RANCANG BANGUN SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI SURABAYA DENGAN MENGGUNAKAN METODE K-MEANS Repository - UNAIR REPOSITORY
RANCANG BANGUN SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI SURABAYA DENGAN MENGGUNAKAN METODE
K-MEANS
SKRIPSI CHUSNUL ISLAMIYAH PROGRAM STUDI S1 SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA SURABAYA 2016
RANCANG BANGUN SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI SURABAYA DENGAN MENGGUNAKAN METODE
K-MEANS SKRIPSI CHUSNUL ISLAMIYAH NIM : 081211631056 PROGRAM STUDI S1 SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA SURABAYA 2016
RANCANG BANGUN SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI SURABAYA MENGGUNAKAN METODE
K- MEANS SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer Bidang Sistem Informasi di Fakultas Sains dan Teknologi Universitas Airlangga Oleh: CHUSNUL ISLAMIYAH NIM : 081211631056 Tanggal Lulus : Disetujui Oleh : Pembimbing I Pembimbing II Purbandini, S.Si, M.Kom Indah Werdiningsih S.Si, M.Kom NIP. 19710712 200812 2 001 NIP. 19800217 200501 2 001
LEMBAR PENGESAHAN SKRIPSI Judul : RANCANG BANGUN SISTEM
INFORMASI GEOGRAFIS (SIG) UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI SURABAYA DENGAN MENGGUNAKAN METODE K-MEANS
Penyusun : Chusnul Islamiyah NIM : 081211631056 Tanggal Ujian : Pembimbing I : Purbandini, S.Si, M.Kom Pembimbing II : Indah Werdiningsih, S. Si, M. Kom Disetujui Oleh : Pembimbing I Purbandini, S.Si, M.Kom NIP : 19710712 200812 2 001 Pembimbing II Indah Werdiningsih S.Si, M.Kom NIP. 19800217 200501 2 001 Mengetahui, Ketua Departemen Matematika Fakultas Sains dan Teknologi Universitas Airlangga (Badrus Zaman, S.Kom, M.Cs) NIP : 19780126 200604 1 001 Koordinator Program Studi S1 Sistem Informasi Fakultas Sains dan Teknologi Universitas Airlangga (Badrus Zaman, S.Kom, M.Cs) NIP : 19780126 200604 1 001
SURAT PERNYATAAN TENTANG ORISINALITAS
Yang bertanda tangan dibawah ini, saya: Nama : Chusnul Islamiyah NIM : 081211631056 Program Studi : Sistem Informasi Fakultas : Sains dan Teknologi Jenjang : Sarjana (S1)
Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsi saya yang berjudul:
Rancang Bangun Sistem Informasi Geografis (SIG) Untuk Penyebaran Penyakit Demam Berdarah di Surabaya Menggunakan Metode K-means
Apabila suatu saat nanti terbukti melakukan tindakan plagiat, maka saya akan menerima sanksi yang telah di tetapkan.
Demikian surat pernyataan in saya buat dengan sebenar-benarnya.
Surabaya, Juni 2016 Chusnul Islamiyah
NIM. 08121163
1056 Materai 6000,-
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan harus seizin penyusun dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah.
Dokumen skripsi ini merupakan hak milik Universitas Airlangga.
KATA PENGANTAR
Assalammualaikum Wr. Wb
Puji syukur kehadirat Allah subhanahu wa ta’ala, yang telah melimpahkan anugerah-Nya, hingga penulis dapat menyelesaikan skripsi yang berjudul “Rancang Bangun Sistem Informasi Geografis (SIG) Untuk Penyebaran
Penyakit Demam Berdarah di Surabaya Menggunakan Metode
K- means”dengan baik, serta Sholatu Wa Salam semoga tetap terlimpahkan kepadaRasulullah Muhammad SAW yang mengantarkan pada sebuah kehidupan yang penuh keselamatan di dunia dan di akhirat.
Penyusunan naskah skripsi ini dibuat sebagai acuan untuk memenuhi satuan kredit semester (sks) yang dibebankan kepada penulis dan seklaigus sebagai syarat untuk memperoleh gelar sarjana strata satu (S1) di bidang Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga.
Penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Semoga skripsi ini dapat memberikan manfaat dan wawasan yang berguna. Aamiin.
Wassalamu’alaikum Wr.Wb
Surabaya, Juni 2016 Penulis
Chusnul Islamiyah
UCAPAN TERIMA KASIH
Segala puji syukur kehadirat Tuhan Yang Maha Esa atas curahan anugerah SISTEM INFORMASI GEOGRAFIS MENGGUNAKAN METODE UNTUK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA SURABAYA dan karunia-Nya, sehingga skripsi dengan judul
K-MEANS ini dapat terselesaikan.
Dalam pelaksanaan dan penyusunan skripsi ini, penulis banyak menemui kendala. Namun, dengan bantuan dari berbagai pihak, akhirnya laporan penelitian ini dapat terselesaikan. Oleh karena itu, penulis tidak lupa mengucapkan banyak terima kasih kepada:
1. Allah SWT dengan segala kuasaNya, anugrahNya, dan keajaibanNya yang telah menjadi sumber kekuatan dan sandaran dalam keadaan apapun dalam kehidupan penulis, sehingga skripsi ini dapat terselesaikan dengan baik.
2. Kedua orang tua penulis yakni Bapak Dasmudi dan Ibu Kasmiati, kedua adikku tersayang yakni Ainun Machmudia dan Nisa’us Silmi, yang memberikan segala upaya, kasih sayang, dukungan, motivasi dan semangat dari awal menempuh studi hingga skripsi ini terselesaikan.
