Aplikasi Perawatan Psikologis untuk Pasien COVID-19 Menggunakan Metode K-Nearest Neighbor

SKRIPSI

APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST

NEIGHBOR

DISUSUN OLEH:

SITI ISMI TAKARINA NIM: 201731085

PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS TELEMATIKA ENERGI

INSTITUT TEKNOLOGI PLN

JAKARTA 2021

i

APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST

NEIGHBOR

SKRIPSI

Diajukan untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana Teknik Informatika

Disusun Oleh:

SITI ISMI TAKARINA NIM: 201731085

PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS TELEMATIKA ENERGI

INSTITUT TEKNOLOGI PLN

JAKARTA 2021

i

PERNYATAAN KEASLIAN PROYEK SKRIPSI

Nama : Siti Ismi Takarina

NIM : 201731085

Program Studi : S1 Teknik Informatika Fakultas : Telematika Energi

Judul Skripsi : APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN

COVID-19 MENGGUNAKAN METODE K-NEAREST

NEIGHBOR

Dengan ini saya menyatakan bahwa dalam skripsi ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar Sarjana baik di lingkungan Institut Teknologi PLN maupun di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.

Pernyataan ini dibuat dengan penuh kesadaran dan rasa tanggung jawab serta bersedia memikul segala resiko jika ternyata pernyataan ini tidak benar.

Jakarta, 29 Juli 2021 Tanda Tangan

(Siti Ismi Takarina)

ii

LEMBAR PENGESAHAN PEMBIMBING

SKRIPSI

APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Disusun Oleh:

SITI ISMI TAKARINA 201731085

Diajukan untuk memenuhi persyaratan PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS TELEMATIKA ENERGI INSTITUT TEKNOLOGI PLN

Jakarta, 03 Agustus 2021

Mengetahui, Disetujui,

Kepala Program Studi Dosen Pembimbing Utama

Abdurrasyid, S. Kom., MMSI Indrianto, S. Kom., MT

NIDN: 0310068702 NIDN: 0301097501

Dosen Pembimbing Kedua

Riki Ruli Affandi S., S. Kom., NIDN: 0328018803

iii

LEMBAR PENGESAHAN TIM PENGUJI

SKRIPSI

APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Disusun Oleh:

SITI ISMI TAKARINA 201731085

Telah disidangkan dan dinyatakan Lulus Sidang Skripsi

Pada Program Studi S1 Teknik Informatika Fakultas Telematika Energi Institut Teknologi PLN pada (……….)

Nama Penguji Jabatan Tanda Tangan

Ketua Sidang Sekretaris Sidang

Anggota Sidang

Mengetahui, Kepala Program Studi S1 Teknik Informatika

(Abdurrasyid, S. Kom., MMSI) NIDN: 0310068702

iv

KATA PENGANTAR

Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT yang Maha Pengasih dan Maha Penyayang yang telah memberikan rahmat dan kesehatan kepada penulis sehingga dapat menyelesaikan sebuah skripsi dengan judul “APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST NEIGHBOR”. Skripsi ini diajukan untuk memenuhi salah satu syarat untuk menyelesaikan jenjang studi Strata 1 (S1) Teknik Informatika di Institut Teknologi – PLN Jakarta.

Tidak dapat disangka bahwa butuh niat, usaha, doa dan kesabaran dalam menyelasaikan skripsi ini. Penulis menyadari bahwa laporan skripsi ini tidak akan terwujud tanpa bantuan, bimbingan dan dorongan dari berbagai pihak. Untuk itu pada kesempatan ini penulis mengucapkan terimakasih kepada banyak pihak yang telah membantu penulis dalam menyelesaikan penulisan skripsi ini. Terima kasih yang sebesar- besarnya penulis sampaikan kepada:

1) Kedua orang tua saya Papi tercinta Ismail Akbar yang tiada henti selalu memberikan dukungan dan semangat serta energi positifnya untuk penulis dan Mami tersayang Siti Nurul Fadillah,SE yang telah memberikan dukungan dan doa tiada henti kepada penulis. Tidak lupa pula kakak kandung penulis Siti Ismi Rezekina dan adik kandung penulis M. Arief Isfadhil yang telah memberikan semangat luar biasa.

2) Bapak Prof Dr. Iwa Garniwa Mulyana K, MT. Selaku Rektor IT-PLN

3) Bapak Herman Bedi Agtriadi, S.Si, selaku dosen Pembimbing Akademik yang sudah memberikan dukungan dan semangat serta pengarahan selama masa perkuliahan.

4) Bapak Indrianto, S. Kom., MT, selaku dosen pembimbing I yang telah bersedia meluangkan banyak waktu untuk memberikan masukan, nasihat, semangat, pengalam dan membantu penulis menyelesaikan permasalahan skripsi ini.

5) Bapak Riki Ruli Affandi s.Kom,M.Kom selaku dosen pembimbing II yang telah bersedia membimbing dan mengarahkan penulis selama menyusun skripsi dan memberikan banyak ilmu dan solusi pada setiap permasalahan atau kesulitan si penulis.

v

6) Seluruh dosen IT – PLN, terutama dosen Teknik Informatika IT – PLN yang telah memberikan ilmu yang bermanfaat selama penulis menimba ilmu di kampus IT – PLN.

7) Spesial untuk Fahmi Ramadhani, A. Md, yang tidak bosan-bosan mendengarkan keluh kesah penulis dan sabar menghadapi mood swing penulis selama proses skripsi ini.

8) Siti Mutia Muharrami yang setiap waktu ada saat penulis butuh dari semasa SMP sampai sekarang, memberikan motivasi, semangat dan selalu dengar keluh kesah yang tiada ujungnya.

9) Kiki Ayuandani dan Fannysa Vido Simanjuntak yang tidak pernah absen ketika penulis curhat tentang gelisahnya hati ketika penulis sedang menyelesaikan skripsi, walaupun mereka tidak paham tetapi mereka selalu memberikan respon yang sangat baik.

10) Teman seperjuangan kuliah penulis yang selalu memberikan semangat, Yuki Annisa Putri, Abdul Mukti, Hafiz Fajar. Selama di rantauan mereka selalu ada saat penulis butuhkan.

11) Annisa Qaturunnada, Mustafa Akmal, Wanda Alfia Resta sebagai teman yang selalu menyemangati penulis pada saat penulisan skripsi ini.

12) Erlangga Irawandi, Natasya Ayu T. , Suwarni, Nina Amalia, Putri Dwi A. , Sarah Juliandini sebagai teman yang selalu ada saat awal semester sampai sekarang, yang selalu ada disamping sewaktu penulis sakit.

13) Teman-teman kontrakan Aceh yang selalu memberikan semangat dan selalu memberikan saran selama penulis menyelesaikan skripsi ini.

14) Teman – teman Teknik Informatika 2017, CENTOS. Terimakasih atas 4 tahun yang sangat berharga dan berkesan.

15) Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah membantu dan memberikan saran selama penulis menyelesaikan skripsi ini.

16) Serta teman, abang dan kakak tingkat sudah membantu penulis untuk menyelesaikan sistematika penulisan, memberikan masukan, motivasi dan semangat yang luar biasa.

17) Dan terima kasih untuk diri sendiri yang telah berjuang hingga detik ini, tidak pernah menyerah walaupun banyak badai yang telah dilewati. Masih banyak ranjau lagi di depan sana, Semangatt. Penulis bangga pada diri sendiri.

vi

Penulis menyadari banyak kekurangan dalam penulisan skripsi ini, oleh karena itu segala kritik dan saran yang bersifat konstruktif dari semua pihak sangat diharapkan.

Semoga Allah SWT memberikan berkah dan rahmat-Nya kepada seluruh pihak atas segala jasa dan bantuannya kepada penulis selama ini.

Terimakasih dan semoga apa yang telah tertulis pada skripsi ini dapat memberikan manfaat dan menambah ilmu pengetahuan bagi para pembaca.

Jakarta, 29 Juli 2021

Siti Ismi Takarina

vii

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS

Sebagai sitivas akademika Institut Teknologi PLN, saya yang bertanda tangan dibawah ini:

Nama : Siti Ismi Takarina

NIM : 201731085

Program Studi : S1 Teknik Informatika Fakultas : Telematika Energi Jenis Karya : Skripsi

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Institut Teknologi PLN Hak Bebas Royalty Non Ekslusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul:

“APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR”

Dengan Hak Bebas Royalty Non ekslusif ini Institut Teknologi PLN berhak menyimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data (database), merawat dan mempublikasikan Skripsi saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta.

Demikian pernyataan saya buat dengan sebenarnya.

Dibuat di: Jakarta

Pada Tanggal: 29 Juli 2021 Yang Menyatakan

(Siti Ismi Takarina)

viii

APLIKASI PERAWATAN PSIKOLOGIS PADA PASIEN COVID-19 MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Siti Ismi Takarina, 201731085

Dibawah bimbingan Indrianto, S,Kom.,MT dan Riki Ruli Affandi S., S.Kom.,

ABSTRAK

Untuk membangun aplikasi dan Perawatan Psikologis pada Pasien Covid-19 merupakan aplikasi berbasis website, Metode K-Nearest Neighbor digunakan untuk melakukan proses data pengujian hingga menghasilkan hasil pengujian berupa diagnose pasien.

