Permodelan Pengetahuan Kesiapan Penanganan Bencana Di Rumah Sakit
Abstract
Bencana alam adalah peristiwa yang umumnya membawa dampak negatif. Indonesia adalah
salah satu negara rawan bencana. Rumah sakit merupakan tempat rujukan pertama saat
korban bencana membutuhkan perawatan. Pada dasarnya, berbagai studi yang menghasilkan
pengetahuan sudah cukup banyak tersedia. Namun untuk penggunaannya pada bencana alam
belum dikelola dan diterapkan dengan baik. Jawa Tengah adalah daerah yang rawan dengan
bencana alam. Beberapa rumah sakit ditunjuk sebagai rujukan dan harus siap saat melakukan
penanganan bencana. Tim penanggulangan bencana telah terbentuk, namun tidak rutin
melakukan simulasi penanganan bencana dalam lingkup Rumah Sakit (internal disater) dan
tidak seluruh TIM mendapatkan pelatihan. Selain itu, Prosedur SOP (standard operating
procedure) pada indikator kesiapsiagaan bencana dalam tahap penyusunan sehingga kurang
efektifnya penanganan korban bencana. Maka dari itu, rumah sakit diharapkan mempunyai
waktu yang pendek untuk proses pengambilan keputusan saat terjadi bencana. Dari uraian
diatas penelti tertarik melakukan penelitian tentang Permodelan Pengetahuan Kesiapan
Penanganan Bencana di Rumah Sakit. Berdasarkan hal tersebut maka kami akan
membangun medel pengetahuan kesiapan penanganan bencana di rumah sakit. Penelitian ini
mengembangkan sebuah model pengetahuan berbasis ontologi untuk kesiapan rumah sakit
pada penanganan bencana berdasarkan konsep tenaga kesehatan, institusi terkait, rencana
darurat, dan alat. Proses permodelan ontologi pada penelitian ini terdiri dari tiga fase yaitu
Konseptualisasi, Implemetasi dan Evaluasi. Pembangunan ontologi didasarkan dari hasil
kuisioner yang telah diisi oleh pengurus TIM Bencana dari tiga rumah sakit di Jawa Tengah.
Hasil yang didapatkan dari pengukuran ontologi yang dibuat untuk Relationship Richness
sebesar 0.61 artinya keberagaman informasi yang dimuat ontologi ini sudah kaya,
Inheritance Richness sebesar 0.031 artinya ontology ini termasuk dalam kategori yang
spesifik, dan Attribute Richness sebesar 0.09 artinya informasi yang dimuat pada ontologi
dapat ditingkatkan lagi. Sedangkan hasil pengujian query yang dilakukan menggunakan DL
Query Panel adalah sistem dengan kemapuan memberi sebuah jawaban dari gabungan
ekspresi Class, object property untuk mendapatkan instance dari data Individual. Kemudian
dilakukan pengujian tambahan dengan cara memberikan pertanyaan yang berbasis
pengetahuan dengan mempergunakan SPARQL query.