3. Beasiswa Bidikmisi yang telah meringankan biaya penulis mulai dari penulis awal masuk kuliah hingga pengerjaan skripsi ini selesai, semoga selalu ada untuk semua generasi muda yang cerdas dan punya mimpi untuk sukses.
4. Purbandini, S.Si, M.Kom selaku dosen pembimbing I yang selalu sabar dan ikhlas dalam membimbing, membantu dan memberikan ilmu selama dari awal masa studi hingga masa penyusunan skripsi ini terselesaikan.
5. Indah Werdiningsih, S.Si, M.Kom selaku dosen pembimbing II yang dengan sangat sabar memahami, membimbing, membantu dan memberikan ilmu selama masa penyusunan hingga skripsi ini terselesaikan.
6. Endah Purwanti, S.Si, M.Kom selaku dosen wali yang membimbing, membantu dan memberikan ilmu selama dari awal masa studi hingga masa penyusunan skripsi ini terselesaikan.
7. Badrus Zaman, S.Kom, M.Cs selaku Koordinator program studi S1 Sistem Informasi Universitas Airlangga yang telah memberikan informasi dan semangat yang bermanfaat untuk memulai penyusunan skripsi.
8. Seluruh dosen program studi Sistem Informasi yang telah berbagi ilmu, sehingga penyusunan skripsi ini dapat terselesaikan dengan baik.
9. Kakak Fitria Risky Aprilina,S.Kom, yang menjadi kakak tingkat yang baik dan memberikan banyak waktu,ilmu,dan bantuan dengan ikhlas.
10. Rifai Yasin, yang berusaha mencoba menjadi orang sabar dan pengertian untuk penulis, bersedia memberikan waktu, semangat, dukungan dan bantuan dalam menyelesaikan pengerjaan skripsi ini.
11. Kak Mega Yuni, kak Etik Ainun Rohmah, Pak Satrio dan Bu Emy yang telah bersedia ikhlas dan sabar membantu memberikan informasi yang berharga untuk penulis dalam menyelesaikan skripsi ini.
12. Istihamin Fitriyah yang menjadi kawan setia mulai dari semester satu di jurusan Sistem Informasi yang selalu memberi kejutan disetiap harinya dan menjadi kawan yang selalu memiliki cara unik untuk menyemangati penulis dalam pengerjaan skripsi.
13. Geng Gong Imins, Melinda Andriyanti, Triyah Fatmawati, Izzatin Faza, Dian Nilla Qumaiya, Erin Dinda yang penyabar saat sering kali penulis meminta untuk belajar bersama dan kawan yang ajaib bagi penulis. See you at the real
world, guys!
14. Muafillah Sofah, yang menjadi kawan kos yang tidak pernah bosan mendengarkan segala keluh suka dan duka penulis serta selalu memberi semangat dan mengingatkan dalam menyelesaikan pengerjaan skripsi ini, semangat kawan jangan kebanyakan manja.
15. Kesa Camelia dan Bagus Puji Santoso, yang selalu berusaha bisa saat penulis meminta tolong apapun itu, yang sering memberikan banyak wawasan berharga.
16. Kak Fadilatur Rahmaniyah,S.Si dan Puspita Sari yang telah menjadi kawan dan menjadi pendengar yang ikhlas dan sabar, selalu berusaha ada disetiap suka dan sendu.
17. Adik Dewinta Damaretna dan Adik Fulky Ayuni terimakasih atas segala refreshingnya dan semangatnya, semangat juga untuk kalian!!!
18. Geng Trias Klinika, yang menjadi geng luar biasa seru dalam belajar maupun bermain dan selalu membuat rencana menjadi nyata tanpa wacana, terimakasih pak ketua Trias Klinika, juara!.
19. Kawan Kos Al khansa semuanya terimaksih telah banyak mengajarkan banyak hal dalam hidup berkeluarga di kota rantauan.
20. Teman – teman S1 Sistem Informasi Universitas Airlangga angkatan 2012 yang menjadi teman-teman seperjuangan semasa kuliah, semoga kita semua sukses kawan!
21. Staf TU program studi Sistem Informasi yang telah membantu dalam keperluan administrasi dan penjadwalan sidang.
Penulis Chusnul Islamiyah, 2016, Rancang Bangun Sistem Informasi Geografis (SIG) Untuk Penyebaran Penyakit Demam Berdarah Di Surabaya Menggunakan Metode
K-Means. Skripsi ini dibawah bimbingan Purbandini, S.Si, M.Kom dan Indah
Werdiningsih, S.Si, M.Kom. Program Studi S1 Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.
ABSTRAK
Penyakit Demam Berdarah (DBD) adalah penyakit infeksi oleh virus Dengue yang dapat menimbulkan renjatan (shock) dan kematian. Kota Surabaya menjadi salah satu wilayah rawan DBD terburuk di Propinsi Jawa Timur. Sehingga dibutuhkan penanganan dan perhatian intensif secara tepat dan cepat pada wilayah yang terjangkit DBD tinggi. Tujuan penelitian ini adalah membuat sistem informasi geografis untuk penyebaran penyakit DBD di Surabaya menggunakan metode k-Means.
Tahapan metodologi penelitian meliputi pengumpulan data, analisis sistem, perancangan sistem, implementasi sistem, pengujian sistem, serta evaluasi sistem. Kriteria sebagai variabel yang digunakan adalah jumlah penderita penyakit DBD dan faktor geografis setiap Kecamatan diantaranya pasar, sungai dan Tempat Pembuangan Sampah (TPS) dikelompokkan dengan metode k-Means. Dari kriteria tersebut dikelompokkan menjadi 3 kelompok yang diinisialisasikan dengan C1,C2 dan C3. Hasil dari pengelompokan tersebut kemudian dipetakan ke dalam peta Surabaya dengan bantuan Google Map. Dalam peta tersebut kelompok C1 ditandai dengan warna kuning, warna hijau untuk kelompok C2 dan warna merah untuk Kelompok C3.