Proses algoritma K-Nearest Neighbor bermula dari K-Nearest Neighbor memproses data input pengujian dengan tahapan algoritma KNN yaitu menentukan parameter 𝐾 (jumlah tetangga paling dekat). Menghitung kuadrat jarak euclid (queri instance) masing-masing objek terhadap data sampel yang diberikan menggunakan persamaan 1-dimensional space berarti perhitungan jarak hanya menggunakan satu variabel bebas (independent variable). Kemudian mengurutkan objek-objek tersebut ke dalam kelompok yang mempunyai jarak euclid terkecil. Terakhir mengumpulkan kategori 𝑌 (Klasifikasi Nearest Neighbor) dengan menggunakan kategori dalam metode K-Nearest Neighbor yang paling mayoritas maka dapat diprediksi nilai query instance yang telah dihitung. Maka setelah dilakukan satu pengujian pasien didapatkan dengan hasil klasifikasi sebesar 2.1573786516665 atau hasi tersebut menunjukkan bahwa pasien “Memeriksa Ke Dokter”. Parameter yang digunakan dalam penelitian ini adalah sebanyak 14 Parameter.

Kata kunci: K-nearest Neighbor, Aplikasi, Kesehatan mental, Covid-19

ix

APPLICATION OF PSYCHOLOGICAL TREATMENT TO COVID- 19 PATIENTS USING K-NEAREST NEIGHBOR METHOD

Siti Ismi Takarina, 201731085

Under the guidance of Indrianto, S, Kom., MT and Riki Ruli Affandi S., S. Kom.,

ABSTRACT

To build applications and Psychological Treatment for Covid-19 Patients is a website- based application, the K-Nearest Neighbor method is used to process test data to produce test results in the form of patient diagnoses. The K-Nearest Neighbor algorithm process starts from K-Nearest Neighbor0 processing the test input data with the KNN algorithm stages, namely determining parameter 0𝐾 (number of closest neighbors). Calculating the square of the Euclidean distance (query instance) of each object to the given sample data using the 1-dimensional space equation means that the distance calculation only uses one independent variable. Then sort the objects into groups that have the smallest Euclidean distance. Finally, collect the category (Nearest Neighbor Classification) by using the category in the K-Nearest Neighbor method which is the most majority so that the calculated query instance value can be predicted. So after one test the patient was obtained with a classification result of 2.1573786516665 or the results showed that the patient

"checked with the doctor". The parameters used in this study were 14 parameter.

Keywords: K-nearest Neighbor, Application, Mental health, Covid-19

x

DAFTAR ISI

PERNYATAAN KEASLIAN PROYEK SKRIPSI ... i

LEMBAR PENGESAHAN TIM PENGUJI ... iii

KATA PENGANTAR ... iv

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS ... vii

ABSTRAK ... viii

ABSTRACT ... ix

DAFTAR ISI ... x

DAFTAR GAMBAR ... xiii

DAFTAR TABEL ... xv

DAFTAR RUMUS ... xvii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Penelitian ... 3

1.4 Manfaat Penelitian ... 3

1.5 Ruang Lingkup Masalah ... 3

1.6 Sistematika Penulisan ... 3

BAB II LANDASAN TEORI ... 5

2.1 Penelitian Yang Relevan... 5

2.2 Landasan Teori ... 12

2.2.1 Penyakit Covid-19 ... 12

2.2.2 Website ... 18

2.2.3 Hypertext Preprocessor (PHP) ... 18

2.2.4 Hyper Text Markup Language (HTML) ... 20

xi

2.2.5 MySQL ... 21

2.2.6 XAMPP ... 21

2.2.3 Unified Modelling Language ... 22

2.2.9 Flowchart ... 22

2.2.7 K-Nearest Neighbor (KNN) ... 27

BAB III METODE PENELITIAN... 29

3.1 Tempat dan Waktu Penelitian ... 29

3.2 Design Penelitian ... 29

3.3 Metode Pengumpulan Data... 30

3.4 Metode Analisis Data ... 31

3.4.1 Analisis Kebutuhan ... 31

3.3 Perancangan Penelitian ... 36

3.3.1 Perancangan UML (Unified Modelling Language) ... 36

3.3.2 Perancangan Database ... 51

3.3.3 Perancangan Antar Muka... 54

3.4 Teknik Analisis ... 59

3.4.1 K-Nearest Neighbor ... 59

BAB IV HASIL DAN PEMBAHASAN ... 69

4.1 Hasil ... 69

4.2 Pembahasan ... 76

4.2.1 Tahap Implementasi ... 78

BAB V KESIMPULAN DAN SARAN ... 88

5.1 Kesimpulan ... 88

5.2 Saran ... 89

DAFTAR PUSTAKA ... 90

DAFTAR RIWAYAT HIDUP ... 93

xii

LAMPIRAN-LAMPIRAN ... 94

xiii

DAFTAR GAMBAR

Gambar 2. 1 Matriks Perbandingan Jurnal dan Pembaharuan Penelitian ... 5

Gambar 3. 1 Tahapan Penelitian ... 29

Gambar 3. 2 Metode Waterfall (Nurazizah, 2018) ... 32

Gambar 3. 3 Sistem berjalan ... 34

Gambar 3. 4 Sistem Usulan ... 35

Gambar 3. 5 Activity Login ... 41

Gambar 3. 6 Activity Registrasi ... 42

Gambar 3. 7 Activity Kelola Data User ... 42

Gambar 3. 8 Activity Kelola Data Pasien... 42

Gambar 3. 9 Activity Data Pasien ... 43

Gambar 3. 10 Activity Kelola Konsultasi ... 43

Gambar 3. 11 Activity Input Konsultasi ... 44

Gambar 3. 12 Activity Kelola Berita ... 44

Gambar 3. 13 Activity Lihat Berita ... 45

Gambar 3. 14 Activity Pengujian ... 45

Gambar 3. 15 Activity Kelola Laporan ... 46

Gambar 3. 16 Sequence Login ... 46

Gambar 3. 17 Sequence Registrasi... 47

Gambar 3. 18 Sequence Kelola User ... 47

Gambar 3. 19 Sequence Kelola Data Pasien ... 48

Gambar 3. 20 Sequence Lihat Data Pasien ... 48

Gambar 3. 21 Sequence Kelola Konsultasi ... 48

Gambar 3. 22 Sequence Input Konsultasi ... 49

Gambar 3. 23 Sequence Kelola Berita ... 49

Gambar 3. 24 Sequence Berita ... 50

Gambar 3. 25 Sequence Pengujian... 50

Gambar 3. 26 Sequence Kelola Laporan... 50

Gambar 3. 30 Class Diagram ... 51

Gambar 3. 31 Mockup Halaman Utama ... 54

Gambar 3. 32 Mockup Data User ... 55

xiv

Gambar 3. 33 Mockup Data Pasien ... 56

Gambar 3. 34 Mockup Pengujian... 56

Gambar 3. 35 Mockup Notif ... 57

Gambar 3. 36 Mockup Datalatih ... 57

Gambar 3. 37 Mockup Laporan ... 58

Gambar 3. 38 Mockup Konsultasi ... 58

Gambar 3. 39 Mockup Dashboard ... 59

Gambar 4. 1 Halaman Login ... 69

Gambar 4. 2 Halaman Dashboard ... 69

Gambar 4. 3 Form Input Data Petugas ... 70

Gambar 4. 4 Form Input Data Pasien ... 70

Gambar 4. 5 Form Input Data Konsultasi ... 71

Gambar 4. 6 Halaman Data Latih ... 72

Gambar 4. 7 Halaman Berita Publish ... 75

Gambar 4. 8 Halaman Data Notif ... 76

xv

DAFTAR TABEL

Tabel 3. 1 Analisi Kebutuhan Perangkat... 35

Tabel 3. 2 Skenario Login ... 37

Tabel 3. 3 Skenario Registrasi ... 37

Tabel 3. 4 Skenario Kelola User ... 37

Tabel 3. 5 Skenario Kelola Data Pasien ... 38

Tabel 3. 6 Skenario Lihat Data Pasien ... 38

Tabel 3. 7 Skenario Kelola Konsultasi ... 39

Tabel 3. 8 Skenario Input Konsultasi ... 39

Tabel 3. 9 Skenario Kelola Berita ... 39

Tabel 3. 10 Skenario Lihat Berita ... 40

Tabel 3. 11 Skenario Lakukan Pengujian ... 40

Tabel 3. 12 Skenario Kelola Laporan ... 41

Tabel 3. 15 User ... 51

Tabel 3. 16 Pasien ... 52

Tabel 3. 17 Konsultasi... 53

Tabel 3. 18 Berita ... 53

Tabel 3. 19 Laporan ... Error! Bookmark not defined. Tabel 3. 20 Datalatih ... 53

Tabel 3. 21 Pengujian ... Error! Bookmark not defined. Tabel 3. 22 Notif ... Error! Bookmark not defined. Tabel 4. 1 Pengujian Blackbox Testing ... 77

Tabel 4. 2 Data Latih ... 79

Tabel 4. 3 Menginput Data Uji ... 79

Tabel 4. 4 Menghitung jarak Eucledian ... 81

Tabel 4. 5 Mengurutkan hasil data secara Ascending ... 83

Tabel 4. 6 Menentukan jumlah tetangga terdekat (K=5) ... 86

Tabel 4. 7 Menentukan kelompok pada Data Uji berdasarkan Mayoritas ... 86

Tabel 4. 8 Hasil Klasifikasi ... 87

xvi

DAFTAR LAMPIRAN

Lampiran 1 Lembar Bimbingan ... 94

Lampiran 2 Surat Izin Penelitian... 95

Lampiran 3 Form Persetujuan pertanyaan oleh Psikolog ... 96

Lampiran 4 Kuesioner ... 98

Lampiran 5 Berita Wawancara... 101

Lampiran 6 Hasil Wawancara ... 102

Lampiran 7 Form Pengujian oleh Pasien ... 103

xvii

DAFTAR RUMUS

Rumus 2. 1 Jarak Eucliudean ... 28

Rumus 3. 1 Jarak Euclidean ... 59

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Virus adalah Agen infeksi kecil yang berkembang biak dalam sel Inang hidup.0Ketika teridentifikasi, sel inang di paksa cepat menghasilkan puluh ribuan salinan identik dari virus asli. Virus tidak memiliki sel tunggal dan virus baru terbentuk ketika mereka berada di sel inang yang terinfeksi. Virus mempunyai banyak varian, salah satunya adalah virus corona yang menyebabkan penyakit bernama SARS dan MERS.

