Esly Fagerita P - Tugas Makalah Teksisfo
Esly Fagerita P - Tugas Makalah Teksisfo
Disusun Oleh :
8121001
Puji syukur saya panjatkan kehadirat Tuhan Yang Maha Kuasa, dengan
pertolongan-Nya saya dapat menyelesaikan proposal ini tepat pada waktunya.
Tujuan utama penyusunan proposal ini adalah untuk memenuhi tugas mata kuliah
Teknologi dan Sistem Informasi Kebidanan. Dalam bertugas Bidan memiliki peran penting
dalam membuat keputusan yang tepat untuk melakukan asuhan yang akan diberikan,
banyak sekali ibu hamil dengan tanda – tanda resiko tinggi yang memerlukan tindakan
yang cepat dan tepat. Dalam penyusunan proposal ini saya mengucapkan terimakasih
kepada Ibu Fathia Rizki, S.S.T, M.Tr.Keb sebagai dosen mata kuliah yang memberikan
bimbingannya dan tidak lupa saya mengucapkan terimakasih kepada teman – teman dan
semua pihak yang telah berjasa dalam membantu penyusunan proposal ini.
Penulis menyadari masih banyak kekurangan dalam penyusunan proposal ini. Oleh
karena itu saya mengharapkan saran dan kritik yang membangun dari berbagai pihak.
Mudah – mudahan proposal ini dapat memberikan manfaat bagi kehidupan kita, atas
perhatiannya penulis mengucapkan terimakasih.
Penulis
1
DAFTAR ISI
2
IDENTITAS RANCANGAN TEKSISFO
Rancangan
“DIAGNOSA AWAL PREEKLAMSIA PADA IBU HAMIL BERBASIS
APLIKASI DENGAN METODE NAÏVE BAYES”
Nama : Esly Fagerita Parapat
NPM : 8121001
Nama/ Ide
DIAGNOSA AWAL PREEKLAMSIA PADA IBU HAMIL
Rancangan
Project Leader Esly Fagerita Parapat
1. IT untuk membuat rancangan dan pembuatan aplikasi Diagnosa Awal
Preeklamsia pada Ibu Hamil.
Sumber Daya
2. Bidan RS merancang materi yang akan digunakan pada aplikasi.
Tim
3. Pemasaran untuk memasarkan produk aplikasi yang dapat digunakan
oleh semua instansi terkait.
Dengan tingginya angka Preeklamsia pada Ibu Hamil yang datang
ke RS maka diperlukan skrining untuk mendiagnosa awal Preeklamsia
Deskripsi pada ibu hamil.
Rancangan Dengan adanya aplikasi tersebut diharapkan mempermudah
diagnosa awal preeklamsia dan dapat meningkatkan kualitas pelayanan di
Rumah Sakit.
Gambar
Sketsa
Rancangan/Ide
Tampilan Website
3
A. LATAR BELAKANG
Angka Kematian Ibu (AKI) di Indonesia masih sangat tinggi dan tertinggi di antara
negara-negara ASEAN. Pada tahun 1990, AKI berada pada tingkat 390 per 100.000
kelahiran hidup, dan survei pada tahun 2002-2003 menghasilkan perkiraan sebesar 307 per
100.000 kelahiran. Namun, hasil analisa menyimpulkan bahwa keadaannya sangat
mencemaskan bagi perempuan indonesia. Walaupun perbandingan kedua angka tersebut
sepertinya menunjukan penurunan, namun karena hasil survei sangat peka terhadap
sampling eror maka sukar menyimpulkan dengan pasti bahwa memang terjadi penurunan
dalam angka kematian ibu selama 10 hingga 15 tahun yang lalu di Indonesia. (AIPI, 2012).
Salah satu target pencapaian dari Milenium Development Goals (MDGs) pada tahun 2015
adalah meningkatkan kesehatan ibu dengan mengurangi rasio kematian ibu sebesar 102 per
100.000 kelahiran hidup. Walaupun pelayanan antenatal (pemeriksaan sebelum kelahiran)
dan pertolongan persalinan oleh tenaga kesehatan terlatih cukup tinggi, beberapa faktor
seperti risiko tinggi pada saat kehamilan dan aborsi perlu mendapat perhatian. Ke depan,
upaya peningkatan kesehatan ibu diprioritaskan pada perluasan pelayanan kesehatan
berkualitas.
4
Sistem Informasi adalah paket perangkat lunak pengambilan keputusan yang dapat
mencapai tingkat performa yang setara atau bahkan lebih dengan pakar manusia di
beberapa bidang khusus. Ide dasar dibalik sistem pakar adalah sederhana, keahlian
ditransfer dari pakar ke suatu komputer. Pengetahuan ini kemudian disimpan di dalam
komputer, dan pengguna menjalankan komputer untuk nasihat spesifik yang diperlukan.
Sistem pakar menanyakan fakta-fakta dan dapat membuat inferensi dan sampai pada suatu
kesimpulan khusus. Kemudian, seperti konsultan manusia, ia menasihati nonexpert dan
menjelaskan, jika perlu, logika di balik nasihat yang diberikan. (Turban, et al., 2005).