Untuk mengetahui validasi sistem dilakukan evaluasi sistem dengan cara membandingkan hasil perhitungan manual dengan hasil sistem. Dari evaluasi sistem hasil validasi sudah sesuai. Dari hasil kuesioner menunjukkan bahwa sistem dapat digunakan dengan mudah (user friendly).
Kata Kunci : clustering, demam berdarah , k-means, sistem informasi geografis.
Chusnul Islamiyah, 2016, Design of Geographic Information Systems ( GIS ) To Spread Dengue Fever in Surabaya Using Method K -means. This undergraduate thesis was under guidance by Purbandini, S.Si,M.Kom and Indah Werdiningsih, S.Si, M.Kom. Bachelor Degree Information System Study Program. Faculty Of Science and Technology, Universitas Airlangga, Surabaya.
ABSTRACT
Dengue hemorrhagic fever (DHF) is a severe, potentially deadly infection spread by dengue virus, in whichbleeding and sometimes shock occurs – leading to death. Surabaya city became one of the worst dengue-prone region in the province of East Java. Accurately and quickly treatment and intensive care is needed in areas of dengue high affected.The purpose of this research is to create a geographic information system for the spread of dengue disease in Surabaya using k-Means.
Stages of research methodologies including data collection, system analysis, system design, system implementation, system testing, and system evaluation. The criteria used as variables were the number of patients with DHF and geographical factors of each district such as rivers, markets and landfills (TPS) grouped by k-Means method. These criterias were classified into three clusters which was initialized toC1,C2 and C3 . The results of the classification was mapped into Surabaya Map using Google Map. Inside the map, categories were highlighted in yellow for C1, green for C2, and red for C3.
To determine the validation of the system, evaluation system was done by comparing the user (manual) calculation results with the results of the system. The validation of the system obtained optimal. From the questionnaire results show that the system can be user friendly.
Keywords : clustering, dengue hemorrhagic fever, geographic information systems, k-means algorithm
DAFTAR ISI Halaman
HALAMAN JUDUL ................................................................................................ i
LAMPIRAN
DAFTAR GAMBAR Nomor Judul Gambar Halaman
2.1.Data Spasial Dengan Format Vektor .............................................................. 13
2.2.Data Spasial Dengan Format Raster ............................................................... 14
3.1.Blok Diagram Proses Algoritma K-Means ..................................................... 25
4.1.Flowchart Aktivitas Sistem ............................................................................ 42
4.2.Algoritma Umum Sistem ................................................................................ 44
4.3 Pseudocode menentukan centroid pada ketiga cluster ................................... 45
4.4.Pseudocode Menghitung Jarak Objek Dengan Masing-Masing Cluster ........ 46
4.5.Pseudocode Mengalokasikan Objek Pada Cluster Terdekat .......................... 46
4.6 Pseudocode Mengulang Langkah K-Means yang Keempat .......................... 47
4.7 Tampilan Halaman Home Sistem.................................................................... 47
4.8 Tampilan Hasil Pengelompokan ..................................................................... 48
4.9 Tampilan Peta Kota Surabaya ......................................................................... 49
4.10 Tampilan Peta Kecamatan “Mulyorejo” ....................................................... 50
4.11 Tampilan Peta pada Kelompok “C2” ............................................................ 50
4.12 Tampilan Hasil Kecamatan kelompok “ C2 “ ............................................... 51
4.13 Tampilan Input Data Baru ............................................................................. 51
4.14 Hasil pengelompokkan oleh sistem ............................................................... 52
DAFTAR TABEL Nomor Judul Tabel Halaman
2.1.Simbol pada Flowchart ................................................................................... 21
4.1 Data faktor penyebaran penyakit DBD Tahun 2014 ....................................... 32
4.2 Hasil Iterasi pertama ....................................................................................... 35
4.3 Iterasi Kedua ................................................................................................... 38
4.4 Iterasi Ketiga ................................................................................................... 39
4.5 Iterasi keempat ................................................................................................ 40
4.6. Hasil Akhir ..................................................................................................... 41
4.7 Perbandingan antara hasil perhitungan manual dan sistem............................. 53
4.8 Hasil Pengujian Sistem Pada Menu Home ..................................................... 54
4.9 Hasil Pengujian Sistem Pada Menu Input ....................................................... 54
BAB I PENDAHULUAN
1.1 Latar Belakang
Penyakit Demam Berdarah Dengue (DBD) adalah penyakit infeksi oleh virus
Dengue yang ditularkan melalui gigitan nyamuk Aedes, dengan ciri demam tinggi
mendadak disertai manifestasi perdarahan dan bertendensi menimbulkan renjatan (shock) dan kematian. Vektor utama penyakit DBD di Indonesia adalah nyamuk
Aedes Aegypti. Tempat yang disukai sebagai tempat perindukannya adalah
genangan air yang terdapat dalam wadah (kontainer) tempat penampungan air artifisial misalnya drum, bak mandi, gentong, ember, dan sebagainya. Tempat penampungan air alamiah misalnya lubang pohon, daun pisang, pelepah daun ke ladi, lubang batu, ataupun bukan tempat penampungan air misalnya vas bunga, ban bekas, botol bekas, tempat minum burung dan sebagainya (Fathi & dkk, 2005).