Pada tahun 20l9 bulan November virus corona menyebabkan penyakit varian baru yang dinamakan covid-l9(Johnson, 2020).

Covid-l9 mulai muncul di kota Wuhan, China. Dimana virus ini berasal keluarga corona virus yang menyebabkan SARS dan MERS. Hingga juni 2021 Covid-19 telah mempunyai kasus sebanyak l8l juta jiwa dan 3,93 juta jiwa yang dinyatakan meninggal akibat Covid-19. Untuk saat ini Covid-19 belum miliki obat untuk penyembuhannya, karena virus memiliki sifat self limiting desease yang berarti siklus hidup ditubuh seseorang selesai, maka pasien akan sembuh. Oleh karena itu, ketika seseorang terjangkit Covid-19 maka yang di obati adalah penyebab penyebab lainnya. Seperti ketika seseorang positif Covid-19 dan mengalami flu, maka gejala flu tersebut yang akan diobati untuk menghindari semakin beratnya penyakit yang disebabkan oleh Covid-19. Selain menyerang organ-organ tubuh Covid-19 juga mempunyai pengaruh besar ke psikologi seseorang yang terjangkit Covid-19(WHO, 2020).

Berdasarkan analisis dari berbagai jurnal mengenai psikologis, stress masyarakat di masa pandemi ini dapat banyak faktor penyebab stress yang dialami masyarakat yaitu stress akademik yang dialami oleh para pelajar, karena saat pembelajaran daring para pelajar tidak dapat belajar dengan langsung dan tugas lapangan yang tidak dapat dilakukan secara langsung. Stress kerja, banyak sekali perusahaan yang melakukan Pemutusan Hubungan Kerja (PHK) kepada karyawannya. Perubahan ekonomi yang terjadi akibat pandemi COVID-19 tidak dapat diterima oleh semua kalangan keluarga, sampai menyebabkan adanya Kekerasan Dalam Rumah Tangga dan juga perceraian.

Pasien Positif Covid-19 tidak sedikit yang terganggu mentalnya atau stres, karena adanya

2

deskriminasi terhadap pasien covid-19, menyebabkan tingkat stres pasien Covid-19 meningkat(Asyla, 2019).

Pasieni Covid-19i tidaki hanyai rentani terhadapi dampaki fisiki penyakiti yangi dideritanya.i Adai dampaki psikologisi yangi berpotensii mengganggui kehidupani pasieni hinggai berakibati fatal.i Menuruti datai WHO,i Covid-19i inii disebabkani olehi virusi coronai menyerangi segalai macami Rasi manusiai dani segalai usia.0Wajari bagii pasieni coronai jikai mengalamii tekanani psikologis.i Banyaknyai kabari seputari penyakiti covid-19i memicui rasai gelisahi dani khawatiri berlebihan.i Perasaani itui padai akhirnyai bisai membuati pasieni mengalamii stressi dani gangguani mentali yangi berujungi padai memburuknyai kondisii Kesehatani (Primaya,i 2020).i i

K-nearesti neighborsi ataui KNNi adalahi algoritmai yangi berfungsii untuki melakukani klasifikasii suatui datai berdasarkani datai pembelajarani (traini datai sets),i yangi diambili darii ki tetanggai terdekatnyai (nearesti neighbors).i Dengani ki merupakani banyaknyai tetanggai terdekat.i K-nearesti neighborsi melakukani klasifikasii dengani proyeksii datai pembelajarani padai ruangi berdimensii banyak.i Ruangi inii dibagii menjadii bagian-bagiani yangi merepresentasikani kriteriai datai pembelajaran.i Setiapi datai pembelajarani direpresentasikani menjadii titik-titiki ci padai ruangi dimensii banyaki (Wahyudi,i 2021).

Setelahi dijabarkani permasalahani diatasi makai 0penulisi akani membuati suatui sistemi yangi akani membantui pasieni positifi covidi dani psikologisi padai perusahaani PT.i PLNi (Persero)i Wilayahi Acehi untuki salingi melakukani interaksii tanpai harusi melakukani tatapi muka.i Sehinggai diharapkani pasieni covid-19i dapati membanguni imuni yangi baiki selamai positifi covidi dengani Kesehatani mentali yangi terjaga.i Sistemi akani berupai aplikasii yangi dimanai padai sistemi tersebuti mempunyaii peranani dalami mengetahuii kondisii mentali pasieni Positifi Covid19.i

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas maka rumusan masalah yang didapatkan seperti dibawah ini:

1) Bagaimana membangun sistem aplikasi perawatan psikologis pada pasien Covid- 19 dengan menggunakan metode KNN?

2) Parameter apa saja yang digunakan dan jumlah jarak yang didapatkan setelah melakukan pengujian?

3 1.2 Tujuan Penelitian

Untuk merancang bangun aplikasi berbasis web untuk proses konsultasi pasien positif Covid dengan dokter psikolog.

1.4 Manfaat Penelitian

1) Output dari penelitian penulis adalah membantu proses konsultasi antara dokter dan pasien, karena data konsultasi dicatat oleh sistem database, dan data dapat dengan mudah diakses dalam keadaan apapun dan akan diakses kembali.

2) Untuk membantu proses penyembuhan mental pasien selama terjangkit COVID- 19.

1.5 Ruang Lingkup Masalah

Berdasarkan latar belakang diatas maka batasan masalah yang didapatkan seperti dibawah ini:

1) Objek penelitian dari penulis adalah kondisi psikologis pasien positif COVID-19.

2) Metode K-Nearest Neighbor adalah metode yang digunakan penulis untuk penelitiannya.

3) Aplikasi lni dapat di akses oleh Admin, Psikolog dan Pasien.

4) Penelitian hanya melakukan implementasi metode, tidak termasuk akurasi metode

1.6 Sistematika Penulisan

Sistematikai penulisani meliputii darii BABi 1i hinggai BABi 5.

BABi Ii PENDAHULUAN

Pembahasi tentangi latari belakangi permasalahani bersertai tujuan,i manfaati dani batasani dalami penelitiani penulis.i

BABi IIi LANDASANi TEORI

Membahasi tentangi penelitiani yangi serupai baiki studii kasusi ataupuni metodei yangi telahi digunakani padai penelitiani sebelumnya,i selaini itui padai babi inii akani membahasi tentangi toolsi ataupuni materi-materii yangi akani digunakani dalami penelitiani penulis.

BABi IIIi METODEi PENELITIAN

4

Membahasi tentangi perancangani sistemi yangi akani dibuati berupai perangcangani UML,i databasei dani tampilani rancangani aplikasi.

BABi IVi HASILi DANi PEMBAHASAN

Merupakani babi yangi membahasi tentangi hasili perancangani yangi telahi dilakukani padai babi sebelumnya.

BABi Vi PENUTUP

Merupakani kesimpulani darii keseluruhani babi yangi telahi dibuati sebelumnyai sertai adai sarani darii penulisi untuki melakukani pengembangani penelitiani untuki penelitii selanjutnya.i

5

BAB II

LANDASAN TEORI

2.1 Penelitian Yang Relevan

Penelitian yang relevan adalah penelitian yang telah dilakukan sebelumnya yang berhubungan dengan Covid-19 dan metode K-Nearest Neighbor yang digunakan penulis dan penelitian ini.

Penelitiani pertama,i COVID-19i telahi dikonfirmasii sebagaii pandemii globali olehi WHOi karenai penyebarannyai dii antarai manusiai sangati cepat.i WHOi mengumumkani akani melakukani physicali distancingi sebagaii salahi satui langkahi preventifi awali dalami memutusi matai rantaii penyebarani Covid-19.i Olehi karenai itu,i perlui adanyai Komunikasii Informasii dani Edukasii Masyarakati (KIE)i secarai langsung.i Tujuani darii penelitiani inii adalahi untuki mengembangkani sistemi informasii deteksii dinii Covid-19i yangi dapati diaksesi secarai onlinei olehi masyarakati untuki memudahkani pemantauani kesehatannyai sendirii dani mendapatkani sarani apai yangi harusi dilakukani masyarakati dani mengurangii risikoi penyebaran.i Metodei pengembangani aplikasii menggunakani designi sprint.i Sistemi Informasii Deteksii Dinii menampilkani pertanyaani yangi akani dijawabi olehi penggunai sebagaii inputi dani menampilkani kondisii kesehatani dengani sarani yangi harusi dilakukani untuki penanganani Covid-19i sebagaii output.i Hasili penelitiani menunjukkani bahwai aplikasii dapati diselesaikani dengani cepati menggunakani metodei designi sprinti dani menerapkani rulei basei yangi telahi dibuati dengani 6i soali dani 3i solusi.i Tahapi validasii menunjukkani bahwai aplikasii dapati diterimai untuki pencegahani Covid-19i (Etikasarii eti al.,i 2020).i

Penelitiani kedua,i Coronai virusi merupakani virusi RNAi straini tunggali positif,i berkapsuli dani tidaki bersegmen.i Coronavirusi tergolongi ordoi Nidovirales,i keluargai Coronai viridae.i Strukturi coronai virusi membentuki strukturi sepertii kubusi dengani proteini Si berlokasii dii permukaani virus.i Proteini Si ataui spikei proteini merupakani salahi satui proteini antigeni utamai virusi dani merupakani strukturi utamai untuki penulisani gen.i Proteini Si inii berperani dalami penempelani dani masuknyai virusi kedalami seli hosti (interaksii proteini Si dengani reseptornyai dii se1i inang).i Coronavirusi bersifati sensitifi terhadapi panasi dani secarai efektifi dapati dinonaktifkani

