PROPOSAL TUGAS AKHIR

RENCANA JUDUL

PEMBANGKITAN REPRESENTASI TEKSTUAL

BULETIN EPIDEMIOLOGI BERDASARKAN DATA

HAZEL RAHMADDIO
141402164

PROGRAM STUDI S1 TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
2018
1.1 Latar Belakang

Penyakit Endemik merupakan suatu keadaan dimana penyakit selalu berada di dalam
masyarakat pada suatu tempat atau populasi tertentu tanpa adanya pengaruh dari luar. Suatu
infeksi penyakit dikatakan sebagai endemik bila setiap orang yang terinfeksi penyakit tersebut
menularkan setidaknya tepat kepada satu orang lain (secara rata-rata). Penyebaran penyakit
endemik dipengaruhi oleh faktor iklim dan berbagai faktor lingkungan, seperti faktor lingkungan
dipengaruhi oleh manusia (Human Reservoir), faktor hewan (Animal Reservoir), faktor udara
dan tanah.

Di Indonesia penyakit endemik masih menjadi masalah serius yang sulit ditangani,
dikarenakan kurangnya peran masyarakat indonesia dalam hal mencegah penyakit tersebut
berkembang, terutama daerah penghujung indonesia, dikarenakan sarana dan prasarana yang
kurang terdistribusi dengan baik keseluruh wilayah, beberapa lokasi yang sulit di jangkau
menjadikan suatu lokasi sulit untuk melakukan penanganan tepat waktu, kurangnya tingkat
kesadaran masyarakat terhadap kebersihan lingkungan dan peran masyarakat dalam hal
mencegah perkembangan penyakit masih kurang maksimal, dikarenakan pengetahuan yang
masih kurang dan usaha untuk meminimalisir kasus terjangkit seperti perubahan pola hidup yang
lebih baik masih kurang. Di indonesia memiliki beberapa penyakit endemik di beberapa wilayah,
diantaranya adalah Filariasis atau Kaki Gajah yang mewabah di 3 kabupaten provinsi
kalimantan utara, yakni Bulungan, Malinau dan Tana Tidung, penyakit Demam Berdarah
Dangue (DBD) yang mewabah di 11 provinsi pada tahun 2016, yakni Provinsi Banten, Provinsi
Sumatera Selatan, Provinsi Bengkulu, Provinsi Bali, Provinsi Sulawesi Selatan, Provinsi
Gorontalo, Provinsi Papua Barat, Provinsi Papua, Provinsi NTT, Provinsi Jawa Tengah, Provinsi
Sulaesi Barat. Pada umumnya, penyakit endemik yang paling umum mewabah di indonesia
adalah DBD, Malaria, Hepatitis, Kusta, Kaki Gajah.

Pemerintah Indonesia yakni Kementrian Kesehatan RI telah melakukan upaya

penanganan penyakit endemik yang selalu menjadi masalah tersendiri di Indonesia, yakni dengan
melakukan Sistem Kewaspadaan Dini dan Respons(SKDR), SKDR adalah pengawasan
kesehatan yang bertujuan mendeteksi dini Kejadian Luar Biasa (KLB) dengan menghasilkan
sebuah laporan berbentuk buletin yang bernama buletin SKDR, yang mana buletin SKDR
tersebut berisi informasi tentang penyakit yang sedang mewabah disuatu wilayah, buletin SKDR
dihasilkan berdasarkan data pengawasan kesehatan (Health Surveillance) pada wilayah penyakit
yang dikumpulkan oleh puskesmas pembantu dan bidan desa, buletin SKDR ini berfungsi
sebagai penanggulangan dini terhadap suatu penyakit yang sedang mewabah untuk
mengendalikan, mengurangi, memonitor perkembangan penyakit yang mewabah di suatu
wilayah, cara kerja dari buletin SKDR adalah menyebarkan buletin SKDR ke wilayah yang
sedang terkena wabah penyakit denggan tujuan memberikan informasi kepada masyarakat
mengenai penyakit yang sedang mewabah di wilayahnya, dengan harapan masyarakan mulai
melakukan upaya pencegahan dini terhadap penyakit tersebut sebelum upaya pencegahan dari
dinas kesehatan tiba. Unit pelapor dari sistem ini adalah puskesmas, kelengkapan data maupun
ketepatan laporan dari unit pelapor dihitung berdasarkan jumlah puskesmas di setiap kabupaten
dan di propinsi dan secara otomatis dihitung oleh aplikasi bernama EWARS (Early Warning
Alert and Response System).