Ada hubungan antara keberadaan genangan air dengan kejadian penyakit DBD yaitu keberadaan genangan air yang tinggi mempunyai risiko terjadinya kasus DBD lebih besar dibandingkan dengan keberadaan genangan air yang rendah(Rahayu & dkk, 2010).Menurut peneliti di Laboratorium Entomologi
Institut Tropical Disease Universitas Airlangga Surabaya, daerah yang
memungkinkan sangat besar sebagai tempat berkembangnya nyamuk Aedes
Aegypti adalah daerah yang terdapat genangan air tinggi yakni daerah yang
memiliki pasar tradisional, TPS dan sungai yang berpotensi terdapat benda yang menyimpan genangan air sebagai tempat berkembangnya nyamuk Aedes Aegypti.
Dari pantauan Dinas Kesehatan Jawa Timur (Dinkes Jatim), Kota Surabaya masih menjadi wilayah rawan DBD terburuk di Jawa Timur. Kenaikan angka penderita naik 100 persen , pada 2013 sebanyak 2.213 orang sementara tahun 2012 sebanyak 1.091 orang. Sementara jumlah korban meninggal di Surabaya setiap tahunnya mengalami penambahan yaitu tahun 2012 sebesar 6 orang, 2013 sebanyak 15 orang (Rif, 2015). Menurut Dinas Kesehatan (DinKes) Kota Surabaya, pada tahun 2014 walaupun mengalami penurunan yaitu terjadi 816 kasus penyakit DBD, tetapi masih ada kemungkinan penularan yang tetap bisa terjadi.
Informasi untuk penentuan langkah-langkah operasional dalam penanggulangan dan pemberantasan DBD secara tepat dan cepat sasaran di Surabaya sangat diperlukan. Dinas Kesehatan Kota Surabaya sebagai instansi yang menangani masalah kesehatan Kota Surabaya selalu melakukan pengolahan dan evaluasi terkait data jumlah penderita DBD per Kecamatan. Evaluasi untuk mengetahui penyebaran penyakit DBD dibagi menjadi 3 kelompok yaitu kelompok endemis, potensial dan bebas yang dilakukan setiap 3 tahun sekali.
Pengelompokan daerah penyebaran penyakit DBD di DinKes Kota Surabaya masih manual sehingga prosesnya lama dan proses evaluasinya hanya melihat data jumlah penderita penyakit DBD. Untuk itu, perlu sistem yang dapat menganalisis dan mengelompokan data kasus DBD dengan model penyajian hasil yang baik dan tidak hanya memperhatikan jumlah penderita DBD tetapi juga dikaitkan dengan faktor geografis yang mempengaruhi timbulnya penyakit DBD. Salah satu analisis dan pengelompokan data yang dapat diterapkan adalah menggunakan analisis cluster.
Definisi umum dari analisis cluster yaitu menemukan kumpulan objek hingga objek-objek dalam satu kelompok sama (atau punya hubungan) dengan yang lain dan berbeda (atau tidak berhubungan ) dengan objek-objek dalam kelompok lain (Hermawati, 2013). Clustering bisa menemukan distribusi pola pada data yang besar maupun kecil selain itu efektif dan efisien dalam memvisualisasikan data daripada data original biasa (Zhang, Ramakrishnan, & Livny, 1996). Analisis
cluster memiliki beberapa metode, dalam pengelompokan data dapat menggunakan K-Means.
K-Means merupakan salah satu metode data clustering non hirarki yang
berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih
cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok
sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain (Agusta, 2007). K-Means dapat diterapkan pada data medis yang banyak untuk pengelompokan dan hasilnya memiliki tingkat akurasi yang baik (Hussan, 2012). K-Means memiliki hasil yang baik pula pada penelitian yang memprediksi kinerja akademik mahasiswa yang bertujuan untuk membuat keputusan yang efektif oleh pihak perencana akademik (Oyelade, Oladipupo, & Obagbuwa, 2010). Di antara semua algoritma berdasarkan pengelompokan, K-Means adalah salah satu metode yang paling terkenal untuk menerapkan dataset ke dalam kelompok pola(Tajunisha, 2010).
Dalam penelitian ini metode K-Means akan mengelompokan daerah-daerah yang ada di kota Surabaya sesuai tingkat terjadinya kasus penyakit DBD agar dengan tepat dan cepat sasaran dalam pencegahan dan penanggulangan penyakit DBD. Hasil informasi daerah selanjutnya akan divisualisasikan menggunakan peta, tapi di Dinas Kesahatan Kota Surabaya pembuatannya peta masih manual dan tidak tersedia simbol-simbol standard yang sering diperulakan untuk memenuhi kebutuhan kartografis (produksi peta) . Oleh karena itu butuh Sistem Informasi Geografis (SIG) untuk memvisualisasikan peta penyebaran penyakit DBD.
SIG merupakan system informasi khusus yang berisi data spasial(raster dan vektor) dan data atribut (karakter dan numerik), dapat memberikan ukuran yang akurat mengenai jarak dan daerah (Ditsuwan & dkk, 2010).Pada penelitian sebelumnya SIG digunakan untuk menganalisis pola geografis penyakit menular yang terinfeksi virus nyamuk Aedes, analisis ruang-waktu kasus DBD dan
Chikungunya, kondisi iklim untuk Aedes , dan faktor yang berhubungan dengan
penularan penyakit menular (Ditsuwan & dkk, 2010). SIG juga digunakan dalam sistem pengambilan keputusan peringatan dini kejadian luar biasa penyakit demam berdarah dengan menggunakan metode AHP yang dilakukan di Puskesmas Pucang Kota Surabaya (Pratama, 2013). Selain itu SIG memiliki kemampuan yang sangat baik dalam memvisualisasikan data spasial dengan atribut-atributnya. Memodifikasi warna, bentuk, dan ukuran simbol yang diperlukan untuk mempresentasikan unsur-unsur permukaan bumi dapat dilakukan dengan mudah. Hampir semua perangkat lunak SIG memiliki gallery yang menyediakan simbol-simbol standard yang sering diperulakan untuk memenuhi kebutuhan kartografis (produksi peta), sehingga pengguna tidak perlu membuat simbol sendiri(Prahasta E. , 2014).