6

olehi desinfektani mengandungi klorin,i pelaruti lipidi dengani suhui 56℃i selamai 30i menit,i eter,i alkhol,i asami perioksiasetat,i detergeni non-ionik,i formalin,i oxidizingi ageni dani kloroform.i Klorheksidini tidaki efektifi dalami menonaktifkani virus.i Covidi 19i ataui lebihi dikenali dengani sebutani virusi coronai mulaii munculi padai akhiri tahuni 2019,i dani perkembangani jumlahi yangi terinfeksii covidi 19i setiapi harii nyai terusi bertambah,i bahkani jumlahi yangi meninggali duniai lebihi tinggii darii padai jumlahi yangi sembuh.i Orangi yangi lebihi rentani tertulari covidi 19i inii yaitui yangi berusiai 50i tahuni kei atas.0i Permasalahani yangi sedangi dii hadapii sekarangi yaitui masyarakati kesulitani dalami memantaui informasii seputari perkembangani virusi corona.i Tujuani penelitiani inii adalahi untuki membanguni sistemi informasii monitoringi perawatani psikologisi covidi 19i berbasisi web,i tujuannyai untuki memudahkani masyarakati dalami melakukani pemantauani terhadapi perkembangani covid-19i yangi adai dii indonesiai maupuni global.i Tekniki perancangani sistemi menggunakani metodei PIECESi (Performance,i Information,i Economy,i Control,i Eficiencyi andi Service)i dani Toolsi UMLi (Unifiedi Modellingi Languange).Hasili penelitiani inii adalahi sebuahi sitemi informasii monitoringi covid-19i berbasiswebi (Prasetyo,i 2020).i

Penelitiani ketiga,i Penyebarani COVID-19i yangi semakini meningkati membutuhkani strategii yangi tepati untuki memprediksii penyebarannyai dalami memerangii virusi Covid-19.i Inii membuktikani pentingnyai machinei learningi (ML)i dalami mengembangkani dani meningkatkani sistemi perawatani kesehatani dalami skalai global.i KNNi merupakani algoritmai untuki mengklasifikasikani berdasarkani seberapai dekati letaki (jarak)i suatui datai dengani datai lainnya.i Konsepi dasari K-NNi adalahi mencarii jaraki terpendeki antarai datai yangi akani dievaluasii dengani Ki tetanggai terdekatnyai padai datai latih.i Dataseti yangi digunakani dalami penelitiani inii adalahi 260i datai dani berisii 13i parameter.i Darii 260,i 80%i adalahi datai latihi dani 20%i adalahi datai uji.i Dimanai datai trainingi sebesari 208i datai dani datai testingi sebesari 52i data.i Metodei KNNi mampui memberikani prediksii kasusi aktifi penyakiti COVID-19i yangi akurati dengani MSEi sebesari 0,007i dani akurasii sebesari 72,3337%i (Merindai Lestandy,i 2020).

Penelitiani keempat,i Penyakiti coronavirusi (COVID19)i yangi disebabkani olehi sindromi pernafasani akuti yangi parahi coronavirusi 2i (SARSCoV2)i adalahi jenisi

7

barui darii coronavirus.i COVID19i memilikii tingkati penularani yangi tinggii dani dapati berubahi menjadii pandemii dalami jangkai waktui tertentui yangi cepat.i Prosesi penanganani yangi lambani akani mengakibatkani komplikasii hinggai kematian.i Diagnosisi darii COVID-19i dapati dilakukani melaluii pertanyaan.i Dengani pertanyaani yangi diajukani kepadai pasien,i makai tindakani penanganani dapati segerai dilakukani sebelumi tingkati infeksii lebihi lanjuti dani semakini suliti untuki disembuhkan.i Padai umumnyai deteksii COVID-19i menggunakani real-timei reversei transcription- polymerasei chaini reactioni (rRT-PCR).i Dalami Tugasi Akhiri inii dirancangi sebuahi sistemi deteksii COVID-19i berdasarkani citrai X-Rayi yangi berfungsii sebagaii diagnosisi tambahan.i Sistemi dirancangi dengani mengujii 180i citra,i berupai citrai digitali Chesti X-Rayi (CXR)i yangi dibagii menjadii datai latihi dani datai ujii untuki kondisii normal,i pneumoniai dani positifi COVID-19.i Menggunakani metodei Greyi Leveli Co-occurrencei Matrixi (GLCM)i sebagaii ekstraksii cirii citrai dani K-Nearesti Neighbori untuki tahapi klasifikasii dalami sistem.i Darii hasili pengujian,i sistemi mampui melakukani deteksii covid-19i melaluii citrai X-Rayi dengani tingkati nilaii akurasii mencapaii 85,6%.i Akurasii tersebuti didapati melaluii pengujiani terhadapi parameteri padai GLCMi dengani jaraki (d)=4,i suduti (?)=0o,i leveli kuantisasii 8i dani cirii statistiki ordei duai (energy,i contrast,i correlation,i variance,i dani homogeneity)i sertai parameteri nilaii k=1i dani persamaani jaraki Euclideani ataui Minkowskii padai tahapi klasifikasii KNNi (Wahyudi,i 2021).i

Penelitiani kei lima,i Coronai virusi (COVID-19)i merupakani jenisi virusi barui yangi ditemukani padai manusiai dii propinsii Wuhan,i Cinai padai bulani Desemberi 2019.i Virusi inii dapati menulari darii manusiai kei manusiai melaluii tetesani kecili (droplet)i darii hidungi ataui muluti padai saati batuk,i bersin,i ataui berbicara.i Olehi karenai itu,i dii masai pandemii inii sangati pentingi untuki menjagai jaraki dengani orangi laini dani menghindarii wilayahi dengani persebarani COVID-19i yangi tinggi.i Padai penelitiani inii dilakukani klasterisasii persebarani virusi Coronai dii DKIi Jakartai dengani menerapkani metodei datai mining.i Pengelompokani dilakukani berdasarkani parameteri jumlahi ODP,i PDP,i kasusi Positif,i pasieni sembuhi dani pasieni meninggal.i Padai penelitiani ini,i untuki melakukani klasterisasii datai digunakani metodei K-Meansi dani metodei pengukurani jaraki Euclidean.i Penelitiani inii menghasilkani prototipei aplikasii pengelompokani datai persebarani pasieni Covid-19.i Berdasarkani pengujian,i

8

jumlahi klasteri yangi direkomendasikani adalahi 9i klaster.i Hasili penelitiani inii diharapkani dapati membantui pemerintahi DKIi Jakartai dalami mengambili keputusani strategisi dalami mengurangii persebarani virusi Coronai dii DKIi Jakartai (Solichini &i Khairunnisa,i 2020).i

Penelitiani keenam,i K-Nearesti Neighbori merupakani metodei yangi populeri karenai mudahi dikembangkan,i generalisasii multiplikatif,i mudahi dipahami,i mudahi beradaptasii dengani ruangi fituri yangi kompleks,i intuitif,i menarik,i efektif,i fleksibel,i mudahi diterapkan,i sederhanai dani memilikii hasili akurasii yangi baik.i Namun,i K- Nearesti Neighbori memilikii beberapai kelemahan,i antarai laini memberikani boboti yangi samai padai setiapi atribut,i sehinggai atributi yangi tidaki relevani dani atributi terkaiti memilikii dampaki yangi samai terhadapi kesamaani antari data.i Masalahi laini darii K-Nearesti Neighbori adalahi pemilihani tetanggai terdekati dengani systemi suarai terbanyak,i dimanai systemi inii mengabaikani kemiripani setiapi tetanggai terdekati dani kemungkinani munculnyai mayoritasi gandai sertai kemungkinani terpilihnyai outlieri sebagaii tetanggai terdekat.i Masalah-masalahi tersebuti tentui sajai dapati menimbulkani kesalahani klasifikasii yangi mengakibatkani rendahnyai akurasi.i Padai penelitiani kalii inii akani dilakukani peningkatani akurasii darii K-Nearesti Neighbori tersebuti dalami melakukani klasifikasii terhadapi datai Indexi Standari Pencemarani Udarai dii Pekanbarui dengani menggunakani pembobotani atributi (Attibutei Weighting)i dani locali mean.i Adapuni hasili darii penelitiani inii dii dapatii bahwai metodei yangi diusulkani mampui untuki meningkatkani akurasii sebesari 2.42%i dengani rata-ratai tingkati akurasii sebesari 97.09%i (Yuliskai &i Syaliman,i 2020).

Penelitiani kei tujuh,i Penyebarani Pandemii COVID-19i secarai cepati dani luasi mengakibati perubahani signifikani padai segalai aspeki kehidupani masyarakat.i Pandemii psikologii COVID-19i telahi “menyebarkan”i ketakutan,i kecemasani dani kepanikani secarai cepati dii seluruhi dunia.i Adai beberapai dinamikai psikologii pandemici COVID-19i yangi menjadii perhatiani dalami perspektifi psikologii sosial,i yaitui pengolahani informasii dani biasi kognisi,i perubahani emosii dani perilaku,i sertai perngaruhi sosiali dani konformitas.i Dinamikai psikologii itui tidaki lepasi darii interaksii antarai karakteristiki (Zahra,i 2021).i

Penelitiani Kei Delapan,i Kesehatani mentali merupakani aspeki pentingi untuki mencapaii kesehatani secarai keseluruhan.i Tetapii dii sebagiani besari negarai

9

berkembang,i masalahi kesehatani mentali tidaki diprioritaskan.i Pandemii Coronavirusi 19i (COVID-19)i telahi membuati kesehatani mentali menjadii masalahi utamai dii dunia.i Organisasii Kesehatani Duniai (WHO)i telahi mengidentifikasii kesehatani mentali sebagaii bagiani integrali darii tanggapani terhadapi COVID19.i Pandemii COVID19i telahi menimbulkani masalahi yangi berujungi padai gangguani jiwai dengani penyebarani yangi luasi dani angkai kematiani yangi tinggi.i Kebijakani kesehatani mentali dii Indonesiai harusi mengoptimalkani integrasii layanani kesehatani mental.i Pendekatani berbasisi masyarakati dapati memperluasi cakupani pelayanani kesehatani mentali padai masai Pandemii COVID-19.i Pemerintahi harusi mengintegrasikani layanani kesehatani mentali kei dalami layanani berbasisi masyarakati sebagaii carai untuki memastikani cakupani universali pelayanani kesehatani mental.i Modeli pemberdayaani partisipatifi dani bottom-upi menjadii pilihani yangi rasional,i untuki mengatasii masalahi sumberi dayai dani stigmai sebagaii penghalangi keberhasilani programi kesehatani mentali dii Indonesia(Ridlo,i 2020).

