahan Pengendalian COVID-19. Upaya karantina/isolasi mandiri dilakukan sebagai metoda untuk membatasi seseorang atau sekelompok orang dalam suatu wilayah yang diduga terinfeksi penyakit dan/atau terkontaminasi. Namun pemantauan terhadap kepatuhan pelaksanaan isolasi mandiri sulit dilakukan karena puskesmas sebagai unit fasilitas kesehatan yang ditugaskan untuk melakukan pemantauan tidak memiliki alat pantau yang dapat menjamin kepatuhan ODP selama masa isolasi. PERISAI merupakan sistem informasi yang bertujuan untuk mendukung pemantauan ODP yang dapat dilaksanakan secara merata diseluruh daerah terutama bagi penduduk yang baru tiba setelah melakukan perjalanan dari daerah yang memiliki riwayat transmisi lokal COVID-19 dengan konsep digitisasi Kartu Kewaspadaan Kesehatan. PERISAI dikembangkan terbatas pada pengelolaan informasi ODP yang dapat digunakan oleh puskesmas dibawah naungan dinas kesehatan di lingkungan Kabupaten/Kota. Dengan demikian, petugas puskesmas dapat memonitoring proses isolasi mandiri yang dilakukan oleh ODP melalui aplikasi web dan ODP juga dapat melaporkan kondisi kesehatannya secara berkala melalui aplikasi mobile. Sistem informasi PERISAI dikembangkan menggunakan model pengembangan protoyping yang menghasilkan beberapa modul sistem yaitu web aplikasi, mobile aplikasi serta REST API sebagai alat komunikasi sistem

SIMBAS: Sistem Informasi Bantuan Jasa Pandemi Covid-19

Merebaknya kasus covid-19 di Indonesia mengakibatkan munculnya berbagai permasalahan, tidak hanya berdampak pada sektor kesehatan tetapi juga sektor sosial ekonomi. Dalam dunia kesehatan, peningkatan jumlah pasien yang semakin banyak membuat sejumlah fasilitas kesehatan yang ditunjuk mengalami kekurangan tenaga dalam melakukan tugasnya. Hal ini mendorong pemerintah dan lembaga yang ditunjuk dalam penanganan covid-19 membuka pendaftaran relawan baik medis maupun non medis untuk mempercepat penanganannya. Selain penanganan kasus positif, langkah-langkah pencegahan juga menjadi fokus utama dalam menekan penyebaran dan peningkatan kasus covid-19. Beberapa langkah pencegahan diantaranya adalah penggunaan masker, mencuci tangan menggunakan sabun atau hand sanitizer, pembatasan interaksi langsung dan sterilisasi ruang publik seperti rumah ibadah, sekolah, dan tempat pelayanan umum lainnya. Namun, saat ini produk-produk yang berkaitan dengan tindakan pencegahan menjadi langka dan bernilai tinggi sehingga banyak masyarakat yang tidak dapat memperolehnya. Dalam mengatasi permasalahan ini, dibutuhkan bantuan berupa jasa maupun produk yang dapat digunakan untuk melakukan tindakan pencegahan. Kondisi ini kemudian mendorong berbagai lapisan masyarakat baik secara individu maupun organisasi untuk turut membantu dalam pencegahan dan penanganan covid-19. Di sisi lain, banyaknya permintaan yang diajukan membuat calon pemberi jasa kesulitan dalam menentukan penerima bantuan yang benar-benar membutuhkan. Untuk itu, dalam penelitian ini diusulkan suatu sistem informasi yang dapat mempertemukan calon pemberi jasa dengan calon penerima bantuan yang berhak. Sistem ini diharapkan dapat mempercepat proses perekrutan relawan untuk penanganan kasus covid-19 dan penyaluran bantuan jasa yang dibutuhkan dalam pencegahannya.

A Survey on Smart Analytics: Method, Tools, and Open Research Issues

Smart analytic nowadays was very popular because today big data is booming. Back several years ago, people were fascinating with statictics which surveys or cencus become a gun for describing or forecasting some issues as of decision making or planning. By migrating to big data, smart analytic is very needed to filter which data is useful and producing some worthy information.