SIG dalam penelitian ini akan memvisualisasikan hasil analisis cluster penyebaran penyakit DBD di Kota Surabaya menggunakan K-Means dengan variabel jumlah penderita penyakit DBD, 3 faktor geografis yaitu jumlah pasar, sungai, dan TPS pada setiap Kecamatan di Kota Surabaya.
1.2 Rumusan Masalah
Bagaimana membangun SIG untuk mengetahui penyebaran penyakit DBD di Surabaya menggunakan metode K-Means yang dapat digunakan oleh Dinas Kesehatan Kota Surabaya?
1.3 Tujuan
Berdasarkan uraian rumusan masalah tersebut tujuan dari penelitian ini adalah membangun SIG untuk mengetahui penyebaran penyakit DBD di Surabaya menggunakan metode K-Means yang dapat digunakan oleh Dinas Kesehatan Kota Surabaya.
1.4 Manfaat
Manfaat dari penelitian ini adalah:
1. Membantu DinKes Kota Surabaya lebih mudah untuk memantau dan mengetahui penyebaran penyakit Demam Berdarah (DBD) di Kota Surabaya.
2. Memberikan informasi penyebaran penyakit DBD dengan 3 kelompok untuk DinKes Kota Surabaya.
3. Membantu memberikan informasi penyebaran penyakit DBD pada DinKes
Kota Surabaya sehingga penanggulangan dan pemberantasan penyakit DBD di Surabaya cepat dan tepat sasaran.
4. Sebagai tambahan informasi dan referensi baru untuk para peneliti mengenai SIG untuk penyebaran penyakit DBD di Kota Surabaya.
1.5 Batasan Masalah
Batasan masalah yang dilakukan pada penelitian ini adalah:
1. Merancanang dan membangun SIG yang berkaitan dengan laporan untuk Kepala DinKes Kota Surabaya mengenai penyebaran penyakit DBD di Kota Surabaya.
2. Objek data adalah Kecamatan di seluruh Kota Surabaya dengan jumlah penderita penyakit DBD dan faktor geografis berupa sungai, TPS dan pasar pada tahun 2010 sampai 2014..
3. Data terbagi menjadi 4 kriteria berupa jumlah penderita penyakit DBD, pasar, sungai dan Tempat Pembuangan Sampah (TPS).
4. Outputnya yaitu visualisasi peta Kota Surabaya berdasarkan warna dengan tiga jumlah cluster .
BAB II TINJAUAN PUSTAKA
2.1 Demam Berdarah Dengue (DBD)
Penyakit DBD adalah penyakit infeksi oleh virus Dengue yang ditularkan melalui gigitan nyamuk Aedes, dengan ciri demam tinggi mendadak disertai manifestasi perdarahan dan bertendensi menimbulkan renjatan (shock) dan kematian. Vektor utama penyakit DBD di Indonesia adalah nyamuk Aedes
Aegypti(Fathi & dkk, 2005). Aedes Aigypti adalah salah satu nyamuk spesies
tropis yang sangat efisien sebagai penampung virus, karena sangat ganas dan berkembang biak secara subur pada lingkungan manusia. Dari penelitian laboratorium dan lapangan,faktor yang sangat rumit dalam pemberantasan adalah nyamuk Aedes Aigypti(WHO, 1997). Tempat yang disukai sebagai tempat perindukannya adalah genangan air yang terdapat dalam wadah (kontainer) tempat penampungan air misalnya drum, bak mandi, gentong, ember, dan sebagainya; tempat penampungan air alamiah misalnya lubang pohon, daun pisang, pelepah daun ke ladi, lubang batu; ataupun bukan tempat penampungan air misalnya vas bunga, ban bekas, botol bekas, tempat minum burung dan sebagainya (Fathi & dkk, 2005).
Ada hubungan antara kepadatan penduduk dengan kejadian penyakit DBD yaitu wilayah yang padat penduduk memudahkan terjadinya penularan penyakit DBD dan ada hubungan antara keberadaan genangan air dengan kejadian penyakit DBD yaitu keberadaan genangan air yang tinggi mempunyai risiko terjadinya kasus DBD lebih besar dibandingkan dengan keberadaan genangan air yang rendah. Kota Surabaya merupakan kota perdagangan, pendidikan, dan merupakan kota terbesar kedua di Indonesia setelah Kota Jakarta. Sebagai kota besar, Kota Surabaya merupakan kota yang menjadi tujuan orang dari berbagai wilayah di Indonesia untuk mendapatkan pekerjaan dan penghidupan yang lebih baik sehingga jumlah penduduk Kota Surabaya menjadi padat. Lingkungan yang padat juga memungkinkan adanya tempat penampungan air yang lebih banyak untuk memenuhi kebutuhan sehari-hari, barang-barang bekas yang dihasilkan juga akan banyak, serta dengan berbagai aktivitas penduduk juga akan menghasilkan perilaku penduduk yang beraneka ragam (Rahayu & dkk, 2010). Menurut peneliti di laboratorium Entomologi Institut Tropical Disease Universitas Airlangga Surabaya, daerah yang memungkinkan yang sangat besar sebagai tempat berkembangnya nyamuk DBD adalah daerah yang terdapat genangan air yakni daerah yang terdapat pasar tradisional, tempat pembuangan air dan sungai.