EWARS (Early Warning Alert and Response System) merupakan aplikasi perangkat lunak
yang bekerja dengan cara menghitung nilai kasus penyakit, apabila nilai pada suatu kasus
melewati nilai ambang batas, maka program akan memberikan sinyal peringatan kepada
pengelola program agar dapat melakukan respon cepat terhadap suatu penyakit, penghitungan
nilai kasus pada aplikasi ini berdasarkan data tentang penyakit di wilayah tersebut dalam kurun
waktu 5 tahun, data terjangkit, data cuaca dan data iklim.

Namun dalam proses pengerjaan buletin SKDR masih belum berjalan dengan maksimal,
dikarenakan pada proses pembuatan buletin SKDR masih dikerjakan secara manual dan jumlah
tenaga ahli yang terbatas, pada proses pemetaan wilayah penyakit masih membutuhkan tenaga
ahli geografi untuk melakukan pemetaan, dikarenakan belum adanya teknologi yang mendukung
untuk pengerjaannya, hingga mengakibatkan proses pengerjaan buletin SKDR sering mengalami
keterlambatan.

Pada penelitian mengenai topik ini telah di kerjakan sebelumnya oleh Indra Aulia dan Ari
Moesriami Barmawi pada tahun 2015, mereka telah membangun sistem yang dapat
menghasilkan representasi tekstual berdasarkan data grafik Health Surveillance secara otomatis
dengan waktu yang singkat, namun sistem tersebut masih memiliki kekurangan dalam hal
pemetaan wilayah penyakit, sistem tersebut belum dapat melakukan pemetaan secara otomatis.
 Pada penelitian ini, pengaju akan merancang sebuah sistem yang dapat menghasilkan
representasi tekstual dan pemetaan lokasi penyakit berdasarkan data kesehatan secara otomatis.

1.2 Rumusan Masalah

Rumusan masalah pada penelitian ini adalah diperlukannya sebuah sistem yang dapat
menghasilkan buletin SKDR beserta pemetaan lokasi penyakit secara otomatis, sehingga proses
pencegahan KLB dapat berjalan semestinya.

1.3 Batasan Masalah

Batasan masalah pada penelitian ini adalah peneliti hanya berfokus pada 1 penyakit endemik
pada 1 kota saja, yaitu penyakit demam berdarah yang berkembang di kota medan.

1.4 Tujuan Penelitian

tujuan penelitian ini adalah untuk membatu pemerintah kesehatan Indonesia untuk menghasilkan
laporan SKDR secara otomatis, cepat dan sesuai dengan aturan agar penanganan penyakit dapat
berjalan sesuai prosedur yang di harapkan

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah :

1. Sistem dapat menghasilkan buletin SKDR secara otomatis.

2. Dapat mengurangi waktu, biaya, dan tenaga untuk pengerjaan buletin SKDR.

3. Sistem SKDR dapat berjalan sesuai dengan harapan agar tidak terjadi KLB.

1.6 Metodologi Penelitian

Metode yang diusulkan dalam penelitian ini adalah :

1. Data to Text Architecture

Data to Text Architecture (DtTA) yaitu sistem Natural Language Generation (NLG)
yang digunakan untuk menghasilkan teks dari data input non-linguistic ke sistem sebagai
data mentah dan juga sebagai pengganti basis pengetahuan Artificial Intellegence (AI)
(Reither dan Dale, 2000), digunakan sebagai penyusun penyusunan kerangka kata,
kalimat dan paragraf berdasarkan data yang di masukan.

2. Text Generation

Text Generation digunakan untuk membangun representasi textual berdasarkan data

inputan yang dimasukan kedalam sistem secara otomatis.

3. Natural Language Generation

Natural Language Generation (NLG) digunakan untuk menghasilkan bahasa atau

kalimat yang alami dan terlihat natural, yang mana nantinya dapat dengan mudah
dimengerti oleh masyarakat umum

4. Corpus Linguistic

Corpus Linuistic merupakan suatu Bank Bahasa yang digunakan untuk menyimpan kata
yang akan digunakan untuk penyusunan kata, kalimat dan paragraph pada buletin SKDR.