Penelitiani kei Sembilan,i (Tarigan,i 2020)i simpulkani bahwai penyakiti menulari menjadii salahi satui penyebabi utamai kematiani dii dunia.i Kondisii inii semakini buruki dengani kondisii lingkungani yangi tidaki sehati menyebabkani beberapai penyakiti infeksii akuti yangi berbahayai menyerangi manusiai sepertii penyakiti yangi bersumberi padai binatang.i Penyakiti inii dapati berpindahi darii satui orangi kei orangi lain,i penularannyai tersebuti bisai terjadii secarai langsungi ataui tidaki langsungi dani jugai bisai menulari melaluii perantarai ataui penghubung.i Penyakiti menulari biasanyai ditandaii dengani adanyai penyebabi penyakiti yangi hidupi dani bisai berpindahi menyerangi inangi (penderita).i Penyakiti menulari disebabkani olehi ageni biologii sepertii halnyai virus,i bakteria,i ataui parasiti dani bukani disebabkani olehi faktori fisiki sepertii lukai bakari ataui zati kimiai (keracunan).i Saati ini,i terdapati kemunculani virusi jenisi barui yangi belumi pernahi diidentifikasii sebelumnyai padai manusiai yaitui Coronavirusi Diseasei (COVID-19).i Penyakiti inii pertamai kalii diidentifikasii padai desember,i 2019i dii Wuhan,i ibui kotai provinsii Hubeii China,i dani sejaki saati itui menyebari secarai global,i mengakibatkani pandemii yangi berkelanjutani yangi memakani banyaki korban.Virusi inii dianggapi alamii dani berasali darii hewani (Tarigan,i 2020).

10

Penelitiani kei Sepuluh,i Padai Januarii 2020i Organisasii Kesehatani Duniai (WHO)i menyatakani wabahi penyakiti virusi coronai baru,i COVID-19,i menjadii Darurati Kesehatani Masyarakati yangi Menjadii Perhatiani Internasional.i WHOi menyatakani bahwai adai risikoi tinggii penyebarani COVID-19i kei negarai laini dii dunia.i Padai Mareti 2020,i WHOmenilaii COVID-19i dapati dikategorikani sebagaii pandemic.i Munculnyai pandemii COVID-19i diberbagaii negarai padai tahuni inii sangati mempengaruhii segalai aspeki dimasyarakat.i Hali tersebuti ditandaii dengani kebijakani yangi dikeluarkani olehi setiapi Negarai untuki mengurangii angkai persebarani virusi COVID-19.i Termasuki dii negarai Indonesia,i pemerintahi mengeluarkani kebijakankebijakani untuki pencegahani penularani pandemici Covid-19i ini,i kebijkani tersebuti salahi satunyai adalahi PSBBi (Pembatasani Sosiali Skalai Besar).i Pembatasani aktivitasi masyarakati sangati berdampaki padai berbagaii aspeki kehidupan,i mulaii darii aspeki ekonomi,i social,i bahkani berdampaki padai aspeki psikologii individu.i Selamai wabahi Covid-19,i berbagaii gangguani psikologisi telahi dilaporkani dani dipublikasikan,i salahi satunyai adalahi stres.i Dengani dampaki sosiali ekonomii darii COVID-19,i tingkati perceraiani puni meningkati (Asyla,i 2019)

Gambar 2. 1 Matriks Perbandingan Jurnal dan Pembaharuan Penelitian No Nama

Penulis

Judul Persamaan Perbedaan

1 Etikasari Sistem Informasi Deteksi Dini Covid- 19

Membahas

penelitian seputar Covid-19

Pada penelitian sebelumnya

digunakan metode pengembangan sistem, dan pada penelitian ini penulis

menggunakan metode pemecahan masalah yaitu KNN 2 Prasetyo Sistem Informasi

Monitoring Covid- 19 Berbasis Web

Membahas perihal Covid-19

Pada penelitian sebelumnya

menggunakan

11

metode

pengembangan sistem, sedangkan pada penelitian penulis

menggunakan metode pemecahan masalah yaitu K-NN 3 Merinda

Lestandy

Prediksi Kasus Aktif Covid-19 Menggunakan

Membahas perihal covid-19 dan metode yang digunakan adalah KNN

Pada penelitian sebelumnya

merupakan sistem prediktif, dan pada penelitian penulis adalah sistem pakar 4 Wahyudi SISTEM DETEKSI

COVID-19

BERDASARKAN CITRA X-RAY MENGGUNAKAN METODE GRAY

LEVEL CO-

OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOUR (K- NN)

Membahas tentang covid-19 dan metode KNN

Pada penelitian sebelumnya

membahas sistem deteksi covid-19, sedangkan

penelitian penulis merupakan sistem pakar monitoring kondisi Kesehatan mental pasien covid.

5 Solichin &

Khairunnisa

Klasterisasi

Persebaran Virus Corona (Covid-19) Di DKI Jakarta Menggunakan Metode K-Means

Membahas tentang covid-19

Metode yang digunakan pada penelitian

sebelumnya adalah metode K-means, sedangkan pada

12

penelitian penulis menggunakan metode K-Nearest Neighbor

6 Yuliska &

Syaliman

Peningkatan

Akurasi K-Nearest Neighbor Pada Data Index Standar Pencemaran Udara Kota Pekanbaru

Metode yang digunakan dalam penelitian yaitu metode K-Nearest Neighbor

Pada penelitian sebelumnya

membahas tentang pencemaran udara di kota pekan baru sedangkan pada penelitian penulis membahas perihal kondisi Kesehatan mental pasien positif covid-19

Pembaharuan penelitian dari penelitian sebelumnya

1 Pada penelitian yang akan dilakukan penulis akan membuat beberapa pembaharuan dari referensi yang telah penulis baca yaitu:

a. K-Nearest Neighbor digunakan untuk mendapatkan hasil pakar kondisi kesehatan mental pasien positif covid-19

b. Aplikasi yang dibuat akan berbasis website

2.2 Landasan Teori

Landasan teori merupakan pembahasan perihal teori ataupun materi yang digunakan dalam penelitian penulis.

2.2.1 Penyakit Covid-19

COVID-19i (coronavirusi diseasei 2019)i adalahi jenisi penyakiti barui yangi disebabkani olehi virusi darii golongani coronavirus,i yaitui SARS-CoV-2i yangi jugai seringi disebuti virusi Corona(AloDokter,i 2021).

Kasusi pertamai penyakiti inii terjadii dii kotai Wuhan,i Cina,i padai akhiri Desemberi 2019.i Setelahi itu,i COVID-19i menulari antarmanusiai dengani

13

sangati cepati dani menyebari kei puluhani negara,i termasuki Indonesia,i hanyai dalami beberapai bulan(AloDokter,i 2021).

Penyebarannyai yangi cepati membuati beberapai negarai menerapkani kebijakani untuki memberlakukani lockdowni untuki mencegahi penyebarani virusi Corona.i Dii Indonesia,i pemerintahi menerapkani kebijakani Pembatasani Sosiali Berskalai Besari (PSBB)i untuki menekani penyebarani virusi ini.

AdalahMenuruti datai yangi dirilisi Gugusi Tugasi Percepatani Penanganani COVID-19i Republiki Indonesia,i jumlahi kasusi terkonfirmasii positifi hinggai 05i Meii 2021i adalahi 1.677.274i jiwai dengani jumlahi kematiani 45.796i jiwa.i Darii keduai angkai inii dapati disimpulkani bahwai casei fatalityi ratei ataui tingkati kematiani yangi disebabkani olehi COVID-19i dii Indonesiai adalahi sekitari 2,7%.i Casei fatalityi ratei adalahi presentasei jumlahi kematiani darii seluruhi jumlahi kasusi positifi COVID-19i yangi sudahi terkonfirmasii dani dilaporkan.i Merujuki padai datai tersebut,i tingkati kematiani (casei fatalityi rate)i berdasarkani kelompoki usiai adalahi sebagaii berikuti (AloDokter,i 2021):

• 0–5i tahun:i 0,58%

• 6–18i tahun:i 0,20%

• 19–30i tahun:i 0,30%

• 31–45i tahun:i 1,06%

• 46–59i tahun:i 4,36%

• >60i tahun:i 11,98%

Darii seluruhi penderitai COVID-19i yangi meninggali dunia,i 0,6%i berusiai 0–5i tahun,i 0,7%i berusiai 6–18i tahun,i 2,8%i berusiai 19–30i tahun,i 11,4%i berusiai 31–45i tahun,i 35,9%i berusiai 46–59i tahun,i dani 48,7%i berusiai 60i tahuni kei atas.i Sedangkani berdasarkani jenisi kelamin,i 56,6%i penderitai yangi meninggali akibati COVID-19i adalahi laki-lakii dani 43,4%i sisanyai adalahi perempuan(AloDokter,i 2021).