Dari pantauan Dinas Kesehatan Jawa Timur (Dinkes Jatim), Kota Surabaya masih menjadi wilayah rawan DBD terburuk di Jawa Timur. Kenaikan angka penderita naik 100 persen , pada 2013 sebanyak 2.213 orang sementara tahun 2012 sebanyak 1.091 orang. Sementara jumlah korban meninggal di Surabaya setiap tahunnya mengalami penambahan yaitu tahun 2012 sebesar 6 orang, 2013 sebanyak 15 orang (Rif, 2015).
2.2 Konsep Dasar Sistem Informasi
Sistem informasi mencakup sejumlah komponen (manusia, komputer, teknologi informasi, dan prosedur kerja), ada sesuatu yang diproses (data menjadi informasi), dan dimaksudkan untuk mencapai suatu sasaran atau tujuan. Dalam sistem informasi terdapat beberapa kompenen sebagai berikut (Kadir, 2003):
1. Perangkat keras (hardware), yaitu mencakup piranti-piranti fisik seperti komputer dan printer.
2. Perangkat lunak (software) atau program, yaitu seperangkat instruksi yang memungkinkan perangkat lunak dapat memproses data.
3. Prosedur, yaitu sekumpulan aturan yang dipakai untuk mewujudkan pemrosesan data dan keluaran yang dikehendaki.
4. Orang, yaitu semua pihak yang bertanggung jawab pada pengembangan sistem informasi, prosedur, dan penggunan keluaran sistem informasi.
5. Basis data, yaitu sekumpulan tabel,hubungan dan lain-lain yang berkaitan dengan penyimpanan data atau bisa disebut dengan tempatnya data.
6. Jaringan komputer dan komunikasi data, yaitu sistem penghubung yang memungkinkan sumber (resources) dipakai bersama atau diakses oleh sejumlah pemakai.
2.3 Sistem Informasi Geografis (SIG)
Sistem Informasi Geografis (SIG) merupakan sistem berbasis komputer yang digunakan untuk menyimpan dan memanipulasi informasi-informasi geografis. Sistem informasi geografis dirancang untuk mengumpulkan, menyimpan, serta menganalisis objek-objek dan fenomena-fenomena yang mengetengahkan lokasi geografis sebagai karakteristik yang penting atau kritis untuk dianalisis. Dengan demikian, SIG merupakan sistem komputer yang dapat mendukung pengambilan keputusan spasial yang mampu mengintegrasikan deskripsi-deskripsi lokasi dengan karakteristik-karakteristik fenomena yang ditemukan dilokasi tertentu(Prahasta E. , 2007).
2.3.1 Komponen Sistem Informasi Geografis
SIG merupakan sistem kompleks yang umumnya terintegrasi dengan sistem komputer lainnya di tingkat fungsional dan jaringan. Jika diuraikan SIG terdiri dari beberapa komponen yaitu (Prahasta E. , 2014):
1. Perangkat Keras Perangkat keras yang mendukung kebutuhan analisis spasial dan pemetaan
(SIG), tidak jauh berbeda dengan perangkat keras lainnya. perbedaannya jika ada terletak pada kebutuhan perangkat tambahan pendukung presentasi grafis beresolusi dan kecepatan tinggi dan mempercepat operasi-operasi manajemen basis data dengan volume data yang besar. Perangkat keras ini umumnya mencakup : CPU, RAM, Storage, Input Device, Output Device.
2. Perangkat Lunak Perangkat lunak SIG digunakan untuk menjalankan tugas-tugas SIG.
Perangkat SIG secara konseptual terdiri dari 2 bagian yaitu paket inti yang digunakan untuk pemetaan digital dasar dan manajemen data, dan paket aplikasi untuk menjalankan fungsionalitas pemetaan digital khusus dan analisis spasial.
3. Data dan informasi geografis SIG dapat menyimpan data/ informasi yang diperlukan baik tidak langsung maupun langsung dengan mendijitasi data spasialnya dari peta analog dan memasukkan data atributnya dari tabel dengan menggunakan keyboard.
4. Manajemen Proyek SIG akan berhasil jika dikelola dengan baik dan dikerjakan oleh orang yang memiliki keahlian yang tepat pada semua tingkatan.
2.3.2 Sub-Sistem Sistem Informasi Geografis
SIG dapat diuraikan menjadi beberapa sub-sistem sebagai berikut(Prahasta
E. , 2014):
1. Data Input Mengumpulkan, mempersiapkan dan menyimpan data spasial dan atributnya.
Sub-sistem ini bertanggung jawab dalam mengoversikan format data aslinya ke dalam SIG.
2. Data Output Menampilkan, menghasilkan keluaran basisdata spasial softcopy dan hardcopy seperti halnya tabel, grafik, report, peta dan lain sebagainya.
3. Data Manajement Mengorganisasikan data spasial dan tabel atribut ke dalam sistem basisdata hingga mudah untuk dipanggil kembali, di-update dan di-edit.
4. Data Manipulation & Analysis Menentukan informasi yang dihasilkan oleh SIG. Selain itu memanipulasi dan memodelkan data untuk menghasilkan informasi yang diharapkan.
2.3.3 Kemampuan SIG
Secara praktis SIG memiliki kemampuan sebagai berikut(Prahasta E. , 2014):
1. SIG digunakan sebagai alat bantu utama yang bersifat interaktif, menarik, dan menantang didalam usaha untuk meningkatkan pemahaman, pembelajaran , dan pendidikan mengenai ide atau konsep lokasi, ruang, kependudukan dan unsur geografis yang terdapat diatas permukaan bumi.