5. Geographic Information System

Geographic Information System (GIS) digunakan untuk menandai lokasi atau wilayah
dimana penyakit menyebar.
 1. Arsitektur Umum

Gambar 1. Arsitektur Umum

Gambar 1 merupakan tahapan kerja system pada aplikasi yang akan di bangun, berikut ini adalah
penjelasan tahapan-tahapan yang di lakukan pada system yang akan di bangun :

1. Input

Program membutuhkan input berupa data surveilans kesehatan untuk menghasilkan

output berupa buletin SKDR
 Gambar 2. Contoh Data Surveilans Kesehatan.

2. Analyze Data Object

Program akan menganalisa data yang telah di input dan membandingkan data tersebut
dengan data 5 tahun terakhir, pada proses ini akan di hasilkan sebuah kesimpulan
menganai tindakan yang harus di lakukan terhadap kasus tersebut.

3. Analyzed Data Object

Program menganalisa data tabel yang telah di input untuk mendapatkan kesimpulan
untuk merancang laporan SKDR yang akan dihasilkan oleh sistem.

4. Text and Image Representation

Program akan merangkai kalimat bedasarkan data yang di input dan hasil dari proses
analisa data objek menggunakan Text Generation dan Data to Text Architecture, dan juga
program akan menandai wilayah dimana penyakit berada berdasarkan data yang di
peroleh menggunakan Google Map.

5. Output

Program akan menghasilkan output berupa buletin SKDR yang dapat di sosialisasikan ke
masyarakat umum tempat penyakit tersebut mewabah.
 6. Report Text
Pada tingkat ini, sistem menghasilkan sebuah laporan SKDR berdasarkan data tabel
surveilans kesehatan yang telah di proses oleh tahap-tahap sebelumnya.
.............................................
.............................................
.............................................
.............................................
.............................................
.............................................
.............................................
.............................................
.............................................
....................................
Gambar 4. Contoh Output Bulletin SKDR
1.8 Landasan Teori
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................................
..........................
1. Penyakit Endemik

Yang disebut dengan penyakti Endemik adalah Penyakit yang umum yang terjadi pada laju yang
konstan namun cukup tinggi pada suatu populasi. Kata endemik berasal dari bahasa yunani yaitu
“en” yang berarti di dalam dan “demos” berarti rakyat. Jadi suatu masalah penyakit dikatakan
sebagai endemik pada suatu populasi tersebut tanpa adanya pengaruh dari luar. Suatu infeksi
penyakit dikatakan sebagai endemik bila setiap orang yang terinfeksi penyakit tersebut
menularkannya kepada tepat satu orang lain (secara rata-rata).

Berikut adalah contoh penyakit endemik di beberapa daerah di Indonesia, yaitu:

1. Demam berdarah
2. Malaria
3. Demam Tifoid
4. Chikungunya
5. Kaki Gajah (Filariasis)
6. Tuberkulosis (TBC)

Suatu infeksi penyakit dikatakan sebagai endemik bila setiap orang yang terinfeksi penyakit
tersebut menularkannya kepada tepat satu orang lain (secara rata-rata). Bila infeksi tersebut tidak
lenyap dan jumlah orang yang terinfeksi tidak bertambah secara eksponensial, suatu infeksi
dikatakan berada dalam keadaan tunak endemik (endemic steady state). Suatu infeksi yang
dimulai sebagai suatu epidemi pada akhirnya akan lenyap atau mencapai keadaan tunak
endemik, bergantung pada sejumlah faktor, termasuk virulensi dan cara penularan penyakit
bersangkutan.

Dalam bahasa percakapan, penyakit endemik sering diartikan sebagai suatu penyakit yang
ditemukan pada daerah tertentu. Sebagai contoh, AIDS sering dikatakan "endemik" di Afrika
walaupun kasus AIDS di Afrika masih terus meningkat (sehingga tidak dalam keadaan tunak
endemik). Lebih tepat untuk menyebut kasus AIDS di Afrika sebagai suatu epidemi.
 Gambar 6. Contoh Penyakit Endemik

2. Kejadian Luar Biasa (KLB)

Kejadian yang melebihi keadaan biasa, pada satu/sekelompok masyarakat tertentu. (Mac Mahon
and Pugh, 1970; Last, 1983, Benenson, 1990),

Peningkatan frekuensi penderita penyakit, pada populasi tertentu, pada tempat dan musim atau
tahun yang sama (Last, 1983).