PENYEBABi COVID-19

COVID-19i disebabkani olehi SARS-CoV-2,i yaitui virusi jenisi barui darii coronavirusi (kelompoki virusi yangi menginfeksii sistemi pernapasan).i Infeksii virusi Coronai bisai menyebabkani infeksii pernapasani ringani sampaii sedang,i sepertii flu,i ataui infeksii sistemi pernapasani dani paru-paru,i sepertii

14

pneumonia.i Padai penghujungi tahuni 2020,i beberapai laporani kasusi menyebutkani bahwai virusi Coronai telahi bermutasii menjadii beberapai jenisi ataui variani baru,i misalnyai variani delta.

COVID-19i awalnyai ditularkani darii hewani kei manusia.i Belakangani inii ditemukani bahwai infeksii inii jugai dapati menyebari darii orangi kei orang.i Transmisii dapati dilakukani dengani carai berikut:(AloDokter,i 2021):

1) Tidaki sengajai menghirupi percikani ludahi (droplet)i yangi keluari saati penderitai COVID-19i bersini ataui batuk

2) Memegangi mulut,i hidung,i ataui matai tanpai mencucii tangani terlebihi dulu,i setelahi menyentuhi bendai yangi terkenai dropleti penderitai COVID-19

3) Kontaki jaraki dekati (kurangi darii 2i meter)i dengani penderitai COVID- 19i tanpai mengenakani masker

CDCi dani WHOi menyatakani COVID-19i jugai bisai menulari melaluii aerosoli (partikeli zati dii udara).i Meskii demikian,i carai penularani inii hanyai terjadii dalami proseduri medisi tertentu,i sepertii bronkoskopi,i intubasii endotrakeal,i hisapi lendir,i dani pemberiani obati hirupi melaluii nebulizer(AloDokter,i 2021).

PENGARUHi COVIDi TERHADAPi PSIKOLOGISi PASIENi

Kesehatani mentali dalami kondisii pandemiki COVID-19/coronavirusi diseasei 2019i perlui penanganani tersendirii karenai telahi mengubahi beberapai aspeki kehidupan,i termasuki sociali distancing,i karantinai dani isolasii diri,i beraktivitasi dii rumah,i panici buying,i hinggai perubahani penanganani dii fasilitasi kesehatan.i Kondisii yangi berubahi dengani begitui cepat,i untuki waktui yangi tidaki dapati ditentukani lamanya,i sertai pemberitaani secarai terus- menerus,i menyebabkani perubahani kesehatani mental.i Surveii yangi dilakukani dii Tiongkoki menunjukkani peningkatani gangguani ansietas,i panik,i dani depresi,i terkaiti kondisii perubahani yangi terjadi.i (AloDokter,i 2021)

Faktori yangi Mempengaruhii Distresi Psikologis

Sebuahi surveii mengenaii distresi psikologisi terkaiti COVID-19,i dilakukani dii Tiongkok,i Hongi Kong,i Macau,i dani Taiwan,i melibatkani 52.730i responden.i Hasili surveii menunjukkani beberapai faktori yangi

15

berperani meningkatkani distresi psikologis,i sepertii peningkatani gangguani cemasi menyeluruh,i panik,i dani depresi,i yaitui (WHO,i 2020):

1) Jenisi kelamini wanitai lebihi rentani mengalamii stresi dani dapati mengalamii posti traumatici stressi disorderi /i PTSD

2) Usiai 18-30i tahuni ataui diatasi 60i tahuni lebihi rentan,i karenai usiai 18- 30i tahuni merupakani usiai produktifi dani lebihi banyaki mendapatkani informasii darii sosiali mediai sehinggai meningkatkani terjadinyai stres.i Sementara,i tingginyai tingkati kematiani padai pasieni berusiai diatasi 60i tahuni membuati terjadinyai distresi psikologisi yangi meningkati padai kelompoki usiai tersebut

3) Tingkati pendidikani yangi lebihi tinggii berkaitani dengani self- awarenessi terhadapi kesehatani yangi lebihi tinggi,i sehinggai merekai mudahi mengalamii stres

4) Pekerjai yangi bermigrasii mengalamii peningkatani distresi terkaiti kekhawatirani risikoi penularani darii transportasii publik,i sertai penurunani pendapatani akibati penundaani ataui pengurangani pekerjaan 5) Masyarakati yangi tinggali dii dekati dengani regioi sentrali kasusi

tertinggi

Hali laini yangi akani mempengaruhii tingkati distresi psikologis,i adalahi tersedianyai sumberi dayai kesehatan,i efisiensii sistemi kesehatani publik,i sertai tindakani mengontroli dani preventifi yangi dilakukani pemerintahi terhadapi situasii pandemiki tersebut(WHO,i 2020).

Kesehatani Mentali Terkaiti Karantina

Karantinai merupakani salahi satui langkahi yangi diambili untuki mencegahi penyebarani wabahi virusi corona.i Tindakani inii dilaporkani memberikani efeki perburukani psikologis,i termasuki terjadinyai gejalai PTSD,i kebingungan,i dani kemarahan.i Faktor-faktori yangi dianggapi menjadii stressori selamai karantina,i antarai lain(WHO,i 2020):

1) Durasii karantinai yangi lebihi panjangi darii 10i harii berhubungani dengani meningkatnyai gangguani mentali khususnyai gejalai PTSD,i perilakui menghindari dani kemarahan

16

2) Ketakutani akani infeksii yangi dialamii dani menularkani kei orangi lain.i Ketakutani inii khususnyai terjadii padai wanitai hamili dani merekai yangi memilikii anaki kecil

3) Frustasii dani kebosanani terjadii akibati seseorangi kehilangani rutinitasi harian,i dani terjadii pengurangani kontaki fisiki dani sosiali dengani orangi lain,i termasuki akibati perasaani menjadii terisolasii darii duniai sekitar

4) Tidaki memilikii cukupi cadangani kebutuhani dasar,i sepertii makanan,i minuman,i pakaian,i ataui akomodasi,i termasuki obat-obatani hinggai alati pelindungi diri.

Pascai karantinai dapati menimbulkani stressori barui berupa:

1) Sebuahi penelitiani dii Koreai menyatakani gejalai cemasi dani kemarahani tetapi bertahani padai 4i hinggai 6i bulani setelahi selesaii karantina

2) Penurunani ataui kehilangani sokongani finansiali terutamai bagii pekerjai dengani tingkati pendapatani rendah.i Hali inii menjadii faktori risikoi terjadinyai kemarahani dani ansietasi dii beberapai bulani setelahi karantinai selesai,i sertai berkembangnyai distresi sosio-ekonomi

3) Stigmai terhadapi orangi yangi mengalamii karantinai berupai diperlakukani berbeda,i dihindari,i tidaki diundangi dalami acarai sosial,i dianggapi menakutkani dani berbahaya,i dianggapi menularkan,i sertai mendapati kritikan

4) Bagii tenagai medisi yangi bekerjai mengatasii wabah,i mendapatkani pandangani darii keluargai bahwai pekerjaannyai terlalui berisikoi dani menimbulkani ketegangani dii dalami keluarganya.i Beberapai tenagai kesehatani maupuni pasieni yangi dapati selamati darii wabahi jugai menunjukkani ketakutani untuki kembalii bekerjai karenai merasai takuti dirinyai menjadii sumberi penyebarani penyakit.i

5) Kekurangani informasii resmii darii pemerintahi mengenaii panduani langkahi yangi perlui dilakukan,i pembagiani tingkati berisiko,i dani tujuani darii karantina.i Informasii yangi kurangi inii merupakani salahi satui prediktori timbulnyai gejalai PTSD.i

17 Kesehatani Mentali Pasien

Kesehatani mentali pasieni akani dipengaruhii olehi keparahani gejala,i komplikasi,i gejalai sisa,i efeki terapi,i maupuni kemampuani mengaksesi layanani kesehatan.i Kesulitani menjalanii fungsii sehari-harii akibati gejalai penyakiti ataui gejalai sisai yangi dialamii dapati menyebabkani gangguani kesehatani mentali seseorang.i Beberapai pasieni dapati mengalamii perasaani tidaki berdaya,i bahkani perasaani dukai akibati kehilangani orang-orangi terdekati merekai termasuki sesamai pasieni dalami perawatan.i Selaini itu,i adanyai penyebarani infeksii kei sistemi sarafi pusati dapati menyebabkani terjadinyai gejalai neuropsikiatrii tergantungi areai otaki yangi terkena.i Gejalai neuropsikiatrii tersebuti dapati bersifati menetapi ataupuni mengalamii perbaikani setelahi infeksii teratasii (WHO,i 2020).

Pasieni lansiai digolongkani sebagaii pasieni yangi rentani karenai memilikii risikoi penularani yangi lebihi tinggii dani memilikii keterbatasani untuki mengaksesi layanani kesehatan.i Gejalai depresii jugai seringi ditemuii sebagaii akibati langsungi darii keterbatasani yangi merekai miliki(WHO,i 2020).

Penanganani Psikologis

Prinsipi krisisi intervensii yangi dapati dilakukani selamai masai pandemik,i adalahi memahamii statusi mentali populasii yangi berbedai yangi diinduksii olehi pandemii yangi terjadi;i mengidentifikasii orangi yangi memilikii risikoi tinggii melakukani bunuhi dirii dani tindakani agresif;i menyediakani intervensii psikologisi padai orangi yangi membutuhkan.i Populasii berdasarkani targeti penanganani terbagii menjadii empati tingkatan,i yaitui (WHO,i 2020):

1) Tingkati 1,i populasii yangi palingi rentani mengalamii masalahi kesehatani mental,i sepertii pasieni yangi sedangi dirawati terkonfirmasii COVID-19,i pasieni dengani kondisii fisiki kritis,i tenagai medis,i dani stafi administrasii dii gardai terdepan.

2) Tingkati 2,i pasieni karantina,i termasuki isolasii dirii ataui pasieni dengani gejalai minimali yangi kontaki dengani pasieni tersangkai COVID-19.