2. SIG dapat memberikan gambaran yang komprehensif suatu masalah terkait spasial semua entitas spasial yang dilibatkan data divisualisasikan untuk memberikan informasi.
3. SIG memiliki kemampuan yang sangat baik dalam memvisualisasikan data spasial dengan antribut-atributnya. Modifikasi warna, bentuk, dan ukuran simbol yang diperlukan untuk mempresentasikan unsur-unsur pemukaan bumi dapat dilakukan dengan mudah.
Selain itu beberapa penelitian telah membuktikan kemampuan SIG yaitu :
1. Penelitian sebelumnya SIG digunakan untuk menganalisis pola geografis penyakit menular yang terinfeksi virus nyamuk Aedes, analisis ruang-waktu kasus DBD dan Chikungunya, kondisi iklim untuk Aedes, dan faktor berhubungan dengan penularan penyakit menular(Ditsuwan & dkk, 2010).
2. SIG digunakan untuk membantu perencanaan dan pengelolaan sumber daya hutan yang baik mutlak diperlukan untuk menjaga kelestariannya.
(Puntodewo, 2003).
3. SIG mempunyai kemampuan untuk menghubungkan berbagai data pada suatu titik tertentu di bumi, menggabungkannya, menganalisadan akhirnya memetakan hasilnya(Puntodewo, 2003).
2.3.4 Format Data Spasial pada SIG
Data yang digunakan dalam Sistem Informasi Geografi (SIG) dapat dibagi menjadi dua format, yaitu(Puntodewo, 2003) : a. Vektor, dalam data format vektor, bumi kita direpresentasikan sebagai suatu mosaik dari garis (arc/line), polygon (daerah yang dibatasi oleh garis yang berawal dan berakhir pada titik yang sama), titik/point (node yang mempunyai label), dan nodes (merupakan titik perpotongan antara dua buah garis). Keuntungan utama dari format data vektor adalah ketepatan dalam merepresentasikan fitur titik, batasan dan garis lurus. Contoh dari format data spasial secara vektor dapat dilihat pada Gambar 2.1.
Sumber :
(Puntodewo, 2003), hal 9
Gambar 2.1
Data Spasial Dengan Format Vektor b. Raster, data raster (atau disebut juga dengan sel grid) adalah data yang dihasilkan dari sistem Penginderaan Jauh. Pada data raster, obyek geografis direpresentasikan sebagai struktur sel grid yang disebut dengan pixel (picture
element). Pada data raster, resolusi (definisi visual) tergantung pada ukuran
pikselnya. Dengan kata lain, resolusi piksel menggambarkan ukuran sebenarnya di permukaan bumi yang diwakili oleh setiap piksel pada citra.
Semakin kecil ukuran permukaan bumi yang direpresentasikan oleh satu sel, semakin tinggi resolusinya. Data raster sangat baik untuk merepresentasikan batas-batas yang berubah secara gradual, seperti jenis tanah, kelembaban tanah, vegetasi, suhu tanah, dsb. Keterbatasan utama dari data raster adalah besarnya ukuran file; semakin tinggi resolusi grid-nya semakin besar pula ukuran filenya. Contoh dari format raster dari data spasial dapat dilihat pada Gambar 2.2.
Sumber :
(Puntodewo, 2003), hal 9
Gambar 2.2
Data Spasial Dengan Format Raster (Puntodewo, 2003)
2.3.5 Proses Sistem Informasi Geografis
Menurut Prahasta (2007) dalam (Pratama, 2013), langkah pertama dalam proses SIG adalah mengkaji kebutuhan , yang merupakan dasar dari keberhasilan penggunaan SIG. Aspek yang dikaji mencakup pengidentifikasian kegiatan di dalam organisasi yang berkenaan dengan peta atau informasi geografis atau mengkaji bentuk atau model informasi yang dibutuhkan oleh pengguna (user).
Sebelum data geografi digunakan dalam SIG, data harus dikonversi kedalam format digital. Proses tersebut dinamakan digitasi. Proses digitasi memerlukan sebuah hardware tambahan yaitu sebuah digitizer lengkap dengan mejanya. Untuk mendigitasi peta harus dilekatkan pada peta digitasi titik dan garis ditelusuri dengan kursor digitasi atau keypad. Digitasi ini memerlukan software seperti ARC/INFO AutocadMapInfo, ARCGIS atau software lain yang mendukung proses digitasi tersebut. Untuk SIG dengan teknologi yang lebih modern, proses konversi data dapat dilakukan dengan menggunakan teknik scanning.
Tahapan selanjutnya adalah editing yang merupakan tahap koreksi atas hasil digitasi. Koreksi tersebut dapat berupa penambahan atau pengurangan arc atau feature yaitu dengan mengedit arc yang berlebih atau menambahkan arc yang kurang. Editing juga dilakukan untuk menambahkan arc secara manual seperti membuat polygon, line maupun point.
Setelah data keruangan dimasukkan maka proses selanjutnya beralih ke pengolahan data-data deskriptif, dalam hal ini meliputi annotasi (pemberian tulisan pada coverage), labelling (pemberian informasi pada peta bersangkutan), dan atributing yaitu tahap dimana setiap label ID hasil proses labelling diberi tambahan atribut yang dapat memberikan sejumlah informasi tentang polygon atau arc yang diwakili. Dalam proyek SIG yang kecil informasi geografi cukup disimpan sebagai file komputer. Akan tetapi jika volume data dan jumlah pemakai data besar, langkah yang harus digunakan adalah dengan sistem manajemen basis data(DBMS).