Kejadian Luar Biasa (KLB) merupakan timbulnya atau meningkatnya kejadian kesakitan atau
kematian yang bermakna secara epidemiologis pada suatu daerah dalam kurun waktu tertentu.
Kejadian Luar Biasa diatur oleh Peraturan Menteri Kesehatan RI No.
949/MENKES/SK/VII/2004. Kejadian Luar Biasa dijelaskan sebagai timbulnya atau
meningkatnya kejadian kesakitan atau kematian yang bermakna secara epidemiologis pada suatu
daerah dalam kurun waktu tertentu.

Kriteria tentang Kejadian Luar Biasa mengacu pada Keputusan Dirjen No. 451/91, tentang
Pedoman Penyelidikan dan Penanggulangan Kejadian Luar Biasa. Menurut aturan itu, suatu
kejadian dinyatakan luar biasa jika ada unsur:
 · Timbulnya suatu penyakit menular yang sebelumnya tidak ada atau tidak dikenal

· Peningkatan kejadian penyakit/kematian terus-menerus selama 3 kurun waktu berturut-

turut menurut jenis penyakitnya (jam, hari, minggu)

· Peningkatan kejadian penyakit/kematian 2 kali lipat atau lebih dibandingkan dengan

periode sebelumnya (jam, hari, minggu, bulan, tahun).

· Jumlah penderita baru dalam satu bulan menunjukkan kenaikan 2 kali lipat atau lebih bila
dibandingkan dengan angka rata-rata perbulan dalam tahun sebelumnya.

3. Health Surveillance / Surveilans Kesehatan

Health Surveillance atau Surveilans Kesehatan menurut World Health Organization (WHO)
merupakan pengumpulan, analisis, dan interpretasi yang terus menerus, sistematis terhadap data
yang terkait dengan kesehatan yang diperlukan untuk perencanaan, pelaksanaan, dan evaluasi
praktik kesehatan masyarakat. Pengawasan kesehatan masyarakat mungkin digunakan untuk
"berfungsi sebagai sistem peringatan dini untuk keadaan darurat kesehatan masyarakat yang akan
dating, mendokumentasikan dampak intervensi, atau melacak kemajuan menuju tujuan yang
ditentukan, dan memantau dan memperjelas epidemiologi masalah kesehatan, untuk
memungkinkan prioritas yang akan ditetapkan dan untuk menginformasikan kesehatan
masyarakat kebijakan dan strategi.

Sistem pengawasan Kesehatan Publik dapat pasif atau aktif. Sistem surveilans pasif terdiri dari
pelaporan penyakit dan kondisi yang teratur dan berkelanjutan oleh semua fasilitas kesehatan di
wilayah tertentu. Sistem surveilans aktif adalah sistem di mana fasilitas kesehatan dikunjungi
dan penyedia layanan kesehatan dan catatan medis ditinjau untuk mengidentifikasi penyakit atau
kondisi tertentu. Sistem pengawasan pasif kurang memakan waktu dan lebih murah untuk
dijalankan tetapi berisiko kurang melaporkan beberapa penyakit. Sistem surveilans aktif paling
tepat untuk epidemi atau di mana penyakit telah ditargetkan untuk eliminasi.

Teknik pengawasan kesehatan masyarakat telah digunakan khususnya untuk mempelajari

penyakit menular. Banyak lembaga besar, seperti WHO dan CDC, telah membuat database dan
sistem komputer modern (informatika kesehatan masyarakat) yang dapat melacak dan memantau
munculnya wabah penyakit seperti influenza, SARS, HIV, dan bahkan bioterorisme, seperti
anthrax 2001 serangan di Amerika Serikat.

Banyak daerah dan negara memiliki registri kanker mereka sendiri, salah satu fungsinya adalah
untuk memantau kejadian kanker untuk menentukan prevalensi dan kemungkinan penyebab
penyakit ini.

