Machine Translated by Google

Jurnal Fisika: Seri Konferensi

KERTAS • AKSES TERBUKA

Anda mungkin juga suka
-
Teknik berwarna untuk in vivo
Sistem informasi untuk mendiagnosa Neonatal memantau ikterus pada jaringan neonatus
AT Sufian, GR Jones, HM Shabeer dkk.
Penyakit kuning menggunakan algoritma berbasis aturan -
Analisis Koefisien Korelasi Pearson
berbasis Deteksi Penyakit Kuning non-invasif
tentang Teknik Kartu Warna
Mengutip artikel ini :D Anggraini et al 2021 J. Fisik.: Konf. Ser. 1943 012037 Asyraf Hakimi Abu Bakar, Mohd
Najmuddin Mohd Hassan, Ammar Zakaria
et al.

-
Raman yang Ditingkatkan Permukaan Berbasis Kertas
Hamburan (SERS) Biosensor untuk Label
Lihat artikel online untuk pembaruan dan penyempurnaan. Deteksi Gratis Serum Bilirubin untuk
Diagnosis Penyakit Kuning
Ming Li

Konten ini diunduh dari alamat IP 110.137.73.241 pada 12/08/2023 pukul 02:23
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

Sistem informasi diagnosis penyakit kuning neonatus

menggunakan algoritma rule-based

D Anggraini1 , MN Widyawati2 , S Suryono3

1 Magister Ilmu Terapan Program Kebidanan, Poltekkes Kemenkes Semarang, Indonesia.

2Program Pascasarjana Ilmu Terapan Kebidanan, Poltekkes Kemenkes Semarang, Indonesia

3Departemen Fisika, Fakultas Sains dan Matematika, Universitas Diponegoro, semarang,

Indonesia.

Coresponding author : dina_anggraini76@yahoo.com

Abstrak. Ikterus neonatorum sering terjadi pada bayi baru lahir yang ditandai dengan perubahan warna
kuning pada sklera dan kulit bayi akibat tingginya kadar bilirubin dalam darah. Terjadinya ikterus perlu
dilakukan identifikasi terhadap perkembangan hiperbilirubinemia yang berpotensi menjadi toksik yang
dapat menyebabkan kernikterus. Deteksi penyakit kuning secara manual (visual) masih sering dilakukan
oleh orang tua dan tenaga kesehatan, sehingga hasil diagnosis yang didapatkan kurang akurat.
Penelitian ini mengusulkan penggunaan sistem informasi yang inovatif dalam mendeteksi penyakit
kuning menggunakan metode SDLC (Systems Development Life Cycle) dengan model air terjun.
Pengambilan data dalam penelitian ini dengan quasi eksperimen menggunakan non probability sampling
dengan consecutive sampling pada 48 responden bayi baru lahir. Hasil penelitian ini menunjukkan
bahwa sistem informasi yang dibangun dapat mendeteksi penyakit kuning lebih cepat sebanyak 2,1
menit dengan tingkat akurasi sebesar 91,7%, dapat memberikan solusi yang tepat dan tingkat efektifitas
penggunaan sistem informasi sebesar 90,5% yang dapat digunakan sebagai inovasi dalam membantu mengatasi masalah p

1. Pendahuluan
Pada tahun 2017, secara global, angka kematian neonatal pada 28 hari pertama kehidupan diperkirakan sebesar
18 per 1.000 kelahiran hidup terbanyak terjadi di Afrika Sub-Sahara yaitu 27 kematian per 1.000 kelahiran hidup
dan diikuti oleh Asia Selatan dengan 26 kematian per 1.000 kelahiran hidup [1]. Penyebab utama kematian
neonatal sebanyak 93% disebabkan oleh asfiksia, infeksi dan prematuritas [2]. Kejadian prematur 80% mengalami
masalah ikterus pada minggu pertama kehidupan sedangkan sekitar 60% bayi cukup bulan mengalami kejadian
ikterus [3]. Penyakit kuning merupakan masalah yang berhubungan dengan angka kematian bayi dimana sebanyak
24% kematian neonatus disebabkan oleh kernikterus [4].
Masalah penyakit kuning dapat diatasi dengan menggunakan sistem teknologi informasi yang dapat mendeteksi,
mendiagnosa, mengobati, mendidik secara efektif, mudah dan cepat [5]. Kemajuan teknologi informasi memegang
peranan yang sangat penting dalam bidang pelayanan kesehatan yang meliputi telemedicine, pengolahan sinyal
biologis (medical image processing), keamanan informasi kesehatan dan sistem informasi kesehatan [6].
Penggunaan sistem informasi dalam pelayanan kesehatan dapat mempersingkat proses pelayanan, meningkatkan
kualitas pelayanan, memaksimalkan efisiensi waktu, alat kesehatan, tenaga kerja dalam melakukan preventif dan
kuratif [7].