2.3.6 Sistem Manajemen Basis Data
Sistem Manajemen basisdata (DBMS) adalah kumpulan (gabungan) dari data yang saling berelasi (yang biasanya dirujuk sebagai suatu basisdata) dengan sekumpulan program-program yang mengakses data-data tersebut. DBMS dapat dibentuk dari komponen-komponen sebagai berikut (Prahasta E. , 2014) :
1. Data, yang disimpan didalam basisdata. Data ini mencakup data numerik (bilangan bulat dan real) dan non-numerik yang terdiri dari karakter , waktu, logika, dan data-data lain yang lebih kompleks.
2. Operasi standard, yang disediakan oleh hampir semua DBMS. Operasi-operasi standard ini melengkapi pengguna dengan kemampuan dasar untuk memanipulasi data.
3. Data Definition Language (DDL) merupakan bahasa yang digunakkan untuk mendeskripsikan isi dab struktur basisdata.
4. Data Manipulation Language (DML )atau bahasa query ini pada umumnya setara dengan bahasa pemrograman generasi ke 4 dan didukung oleh DBMS untuk membentuk perintah-perintah untuk masukan, keluaran, editing, analisis basisdata. DML yang telah distandarisaikan disebut Structured Query Language (SQL).
5. Bahasa pemrograman, disamping oleh perintah query, basisdata juga harus dapat diakses secara langsung oleh program-program aplikasi melalui function cell yang dimiliki oleh bahasa-bahasa pemograman konvensional.
6. Structure file, setiap DBMS memiliki struktur internal yang digunakan untuk mengorganisasikan data walaupun beberapa model data yang umum telah digunakan oleh sebagian besar DBMS.
Perbedaan fokus setiap perancangan SIG memicu pengembangan dua pendekatan yang berbeda saat mengimplementasikan basisdata relasional SIG.
Pengimplementasian basisdata relasional pada umumnya didasarkan pada model data hybrid atau terintegrasi. Pendekatan model data hybrid adalah pemahaman bahwa mekanisme penyimpanan yang optimal bagi data lokasi (koordinat) menyebabkan tidak optimalnya penyimpanan data non-spasial(tabel). Oleh karena itu data spasial disimpan di sekumpulan file dengan operasi direct access untuk meningkatakan kecepatan proses input-output. Sementara itu, data atributnya disimpan dalam DBMS relasional standard. Sedangkan Pendekatan model data terintegrasi dideskripsikan sebagai pendekatan DBMS spasial, SIG sebagai query
processor.
2.4 Analisis Cluster
Analisis cluster yaitu menemukan kumpulan objek hingga objek dalam satu kelompok sama (atau punya hubungan) dengan yang lain dan berbeda (atau tidak berhubungan) dengan objek-objek dalam kelompok lain. Tujuan dari analisa
cluster adalah meminimalkan jarak didalam cluster dan memaksimalkan jarak
antar cluster. Analisa cluster dapat dianggap sebagai suatu bentuk klasifikasi yang memberi label objek-objek dengan label kelasnya (Hermawati, 2013).
2.4.1 Tipe Clustering
Menurut Hermawati (2013) Clustering merupakan suatu kumpulan dari keseluruhan cluster. Beberapa tipe penting dari clustering adalah :
1. Partitional vs Hierarchical
Partitionalclustering adalah pembagian objek data kedalam subhimpunan
yang tidak overlap sedemikian hingga tiap objek data berada dalam tepat satu sub- himpunan. Hierarchicalclustering merupakan sebuah himpunan cluster bersarang yang diatur sebagai suatu pohon hierarki.
2. Exlusive vs non-exclusive Setiap objek berada pada tepat di satu cluster merupakan exlusiveclustering.
Begitu sebaliknya jika data objek berada di lebih dari satu cluster secara bersamaan merupakan non-exlusiveclustering.
3. Fuzzy vs non- fuzzy Dalam fuzzyclustering setiap titik termasuk dalam setiap cluster dengan suatu bobot antar 0 dan 1. Jumlah dari bobot-bobot tersebut sama dengan w. Clustering probabilitas mempunyai karakteristik yang sama.
4. Partial vs complete Dalam completeclustering setiap objek ditempatkan dalam cluster. Tetapi dalam partial clustering tidak semua objek ditempatkan dalam sebuah cluster.
Kemungkinan ada objek yang tidak tepat untuk ditempatkan disalah satu cluster, misalnya berupa outlier atau noise.
2.5 Metode K-Means
K-Means merupakan salah satu metode data clustering non hirarki yang
berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih
cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok
sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain (Agusta, 2007).
Beberapa penelitian yang menggunakan K-Means sebagai metode pengelompokan yaitu K-Means dapat diterapkan pada data medis yang banyak untuk pengelompokan dan hasilnya memiliki tingkat akurasi yang baik (Hussan, 2012). K-Means terbukti efektif pada penelitian untuk mengetahui hubungan asosiatif dan keaktifan neuron pasien Lysosomal Storage Disorders (LSD) dengan pengelompokan dan analisis analisis gambar (Gladis & Rani, 2013). K-Means memiliki hasil yang baik pula pada penelitian yang memprediksi kinerja akademik mahasiswa yang bertujuan untuk membuat keputusan yang efektif oleh pihak perencana akademik (Oyelade, Oladipupo, & Obagbuwa, 2010). Di antara semua algoritma berdasarkan pengelompokan, K-Means adalah salah satu metode yang paling terkenal untuk menerapkan dataset ke dalam kelompok pola (Tajunisha, 2010).
2.5.1 Langkah-Langkah Penggunaan Metode K-Means
Langkah-langkah melakukan clustering dengan metode K-Means adalah sebagai berikut (Ong, 2013):
1. Tentukan jumlah K cluster.