Penyakit lain seperti peristiwa satu kali seperti stroke dan kondisi kronis seperti diabetes, serta
masalah sosial seperti kekerasan dalam rumah tangga, semakin diintegrasikan ke dalam database
epidemiologi yang disebut pendaftar penyakit yang sedang digunakan dalam analisis biaya-
manfaat dalam menentukan pendanaan pemerintah untuk penelitian dan pencegahan.

Sistem yang dapat mengotomatiskan proses identifikasi peristiwa obat yang merugikan, saat ini
sedang digunakan, dan dibandingkan dengan laporan tertulis tradisional dari peristiwa semacam
itu. Sistem ini bersinggungan dengan bidang informatika medis, dan dengan cepat diadaptasi
oleh rumah sakit dan didukung oleh institusi yang mengawasi penyedia layanan kesehatan
(seperti JCAHO di Amerika Serikat). Masalah dalam hal perbaikan kesehatan berkembang di
sekitar pengawasan kesalahan pengobatan di dalam institusi.

4. Epidemiologi

Epidemiologi adalah ilmu yang mempelajari pola kesehatan dan penyakit serta fakor yang
terkait di tingkat populasi. Ini adalah model cornerstone penelitian kesehatan masyarakat, dan
membantu menginformasikan kedokteran berbasis bukti (eveidence based medicine) untuk
mengidentifikasikan faktor risiko penyakit serta menentukan pendekatan penanganan yang
optimal untuk praktik klinik dan untuk kedokteran preventif. Menurut Dr. Anton Muhibuddin
(Universitas Brawijaya), saat ini epidemiologi telah berkembang pesat baik pendalaman ilmunya
maupun perluasan ilmunya. Perluasan ilmu epidemiologi saat ini juga mencakup epidemiologi
bidang pertanian agrokompleks (termasuk perikanan, perkebunan, prikanan) dan mikrobiologi.
Perluasan tersebut dirasa perlu karena manfaat epidemiolgi sangat nyata dirasakan dalam bidang-
bidang ilmu tersebut. Pendalaman epidemiologi di antaranya meliputi peramalan berbasis
komputer dan pengelolaan agroekosistem.

Epidemiologi menggunakan beragam alat-alat ilmiah, dari kedokteran dan statistik sampai
sosiologi dan antropologi. Banyak penyakit mengikuti arus migrasi penduduk, sehingga
pemahaman tentang bagaimana penduduk bergerak mengikuti musim sangat penting untuk
memahami penyebaran penyakit tertentu pada populasi tersebut. Epidemiologi tidak hanya
berkutat pada masalah penyebaran penyakit, tetapi juga dengan cara penanggulangannya.

5. Early Warning Alert and Responses System / Sistem Kewaspadaan Dini dan Respons

SKDR adalah surveilans yang bertujuan mendeteksi dini KLB bagi penyakit menular, stimulasi
dalam melakukan pengendalian KLB penyakit menular, meminimalkan kesakitan/kematian yang
berhubungan dengan KLB, memonitor kecenderungan penyakit menular, dan menilai dampak
program pengendalian penyakit spesifik. Unit pelapor dari system ini adalah puskesmas, dan
kelengkapan maupun ketepatan laporan dari unit pelapor dihitung berdasarkan jumlah puskesmas
di setiap kabupaten dan di propinsi dan secara otomatis dihitung oleh aplikasi software
bernamaEWARS (Early Warning Alert and Response System). Pengiriman data dari pustu/bidan
desa dikirim ke puskesmas dengan SMS, HT, dan lain. Dari puskesmas ke kabupaten/kota
dikirim juga melalui SMS, HT, dan lain – lain. Dari Kabupaten / Kota ke propinsi dikirim
melalui email. Dari propinsi ke pusat (Subdit Surveilans dan Respon KLB) data dikirim melalui
email.

