APLIKASI PENDETEKSI COVID 19 PADA RSUD SITI FATIMAH PROVINSI SUMATERA SELATAN
MENGGUNAKAN METODE MACHINE LEARNING
TUGAS AKHIR
Disusun Untuk Memenuhi Syarat Tugas Akhir Pada Jurusan Manajemen Informatika
Politeknik Negeri Sriwijaya
Oleh :
Jayah (0617 4083 1701)
PROGRAM STUDI DIV MANAJEMEN INFORMATIKA JURUSAN MANAJEMEN INFORMATIKA
POLITEKNIK NEGERI SRIWIJAYA
2021
ii
iii
MOTTO DAN PERSEMBAHAN
Motto:
“If you can't stand the fatigue of studying then you have to be able to endure the pain of stupidity" (Imam Shafi'i).
“Make Yourself More Useful" (Jaya Pujarobi).
Laporan ini kupersembahkan untuk:
1. Kedua Orang Tua dan Keluarga Besar
2. Dosen-dosen yang telah membimbing selama ini 3. Pihak RSUD Siti Fatimah
Palembang
4. Para Sahabat dan Teman- teman Seperjuangan Khususnya Kelas 8-MIB Angkatan 2017
5. Almamater Kebanggaan
iv ABSTRAK
12 Mret 2021 WHO (Whorld Health Organization) mengumumkan Covid-19 sebagai pandemik. Virus SARS-CoV-2 telah menginfeksi 5.817.317 orang dengan 216 negara yang tertular per 28 Mei 2020. Untuk itu dibutuhkannya solusi untuk memutus mata rantai covid ini, salah satunya yaitu aplikasi pendeteksi yang dapat digunakan sebagai pendukung dalam pengambilan keputusan untuk mengetahui masyarakat yang terindikasi covid-19 ini. Penelitian ini dilakukan di RSUD Siti Fatimah Provinsi Sumatera Selatan dengan menggunakan metode Machine Learning dengan memanfaatkan algoritma Convolutional Neural Network (CNN) yang digunakan sebagai image process.
Kata Kunci : Covid-19, Machine Learning, Convolutional Neural Network (CNN).
v ABSTRACT
12 March 2021 WHO (Whorld Health Organization) declared Covid-19 as a pandemic. The SARS-CoV-2 virus has infected 5.817.317 people with 216 countries infected as of May 28, 2020. For this reason, a solution is needed to break this covid chain, one of which is a detection application that can be used as a supporter in decision making to find out people who are infected. indicated this covid-19. This research was conducted at Siti Fatimah Hospital, South Sumatra Province using the Machine Learning method by utilizing the Convolutional Neural Network (CNN) algorithm which is used as an image process.
Keywords: Covid-19, Machine Learning, Convolutional Neural Network (CNN).
vi
KATA PENGANTAR
Alhamdulillah puji dan syukur kehadirat Allah SWT, karena berkat rahmat dan hidayah-Nya penulis dapat menyelesaikan Tugas Akhir yang berjudul
“Aplikasi Pendeteksi Covid 19 Pada RSUD Siti Fatimah Provinsi Sumatera Selatan Menggunakan Metode Machine Learning” ini dengan tepat waktu.
Tujuan dari penyusunan Tugas Akhir ini adalah sebagai salah satu syarat untuk Mata Kuliah Tugas Akhir pada Jurusan Manajemen Informatika Politeknik Negeri Sriwijaya.
Selama menyelesaikan Tugas Akhir ini penulis banyak sekali mendapat bantuan, bimbingan dan petunjuk dari berbagai pihak, maka dalam kesempatan ini penulis ingin mengucapkan terimakasih kepada:
1. Orang Tua tercinta yang telah banyak memberikan kasih sayang, dukungan serta doa sehingga saya dapat menyelesaikan Tugas Akhir ini.