Konten dari karya ini dapat digunakan di bawah ketentuan lisensi Creative Commons Attribution 3.0. Setiap distribusi lebih lanjut
karya ini harus mempertahankan atribusi kepada penulis dan judul karya, kutipan jurnal dan DOI.
Diterbitkan di bawah lisensi oleh IOP Publishing Ltd 1
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

Sistem informasi bertujuan untuk meningkatkan kemampuan dalam mengumpulkan, menyimpan, dan menganalisis
data kesehatan secara akurat, efektif dalam mengintervensi, menyediakan layanan secara efisien, meningkatkan akurasi
data, mempelajari tren dan meningkatkan akuntabilitas [8]. Peningkatan kualitas pelayanan kesehatan saat ini telah
dilakukan oleh negara berkembang maupun negara maju dengan menggunakan sistem informasi untuk mengatasi
kegawatdaruratan di bidang kebidanan [9]. Penerapan sistem informasi dalam meningkatkan efektifitas pelayanan
kesehatan dapat mengolah data dengan baik dalam manajemen kesehatan masyarakat [10].
Mengatasi masalah dengan menggunakan sistem informasi diperlukan sebagai terobosan yang dapat memotivasi,
memberikan kemudahan, menghubungkan, mengajar, memahami, dan memberdayakan individu [11]. Keberhasilan suatu
sistem informasi dalam perawatan pasien terdiri dari enam dimensi meliputi kualitas sistem, penggunaan, kualitas
informasi, kepuasan pengguna, dampak organisasi dan dampak individu, sedangkan kualitas sistem informasi dapat
dilihat dari waktu respon, kemudahan akses, kemudahan penggunaan, integrasi sistem, tingkat akurasi dan fleksibilitas
sistem [12].
Membangun sistem berbasis aturan diperlukan dalam melakukan penilaian khusus terhadap semua kemungkinan
yang terjadi di lapangan [13]. Pengembangan sistem secara otomatis dapat mendukung dan menganalisa dalam
pengambilan suatu keputusan [14]. Penggunaan sistem sebagai metode non-invasif berbasis image processing dapat
mengukur kadar bilirubin pada tubuh seseorang dengan melihat derajat ikterus pada sklera [15]. Penggunaan sistem non-
invasif lebih tepat dalam penilaian penyakit kuning karena metode invasif dapat menimbulkan nyeri dan risiko infeksi [16]

Perkembangan sistem iptek yang semakin pesat memiliki kontribusi yang sangat besar dalam bidang kesehatan
dengan menggunakan sistem informasi. Penggunaan sistem informasi dapat mendiagnosa kejadian penyakit kuning pada
bayi baru lahir. Terjadinya penyakit kuning harus dapat dideteksi dan didiagnosis dengan cepat agar tidak mengalami
keterlambatan dalam mendapatkan penanganan medis. Keterlambatan dalam mengambil tindakan dapat berdampak
buruk bagi kesehatan bayi. Penelitian ini membahas tentang sistem informasi untuk mendiagnosa ikterus neonatorum
dengan menggunakan algoritma rule-based.

2. Metode
Pengambilan data penelitian ini adalah quasi eksperimen dengan menggunakan non propability sampling dengan
consecutive sampling pada 48 bayi baru lahir usia 0-15 hari dengan dua pengukuran yaitu manual (secara visual) dan
menggunakan sistem informasi. Kerangka sistem informasi yang telah dibangun pada penelitian ini ditunjukkan pada
Gambar 1.

Gambar 1. Kerangka sistem informasi

Rancangan sistem informasi deteksi ikterus neonatorum menggunakan model System Development Life Cycle
(SDLC) dengan metode waterfall yang terdiri dari beberapa tahapan ditunjukkan pada gambar 2 [17].

2
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

Gambar 2. Model air terjun System Development Life Cycle (SDLC).