Tabel 1. Alur Data periode Mingguan (Minggu – Sabtu) :

Periode: Mingguan Unit dan Tingkat Koordinator Cara Pengiriman
(Minggu-Sabtu) Yang
Waktu bertanggungjawab
Sabtu sore Pustu, Bidan Desa Petugas kesehatan Melalui SMS, HT, dan
kirim via SMS. yang bertanggung lain-lain
Format Surveilans jawab terhadap
Mingguan ke pengumpulan data
puskesmas
Senin pagi Data agregat Petugas surveilans Melalui SMS, HT, dan
Puskesmas dikirim di tingkat lain-lain
ke tingkat puskesmas
kabupaten/kota
 Selasa pagi Petugas Surveilans Petugas Surveilans Melalui Email
Kabupaten Kabupaten
melakukan entri
data dan mengirim
file export ke
propinsi
Selasa siang Petugas surveilans Petugas surveilans
propinsi melakukan propinsi
analisis data dan
menghasilkan
laporan mingguan
Selasa siang Petugas surveilans Petugas surveilans Melalui Email ke
propinsi propinsi ewars.pusat@gmail.com
mengirimkan
fileexport ke Subdit
Surveilans dan
Respon KLB
Kementerian
Kesehatan RI

Data bisa dikirim dengan format mingguan (W2) atau dengan menggunakan format SMS.
1. Format Mingguan (W2)
Format pengumpulan data berisi informasi di bawah ini :
a. Nomor urut format : nomer ini harus diisi dan dilengkapi oleh unit kesehatan yang
mengirimkan laporan di setiap tingkat. Nomor urut untuk setiap unit kesehatan
yang mengirimkan laporan dimulai dari angka 1 dan dilanjutkan secara berurutan
b. Identitas unit kesehatan : puskesmas/pustu/bidan, kecamatan, kabupaten
c. Jumlah minggu epidemiologi, periode laporan adalah satu pecan dimana kasus
dilaporkan. Unit puskesmas pelapor harus memberikan indikasi tanggal dimana
awal pekan adalah pada hari Minggu dan akhir pekan adalah pada hari Sabtu.
 d. Data penyakit : data diisi dan dilengkapi berdasarkan buku registrasi harian
puskesmas bersama data yang dikumpulkan dari unit pelayanan tingkat desa,
berdasarkan definisi kasus baku system surveilans. Sistem fasilitas kesehatan
harus memiliki daftar definisi kasus. Hanya kasus baru (konsultasi pertama) yang
harus dilaporkan untuk seluruh usia yang ditemukan.
2. Format SMS
Format dalam SMS dengan informasi seperti di bawah ini :
· Minggu Epidemiologi ke berapa
· Nama unit pelapor
· Jumlah kasus setiap penyakit yang melaporkan kasus pada minggu tersebut
· Jumlah total kunjungan pasien

Contoh pelaporan menggunakan SMS

2,pustu sukoharjo,A10,B15,H3,T4,X110
Artinya : minggu epidemiologi ke 2, nama unit pelapor adalah pustu sukoharjo,
jumlah kasus diare = 10, jumlah kasus malaria = 15, jumlah kasus tersangka
Chikungunya = 3, jumlah kasus klater penyakit yang tidak lazim = 4, jumlah
kunjungan = 110.

Aplikasi EWARS di Kabupaten/Kota dan Propinsi dapat digunakan untuk melakukan entri data,
membuat analisis sederhana, memunculkan alert atau peringatan, dan  indiktor baku serta laporan
secara otomatis. Setiap puskesmas menyimpan format mingguan yang sudah diisi dan file
menurut minggu dan bulan.
Indikator akan dihitung secara otomatis oleh aplikasi. Aplikasi mengizinkan penghitung
indikator laporan mingguan pada tingkat geografis yang berbeda seperti puskesmas, kecamatan,
kabupaten/kota dan propinsi.
1. Jumlah kasus baru setiap penyakit menurut minggu
2. Total kunjungan
3. Proporsi Kesakitan
4. Insidence Rate setiap penyakit menurut minggu dan tingkat geografis
5. Ketepatan waktu dari puskesmas ke kabupaten//kota
 6. Katepatan waktu dari Kabupaten/Kota ke Propinsi
7. Kelengkapan laporan unit pelapor menurut Kabupaten/Kota dan Propinsi
8. Nama fasilitas kesehatan yang melapor dan yang TIDAK melapor
9. Daftar alert (sinyal siaga) mingguan berdasarkan definisi nilai ambang batas.
Monitoring Laporan  dilakukan pada :
1. Tingkat Kabupaten/Kota
Setiap Senin pagi, mengecek jika semua format dari puskesmas telah diterima. Fasilitas
kesehatan yang belum mengirimkan informasi/laporan dihubungi.
2. Tingkat Propinsi
Setiap Selasa siang, mengecek jika semua format dari kabupaten/kota telah diterima.
Petugas surveilans kabupaten/kota dihubungi untuk mendapatkan informasi yang belum
lengkap.
Umpan Balik dalam program ini adalah seksi Surveilans Kabupaten/Kota dan Propinsi akan
membuat ringkasan laporan mingguan (Bulletin Mingguan) termasuk:
1. Alert  (sinyal siaga)
2. Informasi epidemiologi yang relevan
3. Rekomendasi kegiatan yang dianjurkan untuk mengendalikan tersangka KLB.
4. Hasil kegiatan minggu sebelumnya untuk mengendalikan KLB.
6. Natural Language Generation

