TEXT MINING UNTUK FORECASTING KEBUTUHAN APD DI KOTA PADANG

Inna Kholidasari, Riska Amelia, Lestari Setiawati

Abstract


Pandemi Covid-19 yang terjadi pada saat ini telah menjadi bencana non alam global yang hingga per tanggal 27 Januari 2021 telah menginfeksi lebih dari 101 juta orang dan lebih dari 2,1 juta orang dinyatakan meninggal akibat terpapar virus Corona. Pandemi ini menjadi permasalahan besar yang melingkupi hampir seluruh negara di dunia. Walaupun pada saat ini telah ditemukan vaksin yang dapat digunakan untuk membangun kekebalan tubuh manusia terhadap virus ini, namun menjalankan kebiasaan hidup baru (new normal) dan patuh dalam melaksanakan protokol kesehatan (mencuci tangan dengan sabun-memakai masker-menjaga jarak fisik dan menghindari kerumunan) masih menjadi cara paling jitu dalam meutus rantai penyebaran Covid-19. Untuk dapat menjalankan protokol kesehatan ini, penggunaan APD menjadi hal yang sangat penting bagi masyarakat umum. Namun, kekurangan dan keterbatasan APD menjadi permasalahan baru di berbagai daerah. Kekurangan APD di berbagai daerah, termasuk di Kota Padang Provinsi Sumatera Barat ditandai dengan ketidaktersdiaan APD di berbagai toko obat dan apotek serta swalayan. Kondisi ini menyebabkan kekhawatiran masyarakat terhadap pemenuhan kebutuhan APD dan menjadi pemicu terjadinya panic buying. Ketidakpastian kebutuhan APD menjadi penyebab sulitnya pengambil keputusan dalam menentukan mengelola pengadaan APD tersebut. Sehingga perlu dilakukan suatu kajian yang memprediksi kebutuhan APD di masa pandemi Covid-19. Penelitian ini bertujuan untuk menghasilkan forecasting kebutuhan APD di masa pandemi covid-19 dengan menggunakan Metode Text Mining di Provinsi Sumatera Barat. APD yang diambil sebagai objek penelitian adalah APD berupa masker, pelindung wajah (face-shield), sarung tangan, sepatu boot karet dan baju hazmat. Dengan menggunakan data dari media sosial Twitter, dianalisis kebutuhan APD di Provinsi Sumatera Barat.

Keywords


Alat Pelindung Diri, Text Mining, Wordcloud, Forecasting

References


CCOHS. (2018). Personal Protective Equipment (PPE). Canadian Centre for Occupational Helath and Safety. https://www.ccohs.ca/teach_tools/phys_hazards/ppe.html

Chaurasia, V., & Pal, S. (2020). Application of machine learning time series analysis for prediction COVID-19 pandemic. Research on Biomedical Engineering, 1–13. https://doi.org/10.1007/s42600-020-00105-4

Eska, J. (2016). Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 2(2), 9–13.

Hartanto. (2017). Text Mining dan Sentimen Analisis Twitter pada Gerakan LGBT. INTUISI: Jurnal Psikologi Ilmiah, 9(1), 18–25.

Haryati, S., Sudarsono, A., & Suryana, E. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama, 11(2), 130–138.

Honda, H., & Iwata, K. (2016). Personal protective equipment and improving compliance among healthcare workers in high-risk settings. Current Opinion in Infectious Diseases, 29(4), 400–406. https://doi.org/10.1097/QCO.0000000000000280

Lingga, R. D., Fatichah, C., & Purwitasari, D. (2017). Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM. Jurnal Teknik ITS, 6(1), A159–A162. https://doi.org/10.12962/j23373539.v6i1.22037

Mabrur, A. G., & Lubis, R. (2012). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer Dan Informatika (KOMPUTA), 1(1), 53–58.

Meilina, P. (2015). Penerapan Data Mining dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi. Jurnal Teknologi, 7(1), 11–20.

Mihuandayani, Feriyanto, E., Syarham, & Kusrini. (2018). Opinion Mining Pada Komentar Twitter E-Ktp Menggunakan Naive Bayes Classifier. Seminar Nasional Teknologi Informasi Dan Multimedia, 6(1), 25–29.

Nikolopoulos, K., Punia, S., Schäfers, A., Tsinopoulos, C., & Vasilakis, C. (2021). Forecasting and planning during a pandemic: COVID-19 growth rates, supply chain disruptions, and governmental decisions. European Journal of Operational Research, 290(1), 99–115. https://doi.org/10.1016/j.ejor.2020.08.001

Sari, D. I., Wati, Y. F., & Widiastuti, W. (2020). Analisis Sentimen dan Klasifikasi Tweets Berbahasa Indonesia terhadap Transportasi Umum MRT Jakarta menggunakan Naïve Bayes Classifier. Jurnal Ilmiah Informatika Komputer, 25(1), 64–75.

Sun, J., Chen, X., Zhang, Z., Lai, S., Zhao, B., Liu, H., Wang, S., Huan, W., Zhao, R., Ng, M. T. A., & Zheng, Y. (2020). Forecasting the long-term trend of COVID-19 epidemic using a dynamic model. Scientific Reports, 10, 1–10. https://doi.org/10.1038/s41598-020-78084-w

WHO. (2018). Preferred product characteristics for personal protective equipment for the health worker on the frontline responding to viral hemorrhagic fevers in tropical climates. In World Health Organisation. http://apps.who.int/iris/bitstream/handle/10665/272691/9789241514156-eng.pdf

Widyatmoko, H., Honggowibowo, A. S., & Retnowati, N. D. (2012). Implementasi data Mining untuk Meramalkan Penjualan di Minimarket Idola Jl. Pati-Tambakromo Km 2 dengan Metode Time Series. Compiler, 1(2). https://doi.org/10.28989/compiler.v1i2.15




DOI: http://dx.doi.org/10.36275/stsp.v22i1.445

Article Metrics

Abstract view : 289 times
PDF (Bahasa Indonesia) - 126 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Inna Kholidasari, Riska Amelia, Lestari Setiawati

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Penerbit : Sekolah Tinggi Teknologi Industri Padang


Alamat:
Jalan Hamka no.121 Tabing Padang. Indonesia
email: info@sttind.ac.id
HP:082386758367