Tahapan pembuatan sistem informasi meliputi:

1. Analisis, Tahap ini mengidentifikasi kebutuhan pengguna dalam mengembangkan sistem informasi.
2. Perancangan Perancangan sistem pada penelitian ini berupa pembuatan framework sesuai dengan kebutuhan pengguna
di lapangan untuk memudahkan dalam pembuatan sistem.
3. Implementasi Tahap implementasi berupa pembuatan sistem sesuai dengan
desain yang telah dibuat.
4. Pengujian, Pengujian dilakukan untuk mengetahui apakah sistem yang telah dibuat sudah sesuai
dengan harapan.
5. Evaluasi, Setelah melakukan uji lapangan, selanjutnya dilakukan evaluasi untuk mengetahui apakah terdapat kesalahan pada suatu sistem.
Sistem informasi berbasis aplikasi dan berbasis website yang digunakan dalam deteksi penyakit kuning memiliki beberapa langkah yang
dapat dilakukan untuk menghasilkan diagnosa dan memberikan solusi. Langkah-langkah untuk mendeteksi penyakit kuning ditunjukkan
pada gambar 3.

Gambar 3. Langkah-langkah mendeteksi penyakit kuning

Diagnosis pada penelitian ini menggunakan rule-based reference pada parameter Kramer untuk melihat perubahan warna kuning
yang terjadi pada kulit bayi baru lahir mulai dari grade I hingga V. Arsitektur rule-based ditunjukkan pada gambar 4.

3
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

Gambar 4. Arsitektur berbasis aturan

3. Hasil dan Pembahasan

Hasil penelitian ini telah divalidasi oleh sistem pakar yaitu bidan untuk melihat kecepatan, tingkat ketepatan,
ketepatan dan efektifitas penggunaan sistem informasi. Kecepatan deteksi dini dalam mendiagnosa
ikterus neonatorum dilakukan secara manual dan menggunakan sistem informasi perbedaan waktu rata-rata
ditunjukkan pada Tabel 1.

Tabel 1. Hasil kecepatan diagnostik

Variabel metode Rata-rata waktu (menit) nilai p
Kecepatan Manual (visual) 7.8
0,001
Sistem Informasi 5.7

Rata-rata kecepatan waktu dalam menentukan diagnosis penyakit kuning menggunakan sistem informasi
adalah 7,8 menit sedangkan secara manual adalah 5,7 menit, sehingga dapat disimpulkan bahwa penggunaan
sistem informasi lebih cepat 2,1 menit dalam menentukan diagnosis penyakit kuning dibandingkan secara visual.
Analisis citra medis dapat mencapai kecepatan diagnostik yang lebih tinggi dan paralelisme akurasi ahli yang dapat
memengaruhi praktik medis dengan menerapkan pemrosesan bahasa alami untuk membaca literatur ilmiah yang
berkembang dan menyusun catatan medis elektronik, mesin yang dijalankan dari data medis dapat mencegah
kesalahan klinis akibat bias kognitif manusia kemampuan yang positif dapat mempengaruhi perawatan pasien [18].
Aplikasi Kecerdasan Buatan dalam biomedis dapat secara efisien menggunakan data besar dan menyediakan
akses cepat ke data untuk memecahkan masalah terkait kesehatan [19]. Pengobatan yang cepat atau pencegahan
ikterus yang tepat waktu dapat menghemat biaya karena berkurangnya rawat inap bayi baru lahir, sehingga
mengevaluasi kejadian ikterus neonatal di layanan ikterus harus dipertimbangkan sebagai kebijakan mendasar
[20]. Penggunaan komputer berbasis web untuk membantu melaksanakan instruksi yang memiliki karakteristik
cepat, kapasitas tinggi, membuat penyebaran pengetahuan tanpa batasan ruang dan waktu, serta dapat akurat
[21]. Selain itu, penggunaan sistem dapat membuat waktu, biaya dan tenaga lebih efisien bagi dokter dan pasien
[22]. Diagnosis deteksi penyakit kuning yang telah dilakukan ditunjukkan pada Gambar 5.

4
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

Gambar 5. Hasil diagnosa penyakit kuning

Penilaian deteksi penyakit kuning dilakukan dua kali secara manual dan menggunakan sistem informasi.
Hasil diagnosa yang diperoleh pada penelitian ini divalidasi oleh sistem pakar yaitu bidan.
Penegakan diagnosis penyakit kuning dilakukan dengan membandingkan cara manual dengan sistem pakar,
sistem informasi dengan sistem pakar dan cara manual dengan sistem informasi yang akan diuji menggunakan
statistik untuk melihat apakah ada perbedaan penegakan diagnosis. Hasil berbagai tes untuk diagnosis penyakit
kuning ditunjukkan pada Tabel 2.