Penelitian ini akan membuat “Sistem Pakar Untuk Diagnosa Awal Penyakit Preeklampsia
Pada Ibu Hamil Menggunakan Metode Naïve Bayes” yang dapat 16 digunakan untuk
mendiagnosa ibu hamil mengalami preeklampsia ringan, atau preeklampsia berat.
B. TUJUAN
Tujuan yang dirancang adalah untuk membuat sebuah program sistem informasi yang
mampu membantu proses diagnosis potensi preeklampsia menggunakan naive bayes dan
mengetahui tingkat akurasi hasil keluaran yang diberikan oleh program sistem informasi
dalam mengklasifikasi potensi preeklampsia.
C. MANFAAT
5
kenaikan tekanan sistolik harus 30 mm Hg atau lebih di atas tekanan yang biasanya
ditemukan, atau mencapai 140 mm Hg atau lebih. Kenaikan tekanan diastolik sebenarnya
lebih dapat dipercaya. Apabila tekanan diastolik naik dengan 15 mm Hg atau lebih, atau
menjadi 90 mmHg atau lebih, maka diagnosis hipertensi dapat dibuat.
Edema ialah penimbunan cairan secara umum dan berlebihan dalam jaringan tubuh, dan
biasanya dapat diketahui dari kenaikan berat badan serta pembengkakan kaki, jari tangan,
dan muka. 24 Proteinuria berarti konsentrasi protein dalam air kencing yang melebihi
0,3g/liter dalam air kencing 24 jam atau pemeriksaan kualitatif menunjukkan 1 atau 2+ atau
1g/liter atau lebih dalam air kencing yang dikeluarkan dengan kateter atau proteinuria
timbul lebih lambat daripada hipertensi dan kenaikan berat badan.
Oleh karena eklampsia menjadi sebab kematian ibu maka deteksi dini untuk
preeklampsia sebagai tingkat pendahulunya perlu segera dilaksanakan. Perlu ditekankan
bahwa sindrom preeklampsia ringan dan hipertensi, edema dan proteinuria sering tidak
diketahui atau tidak diperhatikan oleh wanita hamil yang bersangkutan, sehingga tanpa
disadari dalam waktu singkat dapat timbul preeklampsia berat, bahkan eklampsia.
Berdasarkan uraian diatas didapatkan solusi yang dapat memudahkan petugas kesehatan
dalam mendeteksi preeklamsia pada ibu hamil yaitu dengan metode naïve bayes berbasis
system informasi yang diharapkan dapat memberikan hasil/kesimpulan yang cepat dan
tepat sehingga tidak menguras waktu dan pikiran.
6
E. TAHAPAN PEMBUATAN
Melakukan kontrak dengan pihak IT dalam membuat Sistem Informasi dengan estimasi
mengerjakan satu hingga dua bulan dengan rancangan anggaran biaya Rp. 500.000,- dan
bidan memberikan materi yang akan digunakan pada system informasi tersebut.
Selanjutnya melakukan uji coba Sistem Informasi dengan keakuratan yang baik jika
dibandingkan dengan basis manual dan menguji ketahanan/kekuatan sistem informasi pada
saat digunakan secara bersama sehingga meminimalisir kecacatan sistem informasi.
Setelah dilakukan uji coba, maka selanjutnya adalah menyempurnakan kekurangan yang
ditemukan sehingga selanjutnya aplikasi siap untuk dipasarkan dan digunakan oleh tenaga
dan kader kesehatan.
Saat program dijalankan maka sistem pakar akan meminta masukan dari pengguna
berupa konfirmasi atas gejala-gejala awal preeklampsia berdasarkan riwayat kesehatan dari
ibu hamil. Selanjutnya data masukan tersebut diolah menggunakan algoritma Naïve Bayes
Classifier untuk mengklasifikasikan diagnosis ibu hamil ke dalam dua kelompok yaitu
waspada preeklampsia ringan dan bahaya preeklampsia berat.
7
Tampilan Website
8
DAFTAR PUSTAKA
Faiqoh, E., & Hendrati, L. Y. (2014). Hubungan Karakteristik Ibu, ANC, dan Kepatuhan
Perawatan Ibu Hamil dengan terjadinya Preeklampsia. Jurnal Berkala Epidemiologi
Vol.2 No.2 , 216 - 226.
Kementerian Kesehatan RI. (2013). Buku Saku Pelayanan Kesehatan Ibu di Fasilitas
Kesehatan Dasar dan Rujukan. Jakarta: Kementerian Kesehatan RI.
Saifuddin, A. B., Adriaandsz, G., Wiknjosastro, G. H., & Waspodo, D. (2002). Buku Acuan
Nasional Pelayanan Kesehatan Maternal dan Neonatal. Jakarta: JNPKKR- POGI.
Turban, E. (1995). Decision Support and Expert Systems. Prentice Hall. Turban, E.,
Aronson, J. E., Liang, T.-P., & McCarthy, R. V. (2005). Decision 80 Support Systems
and Intelligent Systems. New Jersey: Pearson Educatton.
Wiknjosastro, H., Saifuddin, A. B., & Rachimhadhi, T. (2005). Ilmu Kebidanan. Jakarta:
Yayasan Bina Pustaka Sarwono Prawirohardjo.