Deteksi Dini Covid-19 untuk Keselamatan dan Kesehatan Pekerja dengan Metode ESMDA

Ekha Rifki Fauzi

Sari


Gejala yang ditimbulkan oleh Covid-19 banyak yang sama dengan gejala yang ditimbul dari permasalahan Cold & Flu, batuk, dan demam. Hal inilah yang merancu bagi banyak dokter sulit mendeteksi dini. Istilah “Hantu” pembawa virus Covid-19 menjadi penyebaran cepat meluas karena banyak yang tidak merasakan gejala dan berbahaya bergejala pada orang lain. Tujuan dari paper ini untuk menolong orang atau pekerja untuk mendeteksi sedini mungkin terkait infesi virus Covid-19 pada tahapan menangkal dan mencegah penyebaran virusnya. Metode ESMDA mampu memjembatani untuk memberikan solusi terbaik bagi mereka yang ingin mengetahui status infeksinya dari masalah-masalah gejala yang sama persis. Grand design dari pendekatan ini tentu dapat memberikan dampak positif pada penanggulangan bencana non-alam. Bencana dibedakan tiga jenis, Covid-19 termasuk pandemic bencana non-alam yang mengancam seluruh negeri dan segera butuh penanganan cepat, tepat, dan efektif. Sehingga jumlah penderita dapat ditekan dan disembuhkan secara masal dalam tempo sesingkatnya melalui pendeteksi dini. Deteksi sedini mungkin dapat menekan jumlah korban jiwa berjatuhan. Massivnya penularan Covid-19 membutuhkan sistem deteksi digital secara tepat dan mudah di akses hanya dengan internet.

Teks Lengkap:

PDF

Referensi


J. F. Rabajante, “Insights from early mathematical models of 2019-nCoV acute respiratory disease (COVID- 19) dynamics,” Early Model 2019-nCOV ARD Dyn., 2019.

W. H. Organization, “Novel Coronavirus(2019-nCoV) Situation Report – 10,” 2020.

P. Zhou et al., “A pneumonia outbreak associated with a new coronavirus of probable bat origin,” Nature, vol. 2019, no. January, 2020.

G. L, “Modeling the Spreading Risk of 2019-nCoV,” Center for Systems Science and Engineering, Johns Hopkins University, 2020. [Online]. Available: Center for Systems Science and%0AEngineering, Johns Hopkins University. [Accessed: 31-Jan-2020].

J. H. CSSE, “Coronavirus 2019-nCoV Global Cases,” Center for Systems Science and Engineering, Johns Hopkins University, 2020. [Online]. Available: https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd4029942%0A3467b48e9ecf6.

Kemenkes, “COVID-19 DITETAPKAN SEBAGAI BENCANA NASIONAL INDONESIA,” Kemenkes, 2020. [Online]. Available: https://www.kemkes.go.id/article/view/20031500003/status-wabah-corona-di-indonesia-ditetapkan-sebagai-bencana-nasional.html.

S. A. Naser and A. Mushtaha, “Knowledge Management in ESMDA : Expert System for Medical Diagnostic Assistance,” ICGST-AIML, vol. 10, no. 1, pp. 31–40, 2010.

S. Liao, “Expert system methodologies and applications — a decade review from 1995 to 2004,” Elsevier, vol. 28, no. June 2004, pp. 93–103, 2005.

K. A. K. and M. F. S.S. Abu Naser, “Developing an Expert System for Plant Disease Diagnosis,” Artif. Intelllgence, vol. 1, no. 2, pp. 78–85, 2008.

and A. T. I. Hatzilygeroudis, P.J. Vassilakos, “An Intelligence Medical System for Diagnosis of Bone Disease,” Cyprus, 1994.

Î. I. M. Rodica, U. Adina, A. Anca, “Knowledge Management in E-Learning Systems,” Rev. Inform. Econ. nr, vol. 2, no. 46, 2008.

O. L. Daniel, E, “Enterprise Knowledge Management,” IEEE, 1998.

S. Sibte and R. Abidi, “Knowledge management in healthcare : towards,” Elsevier, vol. 63, pp. 5–18, 2001.

H. R. Nemati, D. M. Steiger, L. S. Iyer, and R. T. Herschel, “Knowledge warehouse : an architectural integration of knowledge management , decision support , artificial intelligence and data warehousing,” Elsevier, vol. 33, pp. 143–161, 2002.

K. W. Chau, C. Chuntian, and C. W. Li, “Knowledge management system on ¯ ow and water quality modeling,” Pergamon, vol. 22, pp. 321–330, 2002.

C. A. Tacla and J. A. Barthe, “Agent-supported portals and knowledge management in complex R & D projects,” Elsevier, vol. 48, pp. 3–16, 2002.

S. N. L. JESS, “The Rule Engine for the Java Platform.” 2003.

J. G. and G. Riley, Expert Systems: Principle and Programming. PWS-Kent Publishing Co, 1989.

S. K. P. and S. C. K. Shiu, Foundations of Soft Case based Reasoing. Canada: Willey & Sons Inc, 2004.

A. S. Aribowo, S. Khomsah, and L. Belakang, “MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI Lingkungan Konsultasi Knowledge Base Agenda Inference Engine Lingkungan Pengembangan Working Memory,” Semin. Nas. Inform., vol. 2011, no. semnasIF, pp. 51–58, 2011.


Refbacks

  • Saat ini tidak ada refbacks.