2. Saudara-saudara tersayang yang selalu bersedia memberikan masukan serta doa untuk saya.
3. Bapak Dr. Ing. Ahmad Taqwa, M.T., selaku Direktur Politeknik Negeri Sriwijaya.
4. Bapak Carlos RS, S.T.,M.T., selaku Wakil Direktur I Politeknik Negeri Sriwijaya.
5. Ibu Nelly Masnila, S.E.,M.Si.Ak., selaku Wakil Direktur II Politeknik Negeri Sriwijaya.
6. Bapak Ahmad Zamheri, S.T.,M.T., selaku Wakil Direktur III Politeknik Negeri Sriwijaya.
7. Bapak Drs. Zakaria, M.Pd., selaku Pelaksana Bidang Kerjasama Politeknik Negeri Sriwijaya.
8. Ibu Dr. Indri Ariyanti, SE., M.Si., selaku Ketua Jurusan Manajemen Informatika
vii
9. Bapak Meivi Kusnandar S.Kom., M.Kom., selaku Sekretaris Jurusan Manajemen Informatika.
10. Ibu Rika Sadariawati, S.E., M.Si., selaku Ketua Program Studi Manajemen Informatika DIV.
11. Ibu Ida Wahyuningrum, S.E., M.Si., selaku Pembimbing I dalam penulisan tugas akhir.
12. Ibu Leni Novianti, S.Kom., M.Kom., selaku Pembimbing II dalam penulisan tugas akhir.
13. Seluruh Dosen beserta staf-staf Jurusan Manajemen Informatika.
14. Kepada RSUD Siti Fatimah Provinsi Sumatera Selatan yang telah memberikan kesempatan dalam pelaksanaan penelitian..
15. Teman-teman seperjuangan terkhususnya MIB 2017.
16. Teman-teman seperjuangan HMJ MI 2017.
Dalam pembuatan Tugas Akhir ini penulis menyadari masih terdapat kesalahan dan kekurangan maka dari itu penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan penulisan Tugas Akhir ini. Akhir kata penulis berharap semoga Tugas Akhir dapat bermanfaat untuk kita semua, khususnya mahasiswa/mahasiswi Jurusan Manajemen Informatika Politeknik Negeri Sriwijaya sehingga tujuan yang diharapkan dapat tercapai. Terima Kasih.
Palembang, Juni 2021
Penulis
xii
DAFTAR GAMBAR
Halaman
Gambar 2.1. Logo HTML ... 20
Gambar 2.2. Logo PHP ... 21
Gambar 2.3. Logo XAMPP ... 21
Gambar 2.4. Logo MySQL ... 22
Gambar 2.5. Logo PhpMyAdmin... 23
Gambar 2.6. Logo Visual Studio Code ... 23
Gambar 2.7. Role Pada Metode Scrum ... 25
Gambar 3.1. Struktur Organisasi RSUD Siti Fatimah Provinsi Sumatera Selatan ... 33
Gambar 3.2. Tahapan Rancangan Penelitian ... 63
Gambar 3.3. Rule Based System ... 65
Gambar 3.4. Illustrasi Arsitektur Deep Learning ... 66
Gambar 3.5. Convolutional Neural Network (CNN) ... 67
Gambar 3.6. Foto Rontgen Covid-19 ... 67
Gambar 3.7. Proses Stride ... 68
Gambar 3.8. Contoh Zero Padding ... 69
Gambar 3.9. Max-Pooling ... 70
Gambar 4.1. Diagram Konteks ... 76
Gambar 4.2. Data Flow Diagram Level 0 ... 77
Gambar 4.3. Data Flow Diagram Level 1 ... 78
Gambar 4.4. Blockchart ... 79
Gambar 4.5. Rancangan Sistem yang baru Flowchart Admin ... 80
Gambar 4.6. Rancangan Sistem yang baru Flowchart Dokter ... 81
Gambar 4.7. Rancangan Sistem yang baru Flowchart User ... 82
