Monitoring Persebaran Penyakit Demam Berdarah Dengue dengan Memanfaatkan Data Berita Online

Annisa Maulida Ningtyas; Ismil Khairi Lubis; Guntur Budi Herwanto

doi:10.22146/jkesvo.44691

Monitoring Persebaran Penyakit Demam Berdarah Dengue dengan Memanfaatkan Data Berita Online

https://doi.org/10.22146/jkesvo.44691

Annisa Maulida Ningtyas^(1*), Ismil Khairi Lubis⁽²⁾, Guntur Budi Herwanto⁽³⁾

(1) Universitas Gadjah Mada
(2) Universitas Gadjah Mada
(3) Universitas Gadjah Mada
(*) Corresponding Author

Abstract

Latar Belakang: Implementasi surveilans penyakit di Indonesia masih menggunakan metode tradisional, yaitu dengan mengumpulkan data langsung di lapangan. Surveilans penyakit dengan menggunakan metode tradisional ini memiliki beberapa kekurangan, yaitu data real dilapangan sulit didapatkan secara real-time pada skala global dan laporan mengenai persebaran penyakit memerlukan waktu yang panjang.

Tujuan: Tujuan dari penelitian in adalah untuk melakukan studi pendahuluan penggunaan berita online untuk surveilans penyakit,yang diharapkan dapat menyajikan informasi mengenai persebaran penyakit Demam Berdarah Dengue (DBD) di Indonesia secara real-time.

Metode: Data yang digunakan adalah data berita yang berasal dari beberapa portal berita online, seperti kompas.com, tempo.com, krjogja.com dan sebagainya, yang diambil dalam rentang waktu tertentu. Ekstraksi fitur lokasi pada berita menggunakan metode dictionary pattern matching.

Hasil: Hasil dari penelitian ini ditemukan persebaran penyakit berdasarkan fitur lokasi dalam berita di 9 Provinsi di Indonesia, yaitu Banten, DI Yogyakarta, Jambi, Jawa Barat, Jawa Tengah, Kalimantan Timur, Kalimantan Utara, Nusa Tenggara Timur dan Sumatera Utara. Hasil uji korelasi menunjukan bahwa terdapat korelasi antara kemunculan fitur lokasi dengan banyaknya kasus dilapangan. Kemudian dari hasil perbandingan dengan peringkat 5 besar provinsi dengan angka kejadian tertinggi, ditemukan bahwa 3 dari 9 provinsi memiliki kesesuaian dengan data dari Kementerian Kesehatan, yaitu Jawa Tengah, Sumatera Utara dan Jawa Barat

Kesimpulan: Surveilans dengan memanfaatkan berita online berkorelasi dengan data dari Kementerian Kesehatan dan dapat menyajikan informasi persebaran DBD secara real-time, namun penelitian ini masih memiliki kekurangan, yaitu jumlah berita yang tidak relevan masih cukup tinggi dan masih condong pada suatu daerah.

Keywords

surveilans; demam berdarah dengue; basis kamus; ekstraksi informasi; text mining

Full Text:

PDF

References

Arwanti, D. (2016). Pelaksanaan surveilans epidemiologi di puskesmas se-Kota Kendari tahun 2016. Jurnal Ilmiah Mahasiswa Kesehatan Masyarakat, 1(3). Brownstein, J. S., Freifeld, C. C., Reis, B. Y., & Mandi, K. D. (2008). Surveillance Sans Frontieres: Internet-Based Emerging Infectious Disease Intelligence and the HealthMap Project. PLoS Medicine, 5(7), 1019–1024. Corley, C. D., Cook, D. J., Mikler, A. R., & Singh, K. P. (2010). Text and structural data mining of influenza mentions in web and social media. International Journal of Environmental Research and Public Health, 7(2), 596–615. https://doi.org/10.3390/ijerph7020596 Culotta, A. (2010). Detecting influenza outbreaks by analyzing Twitter messages. ArXiv, abs/1007.4. https://doi.org/10.1145/1964858.1964874 Dinas Kesehatan. (2015). Profil Kesehatan Tahun 2015 Kota Yogyakarta ( Data Tahun 2014 ). Profil Kesehatan Tahun 2015 Kota Yogyakarta, (56), 1–198. https://doi.org/10.1016/j.jiph.2017.04.005 Ghosh, S., Lu, C., & Nsoesie, E. O. (2017). News Analytics for Global Infectious Disease Surveillance. Virginia Polytechnic Institute and State University. Retrieved from //vtechworks.lib.vt.edu/bitstream/handle/10919/80574/Ghosh_S_D_2017 Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2009). Detecting influenza epidemics using search engine query data. Nature, 457(7232), 1012–1014. https://doi.org/10.1038/nature07634 Kementerian Kesehatan RI. (2003). Keputusan Meteri Kesehatan Republik Indonesia Nomor 1116/Menkes/SK/VIII/2003 tentang Pedoman Penyelenggaraan Sisten Survelans Epidemiologi Kesehatan. Pedoman Penyelenggaraan Sisten Survelans Epidemiologi Kesehatan, 32(1), 54–55. https://doi.org/10.1024/0301-1526.32.1.54 Linge, J. P., Steinberger, R., Weber, T. P., Yangarber, R., Goot, E. Van Der, Khudhairy, D. H. Al, & Nikolaos, N. I. S. (2009). Internet Surveillance System For Early Alerting Of Health Threats, 13–14. Paul, M. J., & Dredze, M. (2011). You are what you Tweet: Analyzing Twitter for public health. Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, 265–272. https://doi.org/10.1.1.224.9974 Prof. dr. Umar Fahmi Achmadi, MPH, P. ., dr. Primal Sudjana, S., & Prof. Supratman Sukowati, P. . (2010). Buletin Jendela Epidemiologi. Pusat Data Dan Surveilans Epidemiologi Kementerian Kesehatan RI, 2, 1–27. https://doi.org/http://dx.doi.org/ISSN%202442-7659 Siverland, S. (2014). Where do you save most money on refactoring ? World Health Organization. (2009). Dengue: guidelines for diagnosis, treatment, prevention, and control. Special Programme for Research and Training in Tropical Diseases, x, 147. https://doi.org/WHO/HTM/NTD/DEN/2009.1

DOI: https://doi.org/10.22146/jkesvo.44691