Tabel 2 Hasil pemeriksaan diagnosis berbeda pada deteksi penyakit kuning

Variabel nilai p
Diagnosis manual dengan ahli (bidan) 0,002
Penegakan diagnosis menggunakan sistem informasi dengan 1.000
pakar (Bidan)
Sistem informasi diagnosis yang ditegakkan secara manual 0,002

Hasil uji beda diagnosa manual dengan ahli (bidan) berbeda dengan p value 0,002 dan diagnosa menggunakan
sistem informasi dengan ahli (bidan) tidak ada perbedaan dengan p value 1.000, sedangkan diagnosa manual
dengan sistem informasi adalah berbeda. p value 0,002 maka dapat disimpulkan bahwa penggunaan sistem
informasi lebih baik untuk melakukan diagnosa pada deteksi penyakit kuning karena tidak ada perbedaan yang
signifikan antara deteksi penyakit kuning menggunakan sistem informasi dan sistem pakar, sedangkan pada
deteksi penyakit kuning terdapat perbedaan dilakukan secara manual dengan sistem pakar.

Pendeteksian penyakit kuning dilakukan secara manual dan menggunakan sistem informasi yang telah divalidasi oleh pakar
sistem untuk melihat keakuratan diagnosis pada bayi baru lahir. Tingkat akurasi ditunjukkan pada Tabel 3.

Tabel 3 Hasil Frekuensi Ketepatan Deteksi Dini Diagnosa Ikterus

metode
Variabel N
Manual Sistem Informasi
Tingkat akurasi 48 72,9% 91,7%

Berdasarkan hasil akurasi yang telah dilakukan secara manual yaitu 72,9% dan menggunakan sistem informasi
sebesar 91,7% dalam menegakkan diagnosis, maka dapat disimpulkan bahwa deteksi dini ikterus neonatorum
untuk menemukan diagnosis ikterus lebih akurat menggunakan sistem informasi. sehingga dapat digunakan
sebagai alat untuk orang tua. di rumah dalam pengawasan. Diagnosis yang akurat sangat penting dalam pengobatan

5
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

masalah, sehingga sistem pendukung keputusan klinis seperti aplikasi telah mengalami peningkatan dalam beberapa
tahun terakhir [23]. Pengolahan citra dalam metode diagnostik memiliki tingkat akurasi yang lebih tinggi, kepemilikan
citra atau image processing banyak digunakan untuk membantu para ahli dalam mendiagnosa penyakit dan memilih
pengobatan yang tepat [24].
Pemberian solusi terhadap kejadian ikterus neonatorum dapat dilakukan dengan menggunakan sistem informasi yang dapat
digunakan untuk mengambil keputusan guna mencegah dampak buruk yang dapat merugikan bayi. Pemberian solusi dengan
menggunakan sistem informasi ditunjukkan pada gambar 6.

Gambar 6. Pemberian larutan penyakit kuning

Ketepatan dalam memberikan solusi terhadap masalah penyakit kuning sangat penting karena jika tidak diberikan
solusi yang tepat maka tindakan yang dilakukan akan salah yang dapat membahayakan kondisi kesehatan bayi.
Ketepatan pemberian larutan sesuai dengan hasil diagnostik yang diperoleh dalam pendeteksian penyakit kuning.
Memberikan solusi yang tepat dapat memudahkan dalam menangani masalah penyakit kuning.
Pengukuran efektivitas sistem informasi bertujuan untuk melihat sejauh mana aplikasi dapat diterima dikalangan
masyarakat dan dapat efektif dalam deteksi dini ikterus neonatorum pada bayi baru lahir. Efektivitas sistem informasi
ditunjukkan pada tabel 4.

Tabel 4. Efektivitas sistem informasi

Efektivitas (%)
Variabel N

Uses 48 91.0
Convenience 48 90.7
Attitude 48 90.3
Behaviors 48 90.2
Actual 48 90.2
Total Average=90.5%

Hasil efektivitas sistem informasi yang dilakukan oleh orang tua menggunakan skor TAM (Technology Acceptance
Model) berdasarkan aspek penggunaan, kenyamanan, sikap, perilaku dan aspek aktual adalah 90,5% yang menyatakan
bahwa sistem informasi sangat efektif dalam deteksi dini penyakit kuning neonatus. Technology Acceptance Model
(TAM) telah banyak digunakan untuk menjelaskan perilaku pengguna dan membantu dalam memahami suatu sistem
informasi seperti faktor kenyamanan dan faktor kegunaan yang dirasakan dalam penggunaan komputer merupakan
faktor utama berdasarkan model penerimaan teknologi [25].
Model Penerimaan Teknologi pada setiap individu dipengaruhi secara langsung atau tidak langsung oleh niat perilaku,
sikap, persepsi terhadap kemudahan dan kegunaan sistem teknologi [26]. Niat perilaku seseorang untuk menggunakan
teknologi dan minat berperilaku dapat dilihat dari tingkat yang dapat diprediksi

6
Machine Translated by Google

ISNPINSA 2020 Penerbitan TIO

Jurnal Fisika: Seri Konferensi 1943 (2021) 012037 doi:10.1088/1742-6596/1943/1/012037

penggunaan teknologi dari motivasi, sikap dan perhatian untuk tetap menggunakan teknologi seperti keinginan untuk
memotivasi pengguna lain [27].