Gambar 4.8. Entity Relationship Diagram (ERD) ... 83
Gambar 4.9. Desain Halaman Signup ... 87
Gambar 4.10. Desain Halaman Login ... 87
Gambar 4.11. Desain Halaman Utama Aplikasi ... 88
Gambar 4.12. Desian Halaman About ... 88
Gambar 4.13. Desain Halaman Take Action ... 89
Gambar 4.14. Desain Halaman News ... 89
Gambar 4.15. Desain Halaman Doctor ... 90
Gambar 4.16. Desain Halaman Contact ... 90
Gambar 4.17. Desain Halaman Detect ... 91
Gambar 4.18. Desain Halaman Dashboard Admin ... 91
Gambar 4.19. Desain Halaman Data User Admin ... 92
Gambar 4.20. Desain Halaman Dashboard Doctor ... 92
Gambar 4.21. Tampilan Halaman Signup ... 93
Gambar 4.22. Tampilan Halaman Login ... 93
Gambar 4.23. Tampilan Halaman Utama Aplikasi ... 94
Gambar 4.24. Tampilan Halaman About ... 94
xiii
Gambar 4.25. Tampilan Halamn Take Action ... 95
Gambar 4.26. Tampilan Halaman Detect ... 95
Gambar 4.27. Tampilan Halaman News ... 96
Gambar 4.28. Tampilan Halaman Doctores ... 96
Gambar 4.29. Tampilan Halaman Contact ... 97
Gambar 4.30. Tampilan Halaman Dashboard Admin ... 97
Gambar 4.31. Tampilan Halaman Data User Admin ... 98
Gambar 4.32. Tampilan Halaman Dashboard Doctor ... 98
Gambar 4.33. Tampilan Halaman Diagnosa Foto Rontgen ... 99
Gambar 4.34. Tampilan Halaman Hasil Diagnosa... 99
Gambar 4.35. Pengujian Signup ... 100
Gambar 4.36. Pengujian Login ... 101
Gambar 4.37. Pengujian Halaman Data User ... 101
Gambar 4.38. Pengujian Halaman Data Pasien ... 102
Gambar 4.39. Pengujian Logout ... 102
Gambar 4.40. Pengujian Login Dokter ... 103
Gambar 4.41. Pengujian Halaman Data Pasien Pada Dokter ... 104
Gambar 4.42. Pengujian Logout Pada Dokter ... 104
Gambar 4.43. Pengujian Signup User (Pasien) ... 105
Gambar 4.44. Pengujian Login User (Pasien) ... 106
Gambar 4.45. Pengujian Diagnosa Gejala User (Pasien) ... 106
Gambar 4.46. Pengujian Diagnosa Foto Rontgen ... 107
xiv
DAFTAR TABEL
Halaman
Tabel 2.1. Simbol-simbol Kamus Data ... 7
Tabel 2.2. Simbol-simbol dalam Diagram Konteks ... 8
Tabel 2.3. Simbol-simbol Data Flow Diagram(DFD) ... 9
Tabel 2.4. Simbol-simbol Block Chart ... 11
Tabel 2.5. Simbol-simbol Flow Chart ... 14
Tabel 2.6. ERD (Entity Relation Diagram) ... 17
Tabel 2.7. Referensi Jurnal ... 27
Tabel 3.1. Gejala ... 63
Tabel 3.2. Penyakit dan Solusi ... 64
Tabel 3.3. Rule Based System ... 66
Tabel 4.1. Perbandingan Sistem Lama dan Sistem Baru ... 74
Tabel 4.2. Tabel User ... 85
Tabel 4.3. Tabel Gejala ... 85
Tabel 4.4. Tabel Solusi ... 86
Tabel 4.5. Tabel Diagnosa ... 86
Tabel 4.6. Tabel Pengujian Oleh Admin ... 100
Tabel 4.7. Tabel Pengujian Oleh Doctor ... 103
Tabel 4.8. Tabel Pengujian Oleh User ... 105
Tabel 4.6. Tabel Pengujian Perhitungan ... 108