18

3) Tingkati 3,i populasii yangi kontaki erati dengani individui tingkati 1i dani 2,i sepertii keluarga,i rekani kerja,i teman,i dani regui penyelamati ataui pekerjai sukarelawani yangi terlibati selamai penanganan.

4) Tingkati 4,i populasii orangi yangi mengalamii dampaki darii kegiatani preventifi dani pengontrolani public.

2.2.2 Website

Websitei merupakani sekumpulani halamani padai suatui hali yangi berpengaruhi dii internet,i dibanguni untuki tujuani tertentui yangi salingi terkaitani dani dapati dii aksesi secarai luasi melaluii homepagei menggunakani browseri menggunakani URLi website(Waryanto,i 2018).i

Websitei pertamai kalii dibuati olehi Timi Berners-Leei padai akhiri 1980-ani dani resmii onlinei padai tahuni 1991.i Websitei mempunyaii 3i unsur,i tanpai adanyai unsuri websitei ini,i makai tidaki dapati ditemukani ataui diaksesi olehi penggunai dii internet.i Unsuri tersebuti meliputi(Waryanto,i 2018):i

1) Domain.i Situsi webi sepertii produk,i jadii namai domaini adalahi merek.i Penggunai Domaini yangi menariki membuati orangi ataui penggunai tertariki untuki memasukii situsnya.i Dengani pemilihani namai domaini yangi uniki jugai membuati orangi mudahi mengingatnyai dani nantinyai akani dikunjungii kembali.i

2) Hosting.i Tidaki kalahi pentingnyai dengani Domain,i hostingi memilikii perani untui menyimpani semuai databasei (script,i gambar,i video,i teksi dani laini sebagainya)i yangi diperlukani untuki membentuki suatui website.i Jasai hostingi jugai sudahi sangati banyaki dii Indonesia.i

3) Konten.i Tanpai adanyai konteni websitei dapati dikatakani tidaki memilikii tujuani yangi jelas.i Konteni padai websitei dapati berupai teks,i gambari ataui video.i Darii konteni yangi disediakan,i adai beberapai macami website.i Misalnyai saja,i sociali media,i websitei berita,i websitei juali belii ataui websitei yangi berisii konteni yangi berdasarkani minat,i bakati sertai hobi.i

2.2.3 Hypertext Preprocessor (PHP)

PHPi merupalami bahasani (scriptingi language)i yangi dibuati secarai khususi untuki penggunaani padai Web.i PHPi adalahi alati untuki membuatani

19

halamani webi yangi dinamis.i Kayai akani fiturei yangi membuati perancangani Webi dani pemrogramani lebihi mudah.i PHPi singkatani darii HyperTexti Preprocessor.i Padai awali pengembangannyai olehi Rasmusi Lerddorf,i diai menyebutkannyai sebagaii toolsi Personali Homei Page.i PHPi jugai dimaksudkani untuki menggantikani teknologii lamai sepertii CGIi (Commoni Gatewayi Interface).i PHPi merupakani aplikasii webi yangi dinamis,i dengani menggunakani perangkati lunaki tambahan,i perubahani informasii dalami halaman-halamani webi dapati ditanganii melaluii perubahani data,i bukani melaluii perubahani program.i Sebagaii implementasinya,i aplikasii webi dinamisi dapati dilakukani olehi operatori ataui yangi bertanggungi jawabi terhadapi kemuktahirani datai dani tidaki menjadii tanggungi jawabi pemrogrami ataui webi master(Thomson,i 2001).i

Kelebihani PHPi i

1) Bisai membuati Webi menjadii Dinamisi

2) PHPi bersifati Openi Sourcei yangi berartii dapati digunakani olehi siapai sajai secarai gratisi

3) Programi yangi dibuati dengani PHPi bisai dijalani olehi Semuai Sistemi Operasii karenai PHPi berjalani secarai Webi Basei yangi diartinyai semuai sistemi Operasii bahkani HPi yangi mempunyaii Webi Browseri dapati menggunakani programi PHP.i

4) Aplikasii PHPi lebihi cepati dibandingkani dengani ASPi maupuni Java.i 5) Mendukungi banyaki paketi Databasei sepertii MySQL,i Oracle,i

PostgrSQL,i dani lain-lain.i

6) Bahasai pemrogramani PHPi tidaki memerlukani Kompilasii /i Compilei dalami penggunanya.i

7) Banyaki Webi Serveri yangi mendukungi PHPi sepertii Apache,i Lighttpd,i IISi dani lain-lain.i

8) Pengembangani Aplikasii PHPi mudahi karenai banyaki Dokumentasi,i Referensii dani Developeri yangi membantui dalami pengembangannya.i 9) Banyaki bertebarani Aplikasii dani Programi PHPi yangi Gratisi &i siapi

pakaii sepertii WordPress,i Prestashop,i dani lain-lain.i

20 Kekurangani PHP

1) PHPi tidaki mengenali Package.i

2) Jikai tidaki dii encoding,i makai kodei PHPi dapati dibacai semuai orangi dani untuki mengi encodingi dibutuhkani tooli darii zendi yangi mahali sekalii biayanya.i

3) PHPi memilikii kelemahani keamanan.i Jadii programmeri harusi sangati telitii dani berhati-hatii dalami melakukani pemrogramani dani konfigurasii PHP.i

2.2.4 Hyper Text Markup Language (HTML)

HTMLi merupakani singkatani darii Hyperi Texti Markupi Language,i Hyperi Texti adalahi katai ataui frasei yangi terdapati menunjukkani hubungani suatui naskahi dokumeni dengani naskah-naskahi lainnyai (Jonathan,i 2012)

HTMLi (Hyperi Texti Markupi Language)i adalahi sebuahi bahasai markupi yangi digunakani untuki membuati sebuahi halamani webi dani menampilkani berbagaii informasii dii dalami sebuahi browseri Internet.i Bermulai darii sebuahi bahasai yangi sebelumnyai banyaki digunakani dii duniai penerbitani dani percetakani yangi disebuti dengani SGMLi (Standardi Generalizedi Markupi Language),i HTMLi merupakani sebuahi standari yangi digunakani secarai luasi untuki menampilkani halamani web.i HTMLi saati inii merupakani standari interneti yangi didefinisikani dani dikendalikani penggunaannyai olehi Worldi Widei Webi Consortiumi (W3C).i Hyperi Texti Markupi Languagei (HTML)i adalahi sebuahi Bahasai markupi yangi digunakani untuki membuati sebuahi halamani web,i menampilkani berbagaii informasii didalami sebuahi penjelajahi webi interneti dani formati hypertexti sederhanai yangi ditulisi kei dalami berkasi formati ASCIIi agari dapati menghasilkani tampilani wujudi yangi terintegrasii (Blogvrman,i 2009).i HTMLi menjadii utamai dalami membanguni ha1amani web.i Namun,i HTMLi bersifati statisi sehinggai menyulitkani dalami mengolahi dani memperbaharuii isii halamani darii halamani web.i Olehi karenai itu,i HTMLi dipadankani dengani Bahasai pemrogramani webi yangi bersifati dinamisi sepertii ASP,i PHPi dani sebagainya(Jonathan,i 2012).i

21 2.2.5 MySQL

Beberapai pengertiani MYSQLi menuruti parai ahli:

1) Menuruti raharjoi (2011),i MySQLi merupakani RDBMSi (ataui serveri database)i yangi mengelolai databasei dengani cepati menampungi dalami jumlahi sangati besari dani dapati dii aksesi olehi banyaki user.i

2) Menuruti kadiri (2008),i MySQLi itui merupakani sbeuahi softwarei openi sourcei yangi digunakani untuki membuati sebuahi database.i 3) Menuruti Ariefi (2011),i MySQLi 0adalahi sakahi satui jenisi

databasei serveri yangi sangati terkenali dani banyaki digunakani untuki membanguni aplikasii webi yangi menggunakani databasei sebagaii sumberi dani pengolahani data,i

Berdasarkani beberapai pendapati parai ahlii yangi dikemukakani dii atasi dapati ditariki kesimpulani bahwai databasei adalahi sekelompoki datai yangi mempunyaii ciri-cirii khususi dani dapati dikelolai sedemikiani rupai sehinggai bisai menghasilkani sebuahi formati datai yangi baru.i

2.2.6 XAMPP

XAMPPi adalahi softwarei webi serveri yangi bisai dipakaii untuki mengakomodasii sistemi operasii yangi dipakaii (X),i Apache(A),i MySQL(M),i PHP(P),i dani Perli (P).i XAMPPi memilikii banyaki paketi untuki berbagaii sistemi operasii yangi adai didunia,i sepertii Windows,i Maci OS,i ataui Linux.i XAMPPi ditujukani untuki pekerjaani pengembangani programi locali sajai dani tidaki disarankani untuki tahapi produksi,i aliasi dijalankani dii internet,i karenai walaupuni strukturnyai samai sepertii dii computeri serveri biasa,i tapii kurangi secure,i sehinggai mudahi dii hacki ketikai menjalankani programi dii tahapi produksii dengani menggunakani XAMPP.i (Edii Winarnoi dkk,i 2014).i Programi inii tersediai dalami GNUi (Generali Publici License)i dani bebas,i merupakani webi serveri yangi mudahi digunakani yangi dapati melayanii tampilani halamani webi yangi dinamis.i Mengenali bagiani XAMPPi yangi biasai digunakani padai umumnya(Kurniawan,i 2018):i

1) Htdoci adalahi folderi tempati meletakkani berkas-berkasi yangi akani dijalankan,i sepertii berkasi PHP,i HTMLi dani Scripti lain.i

22

2) phpMyAdmini merupakani bagiani untuki mengelolaai basisi datai MySQLi yangi adai dikomputer.i Untuki membukanya,i bukai browseri lalui diketikkani alamati http://locaalhost/phpMyAdmin,i makai akani munculi halamani phpMyAdmin.i