4. Kesimpulan
Sistem informasi dengan algoritma berbasis aturan dapat digunakan untuk mendeteksi dan mendiagnosis
masalah penyakit kuning yang terjadi pada bayi baru lahir. Penelitian ini dapat membuktikan bahwa sistem
informasi memiliki tingkat akurasi sebesar 91,7% yang memiliki selisih kecepatan waktu 2,1 menit secara
manual, selain itu sistem informasi memberikan solusi dan sistem informasi yang lebih tepat jika dilihat dari
kegunaan, kemudahan, sikap, perilaku. dan aktual. Efektif 90,5% untuk dijadikan inovasi dalam membantu
mengatasi masalah penyakit kuning. Rekomendasi untuk penelitian selanjutnya dapat mengembangkan
penggunaan teknologi dalam mengatasi permasalahan yang terjadi pada bayi baru lahir.

Referensi
[1] United Nations Inter-agency Group for Child Mortality Estimation (UN IGME) 2018 Levels & Trends in Child
Mortality: Report 2018, Estimasi Dikembangkan oleh United Nations Inter Agency Group for Child
Mortality Estimation. New York: Dana Anak-anak PBB.
[2] Debelew GT, Afework MF, Yalew AW 2014. PLoS One. 9 1–11
[3] Biswas M, Devi AS 2017 International Education & Research Journal 3 46–48 [4] Bhutani
VK, Zipusky A, Blencowe H, Khanna R, Sgro M, Ebbesen F, et al 2013 Pediatr Research 74 86–100

[5] Anggraini D, Widyawati MN, Suryono S 2020 Jurnal Konferensi Fisika Seri 1-5
[6] Jardim SVB 2013 Teknologi Procedia 9 940-948
[7] Demirel D 2017 Jurnal Studi Multidisiplin Eropa 2 122-131
[8] Tiwari P, Gor R 2016 IJMSS 04 106-110
[9] Citrawati DHD, Widyawati MN, Suryono S 2020 Journal of Physics: Conference Series. 1-6
[10] Wahid F, Dirgahayu RD, Hamzah A, Setiaji H 2019 The International Conference on Information
Technology and Digital Applications. 1-7
[11] Sustamy RP, Widyawati MN, Suryono S 2020 Jurnal Fisika: Konferensi Seri 1-4
[12] Kevinen T, Lammintakenen J 2012 International Journal of Medical Informatics xxx 1-8
[13] Suryono S, Khuriati A, Mantoro T 2019 Cogent Engineering 6 1-19
[14] Ramesh MV, Anu TA, Thirugnanam H 2012 IEEE [15] Miah
MMM, Tazim RJ, Johora FT, Imran MIA, Surma SS, Islam F, dkk. 2019 IEEE
[16] Ngashangva L, Bachu V, Goswami P 2019 Jurnal Analisis Farmasi dan Biomedis.
162 272-285
[17] Devi TR 2012 International Journal of Scientific & Engineering Research 3 1–5
[18] Miller DD, Brown EW 2018 The American Journal of Medicine 131 129-133 [19] Rong
G, Mendez A, Assi EB, Zhao B, Sawan M 2019 Teknik. xxx 1-11
[20] Tavakolizadeh R, Izadi A, Seirafi G, Khedmat L, Mojtahedi SY 2018 Eur J Transl Myol. 28 1-8
[21] Xiuyan G 2012 Fisika Procedia 25 1006-1009
[22] Limanto S, Andre 2019 International Journal of Electrical and Computer Engineering 9 2049-
2056
[23] Sweidan S, El- Bakry H, El-Sappagh S, Saban S, Mastorakis N 2016 International Journal of
Biologi dan Biomedis 1 106–116 [24]
Petrellis N 2018 Simetri. 10 1-34
[25] Surendran P 2012 Jurnal Internasional Penelitian Bisnis dan Sosial. 2 175-178
[26] Alzubi MM, Al-Dubai MM, Farea MM 2018 Journal of Business and Retail Management Research. 12
224-231
[27] Harryanto, Muchran M, Ahmar AS 2018 International Journal of Engineering & Technology. 7
37-40