Natural Language Generation (NLG) adalah pemrosesan bahasa alami untuk menghasilkan
bahasa alami dari sistem representasi mesin seperti basis pengetahuan atau bentuk logis. Bisa
dikatakan sistem NLG seperti penerjemah yang mengubah data menjadi representasi bahasa
alami. Namun, metode untuk menghasilkan bahasa akhir berbeda dari metode kompilator karena
ekspresi yang melekat pada bahasa alami. NLG telah ada sejak lama tetapi teknologi NLG
komersial baru-baru ini menjadi tersedia secara luas.

NLG dapat dilihat sebagai kebalikan dari pemahaman bahasa alami: sedangkan dalam bahasa
alami pemahaman sistem perlu membedakan kalimat input untuk menghasilkan bahasa
representasi mesin, dalam NLG sistem perlu membuat keputusan tentang bagaimana
menempatkan konsep ke dalam kata-kata.
 7. Geographic Information System

Geographic Information System (GIS) adalah sistem informasi khusus yang mengelola data yang
memiliki informasi special (bereferensi keruangan). Atau dalam arti yang lebih sempit, adalah
sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan
menampilkan informasi bereferensi geografis, misalnya data yang diidentifikasi menurut
lokasinya, dalam sebuah database.

GIS dapat diakses, ditransfer, ditransformasikan, diproses dan ditampilkan dengan menggunakan
berbagai macam program aplikasi perangkat lunak (Software).

Departemen pemerintahan dan militer sering menggunakan preangkat lunak yang telah di
customize dimana produk-produk yang Open Source seperti : GRASS atau uDig atau secara
khususnya adalah suatu produk yang telah memenuhi kebutuhan serta telah didefinisikan dengan
sangat baik.

Salah satu produk yang paling umum dari GIS adalah peta. Peta pada umumnya mudah dibuat
menggunakan GIS dan mereka merupakan cara yang paling efektif untuk mengkomunikasikan
hasil dari proses GIS. Oleh karena itu, GIS biasanya produsen produktif peta. Pengguna GIS
harus memperhatikan kualitas peta yang dihasilkan karena GIS biasanya tidak mengatur prinsip-
prinsip kartografi umum. Salah satu prinsip-prinsip ini adalah konsep generalisasi, yang
berkaitan denga nisi dan detail informasi pada berbagai skala. Pengguna GIS dapat mengubah
skala dengan menekan sebuah tombol, tapi konten mengendalikan dan detail sering tidak begitu
mudah.pembuat peta telah lama mengakui bahwa konten dan detail perlu mengubah sebagai
perubahan skala peta. contoh, Negara Bagian New Jersey dapat dipetakan pada berbagai skala, dari
skala kecil ke skala 1:500,000 lebih besar dari 1:250.000 dan skala 1:100.000 namun lebih besar (fig.3a),
tetapi skala masing-masing membutuhkan tingkat yang tepat dari generalisasi.
 Gambar 6. Contoh Aplikasi GIS

8. Penelitian Terdahulu

Pada penelitian sebelumnya, indra aulia telah membangun sebuah sistem yang disebut dengan
Health Surveillance Chart Interpreter System (HS-CISys), sistem tersebut dapat menghasilkan
sebuah laporan kesehatan secara otomatis berdasarkan data grafik Health Surveillance. laporan
yang dihasilkan berisikan informasi yang akan digunakan untuk melakukan upaya penanganan
dini suatu penyakit endemik di suatu wilayah.