S2 - Tesis

Pengembangan Sistem Informasi Data Sentimen Kementerian Kesehatan Subsistem Stunting

Dian Mulya Sari; Pembimbing: Besral; Penguji: Artha Prabawa, Dian Sulistiyowati, Dakhlan Choeron (FKM-UI, 2024)

Abstrak

Stunting merupakan salah satu dari triple burden of malnutrition terjadi di seluruh dunia termasuk Indonesia. 149,2 juta balita mengalami stunting. Prevalensi stunting di Indonesia pada tahun 2022 mencapai 21,6% diatas target RPJMN 2020-2024 yakni 14%. Kementerian Kesehatan khususnya Direktorat Gizi, Kesehatan Ibu dan Anak membentuk Tim Kerja Percepatan Percepatan Penurunan Stunting pada tahun 2023. Berdasarkan beberapa penelitian masih terdapat persepsi terkait stunting dan penanggulangannya yang salah dan negatif beredar di masyarakat. Diperlukan umpan balik dari masyarakat yang dapat memberikan informasi tersebut, namun sistem yang ada belum mengakomodir kebutuhan informasi tersebut. Umpan balik tersebut bisa didapatkan melalui platform media sosial yang memuat opini publik. Indonesia merupakan pengguna media sosial twitter terbanyak di tingkat global. Tujuan penelitian ini untuk mendapatkan hasil analisis sentimen (positif, negatif dan netral) serta tren isu terkait stunting dan penanganannya yang beredar di masyarakat bersumber media sosial twitter yang akan digunakan oleh Direktorat Gizi, Kesehatan Ibu dan Anak khususnya Tim Kerja Percepatan Percepatan Penurunan Stunting bekerja sama dengan unit terkait melalui pengembangan Sistem Data Sentimen Kementerian Kesehatan. Penelitian dilakukan dengan metode kualitatif untuk mendapatkan kebutuhan pengembangan sistem yang selanjutnya diterapkan pada modeling sistem informasi dimulai dengan diagram konteks, Data Flow Diagram (DFD) level 1, Entity Relational Diagrams (ERD), Table Relational Diagram (TRD) dan Flow Charts. Pengembangan sistem dilakukan dengan model iterative dan incremental.
Stunting merupakan salah satu dari triple burden of malnutrition terjadi di seluruh dunia termasuk Indonesia. 149,2 juta balita mengalami stunting. Prevalensi stunting di Indonesia pada tahun 2022 mencapai 21,6% diatas target RPJMN 2020-2024 yakni 14%. Kementerian Kesehatan khususnya Direktorat Gizi, Kesehatan Ibu dan Anak membentuk Tim Kerja Percepatan Percepatan Penurunan Stunting pada tahun 2023. Berdasarkan beberapa penelitian masih terdapat persepsi terkait stunting dan penanggulangannya yang salah dan negatif beredar di masyarakat. Diperlukan umpan balik dari masyarakat yang dapat memberikan informasi tersebut, namun sistem yang ada belum mengakomodir kebutuhan informasi tersebut. Umpan balik tersebut bisa didapatkan melalui platform media sosial yang memuat opini publik. Indonesia merupakan pengguna media sosial twitter terbanyak di tingkat global. Tujuan penelitian ini untuk mendapatkan hasil analisis sentimen (positif, negatif dan netral) serta tren isu terkait stunting dan penanganannya yang beredar di masyarakat bersumber media sosial twitter yang akan digunakan oleh Direktorat Gizi, Kesehatan Ibu dan Anak khususnya Tim Kerja Percepatan Percepatan Penurunan Stunting bekerja sama dengan unit terkait melalui pengembangan Sistem Data Sentimen Kementerian Kesehatan. Penelitian dilakukan dengan metode kualitatif untuk mendapatkan kebutuhan pengembangan sistem yang selanjutnya diterapkan pada modeling sistem informasi dimulai dengan diagram konteks, Data Flow Diagram (DFD) level 1, Entity Relational Diagrams (ERD), Table Relational Diagram (TRD) dan Flow Charts. Pengembangan sistem dilakukan dengan model iterative dan incremental.

Metadata

Jenis Koleksi : S2 - Tesis
No. Panggil : T-6851
Pengarang :
Nama badan : Universitas Indonesia. Fakultas Kesehatan Masyarakat. Biostatistik
Program Studi/Peminatan : Informasi Kesehatan
Promotor/Pembimbing :
Ko-Promotor/Penguji :
Subjek :
Penerbitan : Depok : FKM-UI, 2024
Kode Bahasa : ind
Tipe Carrier : File Only
Deskripsi Fisik : xx, 166 hlm.; 30 cm
Departemen-Jurusan : Informasi Kesehatan
Kata Kunci : Sistem Informasi Sentimen, stunting , media sosial x , machine learning, svm, sentiment information system, stunting, social media X, machine learning, svm
Lembaga Pemilik : Pusinfokesmas FKM UI

File Digital: 1 

Shelf
 Dian Mulya Sari-Tesis-FKM-Full Text-2024.pdf ::
 
Catatan: Hanya file pdf yang dapat dibaca online
Menu Anggota Pusat Informasi Kesehatan Masyarakat
No. Panggil No. Barkod Ketersediaan Lokasi
T-6851 T-6851 TERSEDIA Lantai 5 / Annex
Ulasan:
Tidak ada ulasan pada koleksi ini: 137012

Sampul

cover

Lihat juga:

:: Pengguna : Pusat Informasi Kesehatan Masyarakat
Library Automation and Digital Archive