3) Controli paneli yangi berfungsii untuki mengelolai layanani (service)i XAMPP.i Sepertii menghentikani (stop)i layanan,i ataui memulaii (start).i 2.2.3 Unified Modelling Language

Adai beberapai definisii Unifiedi Modelingi Languagei (UML),i dani tujuannyai padai dasarnyai sama.i UMLi adalahi bahasai grafisi yangi digunakani untuki merekam,i mendeskripsikan,i dani membuati sistemi perangkati lunak.i UMLi adalahi bahasai pemodelani yangi bergunai untuki mendokumentasikan,i membangun,i memvisualisasikani dani jugai mendefinisikani artefaki sistem.i Dengani menggunakani UML,i kitai dapati membuati modeli untuki semuai jenisi aplikasii perangkati lunaki yangi dapati dijalankani padai perangkati kerasi apai pun,i sistemi operasii apai pun,i dani jaringani apai pun,i dani dapati ditulisi dalami bahasai pemrogramani apai pun.i Umumnyai digunakani dalami (Haviluddin,i 2011)i :i

Unifiedi Modelingi Languagei (UML)i menjelaskani keterbatasani sistemi dani fungsii sistemi secarai keseluruhan,i yangi dilakukani melaluii usei casei dani actor.i

1) Jelaskani operasii ataui prosesi bisnisi yangi biasanyai dilakukani dengani menggunakani diagrami interaksi.i

2) Mendeskripsikani representasii strukturi statisi sistemi dalami bentuki diagrami kelas.i

3) Gunakani diagrami transisii keadaani untuki membuati modeli behaviori yangi "menggambarkani perilakui ataui sifati sistem".i

4) Gunakani gambari desaini dani komponeni untuki membanguni implementasii fisik.i

5) Gunakani stereotipi untuki menyampaikani ataui meningkatkani fitur.i UMLi menjembatanii kesenjangani antarai berbagaii aspeki sistemi melaluii grami yangi dapati digabungkani dengani diagram.i Adai banyaki diagrami dalami UMLi yangi dapati mewakilii representasii berbedai darii perangkati

23

lunaki yangi Andai buat.i Diagram-diagrami yangi digunakani (Haviluddin,i 2011):i

1) Salingi bertukari pikiran.i

2) Menghasilkani ide-idei barui dani kemungkinan-kemungkinani baru.i 3) Mengujii idei dani membuati prediksi.i

4) Memahamii strukturi dani hubungannya.i

Sepertii bahasai lainnya,i UMLi mendefinisikani simbol,i sintaks,i ataui semantik.i Notasii UMLi adalahi seperangkati metodei khususi untuki menggambarkani berbagaii diagrami perangkati lunak.i Setiapi bentuki memilikii artii tertentu,i dani sintaksi UMLi mendefinisikani carai menggabungkani bentuk- bentuki ini.i Notasii UMLi terutamai terdirii darii tigai notasi:i notasii yangi ada,i termasuki Gradyi Boochi OODi (desaini berorientasii objek),i Jimi Rumbaughi OMTi (metodei komposisii berorientasii objek),i dani Ivari Jacobsoni OOSEi (perangkati lunaki berorientasii objek).i Penggunaani alati desaini Unifiedi Modelingi Languagei (UML)i untuki membuati proyeki sistemi melibatkani beberapai langkah,i yaitui langkah-langkahi berikuti (Haviluddin,i 2011):

1) Usei case

Usei casei diagrami merupakani modeli perilakui (behavior)i darii sistemi informasii yangi akani dibuat.i Usei casei menggambarkani interaksii antarai satui ataui lebihi partisipani dengani sistemi informasii yangi akani dibuat.i Dapati dikatakani bahwai usei casei inii bergunai agari dapati mengetahuii berbagaii fungsii jenisi apai sajai yangi tersediai dalami sistemi informasii dani siapai sajai yangi memilikii haki untuki mempergunakani fungsii ini.i Simboli berikuti digunakani dalami diagrami usei casei (Haviluddin,i 2011):

24

Gambari 2.i 2i Tabeli Atributi Usecase 2) Diagrami Aktivitasi (Activityi Diagram)

Activityi Diagrami menggambarkani workflowi (alirani kerja)i ataui aktivitasi darii sebuahi Sistemi ataui prosesi bisnis.i Simbol-simboli yangi digunakani dalami activityi diagram,i yaitui (Haviluddin,i 2011):

Gambari 2.i 3i Tabeli Atributi Activity

25 3) Classi Diagrami (Diagrami Kelas)

Inii adalahi hubungani antarai kelas-kelasi dalami modeli desaini sistemi dani deskripsii rincii darii setiapi kelas,i jugai menunjukkani aturani dani tanggungi jawabi entitasi yangi menentukani perilakui sistemi (Haviluddin,i 2011).

Gambari 2.i 4i Simboli Classi Diagram

Diagrami kelasi jugai menunjukkani atributi dani operasii kelasi dani batasani yangi terkaiti dengani objeki terkaitnya.i Diagrami kelasi biasanyai meliputi:i kelasi (class),i hubungan,i asosiasi,i generalisasii dani agregasi,i atributi (atribut),i operasii (operasi/metode),i visibilitas,i tingkati aksesi objeki eksternali kei operasii ataui atribut.i Hubungai antarkelasi adai deskripsii yangi disebuti multiplisitasi ataui kardinalitasi (Haviluddin,i 2011).

Tabeli 2.i 1i Atributi Classi Diagram Multiplicity Penjelasan

1 Satui dani hanyai satu

0..* Bolehi tidaki adai ataui 1i ataui lebih 1..* 1i ataui lebih

0..1 Bolehi tidaki ada,i maksimali 1

26

n..n Batasani antar.i Contohi 2..4i mempunyai artii minimali 2i maksimumi 4

4) Diagrami Urutani (Sequencei Diagram)

Sequencei Diagrami menggambarkani kelakukani objeki adai usei casei dengani mendeskripsikani waktui hidupi objeki dani pesani yangi dikirimkani dani diterimai antari objek.i Simbol-simboli yangi digunakani dalami Sequencei diagram,i yaitui (Haviluddin,i 2011):

Gambari 2.i 5i Tabeli Atributi Sequencei Diagram 2.2.9 Flowchart

Flowcharti adalahi adalahi suatui bagani dengani simbol-simboli tertentui yangi menggambarkani urutani prosesi secarai mendetaili dani hubungani antarai suatui prosesi (instruksi)i dengani prosesi lainnyai dalami suatui program.i Dalami perancangani flowcharti sebenarnyai tidaki adai rumusi ataui patokani yangi bersifati mutlaki (pasti).i Hali inii didasarii olehi flowcharti (bagani alir)i adalahi sebuahi gambarani darii hasili pemikirani dalami menganalisai suatui

27

permasalahani dalami komputer.i Karenai setiapi analisai akani menghasilkani hasili yangi bervariasii antarai satui dani lainnya.i Kendatii begitui secarai garisi besari setiapi perancangani flowcharti selalui terdirii darii tigai bagian,i yaitui input,i prosesi dani outputi (Prasetyo,i 2020).

Gambar 2. 6 Simbol Flowchart 2.2.7 K-Nearest Neighbor (KNN)

K-Nearesti Neighbori merupakani salahi satui metodei untuki mengambili keputusani menggunakani pembelajarani terawasii dimanai hasili darii datai masukani yangi barui diklasifikasii berdasarkani terdekati dalami datai nilaii (Abidini eti al.,i 2017).i

Algoritmai K-Nearesti Neighbori (K-NN)i adalahi sebuahi metodei untuki melakukani klasifikasii terhadapi objeki yangi berdasarkani darii datai pembelajarani yangi jaraknyai palingi dekati dengani objeki tersebut.i K-Nearesti Neighbori merupakani algoritmai supervisedi learningi dimanai hasili darii queryi instancei yangi barui diklasifikani berdasarkani mayoritasi darii kategorii padai algoritmai K-Nearesti Neighbor.i Dimanai kelasi yangi palingi banyaki munculi

28

yangi nantinyai akani menjadii kelasi hasili darii klasifikasi(Abidini eti al.,i 2017).i

Kedekatani didefinisikani dalami jaraki metrik,i sepertii jaraki Euclidean.i Jaraki Euclideani dapati dicarii dengani menggunakani persamaani 1i berikuti ini:

D𝑥𝑦 = √∑(𝑥𝑖 − 𝑦𝑖)²

𝑛

𝑖=1

Rumusi 2.i 1i Jaraki Eucliudean Keterangan:i

𝐷:i Jaraki kedekatani 𝑆:i Datai trainingi 𝐸:i Datai testingi

𝐺:i Jumlahi atributi individui antarai 1i s.d.i 𝐺i

𝑓:i Fungsii similitaryi atributi 𝐺i antarai kasusi 𝑋i dani kasusi 𝑌i 𝐺i =i Atributi individui antarai 1i sampaii dengani 𝐺

Langkah-langkahi untuki menghitungi metodei K-Nearesti Neighbori antarai lain0:i

1) Menentukani parameteri 𝐾i (jumlahi tetanggai palingi dekat).i

2) Menghitungi kuadrati jaraki Euclidi (querii instance)i masing-masingi objeki terhadapi datai sampeli yangi diberikani menggunakani persamaani 1.i

3) Kemudiani mengurutkani objek-objeki tersebuti kei dalami kelompoki yangi mempunyaii jaraki Euclidi terkecil.i

4) Mengumpulkani kategorii 𝑌i (Klasifikasii Nearesti Neighbor)i

5) Dengani menggunakani kategorii Nearesti Neighbori yangi palingi mayoritasi makai dapati diprediksii nilaii queryi instancei yangi telahi dihitung.i