BAB I

PENDAHULUAN

1.1. Latar Belakang

Pengembangan DSS berawal pada akhir tahun 1960-an dengan adanya
pengguna computer secara time-sharing (berdasarkan pembagian waktu). Pada
mulanya seseorang dapat berinteraksi langsung dengan computer tanpa harus
melalui spesialis informasi. Timesharing membuka peluang baru dalam
penggunaan computer. Tidak sampai tahun 1971, ditemukan istilah DSS, G
Anthony Gorry dan Michael S. Scott Morton yang keduanya frofesor MIT,
bersama-sama menulis artikel dalam jurnal yang berjudul A Framework for
Management Information System mereka merasakan perlunya ada kerangka
untuk menyalurkan aplikasi computer terhadap pembuatan keputusan
manajemen. Gorry dan Scott Morton mendasarkan kerangka kerjanya pada
jenis keputusan menurut Simon dan tingkat manajemen dari Robert N.
Anthony. Anthony menggunakan istilah Strategic palnning, managemen
control dan operational control (perencanaan strategis, control manajemen,
dan control manajemen).
DSS menurut Moore and Chang, SPK dapat digambarkan sebagai
sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan
keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan
digunakan pada saat-saat yang tidak biasa. Sistem Pendukung Keputusan
(DSS) dibuat sebagai suatu cara untuk memenuhi kebutuhan seorang manajer
dalam membuat keputusan yang spesifik dalam memecahkan permasalah yang
spesifik pula.
Sistem Pendukung Keputusan (SPK) atau decision support
system (DSS) merupakan salah satu jenis sistem informasi yang bertujuan
untuk menyediakan informasi, membimbing, memberikan prediksi serta
mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan
keputusan dengan lebih baik dan berbasis evidence. Secara hirarkis,
DSSbiasanya dikembangkan untuk pengguna pada tingkatan manajemen
menengah dan tertinggi. Dalam pengembangan sistem informasi, DSS baru

1
dapat dikembangkan jika sistem pengolahan transaksi (level pertama) dan
sistem informasi manajemen (level kedua) sudah berjalan dengan baik.
Sistem Pendukung Keputusan (Decision Support System), sistem
informasi yang dapat menyediakan informasi pemecahan masalah maupun
kemampuan komunikasi dalam memecahkan masalah semi terstruktur.
Informasi dihasilkan dalam bentuk laporan periodik dan khusus,
serta output dari model matematika dan sistem pakar. DSS ini digunakan
untuk memilih supplier yang tepat berdasarkan kriteria-kriteria yang
diprioritaskan seperti ketepatan waktu, kualitas, harga, dan sebagainya. DSS
yang baik harus mampu menggali informasi dari database, melakukan analisis
serta memberikan interpretasi dalam bentuk yang mudah dipahami dengan
format yang mudah untuk digunakan (user friendly). DSS mendayagunakan
resources individu-individu secara intelek dengan kemampuan computer
untuk meningkatkan kualitas keputusan. Jadi, ini merupakan sistem
pendukung berbasis computer yang dapat membantu dalam mengambil suatu
keputusan dari masalah-masalah yang semi terstriktur maupun tak terstruktur.
Terkadang istilah DSS digunakan untuk menggambarkan sembarang sistem
yang terkomputerisasi.
Penggunaan Sistem Pendukung Keputusan (Decision Support System)
pada masa sekarang-sekarang ini sudah mulai diterapkan di beberapa fasilitas
pelayanan kesehatan baik di Rumah sakit maupun di Apotek namun biasa
disebut dengan Clinical Decision Support System (CDSS). Namun, yang
menjadi masalah apakah dengan menggunakan sistem ini dapat membantu
tenaga kesehatan dalam mengambil suatu keputusan. Oleh karena itu, perlu
diketahui terlebih dahulu tentang sistem ini.
Sebaliknya, suatu permasalahan dikatakan bersifat tidak terstruktur
apabila memproses berbagai informasi sehingga terkadang diperoleh jawaban
yang benar, namun demikian tidak ada cara yang tepat untuk selalu
memperoleh jawaban yang benar.

2
 Secara umum, sistem pendukung keputusan (DSS) dapat dibagi
menjadi beberapa kategori, diantaranya:
1. Model-driven DSS. Sistem ini menggunakan data dan parameter yang
diberikan untuk menugaskan pengambilan keputusan dalam
menganalisis situasi. Sistem ini tidak membutuhkan data secara
intensif.
2. Communication-driven DSS. Sistem ini mengakomodasi dukungan
dari berbagai dukungan dari berbagai tugas.
3. Data-driven DSS. Sistem ini mengakses dan memanipulasi data runtun
waktu.
4. Document-driven DSS. Sistem ini melakukan pengaturan, temu
kembali, memanipulasi informasi yang tidak terstruktur dalam
berbagai format elektronik.
5. Knowledge-driven DSS. Sistem ini menyelesaikan masalah tertentu
yang disimpan sebagai fakta, aturan, prosedur, atau struktur lain yang
sejenis.
Suatu sistem pendukung keputusan tersiri dari beberapa komponen,
yaitu: manajemen data, manajemen model, model-model eksternal, subsistem
berbasis pengetahuan, dan antarmuka pengguna(Turban et al,2005. subsistem
manajemen data terdiri atas basis data yang berisi data-data yang terkait
dengan permasalahan yang akan diselesaikan subsistem. Manajemen model,
merupakan paket perangkat lunak yang berisi statistik, ilmu manajemen atau
model kuantitatif lainnya yang mampu memberikan kapabilitas analitik bagi
sistem. Subsistem anatar muka, yang digunakan oleh pengguna untuk
berkomunikasi dengan sistem. Untuk sistem berbasis web, web browser
digunakan untuk keperluan tersebut. Subsistem manajemen berbasisi
pengetahuan, yang lainnya. Beberapa metode dalam kecerdasan buatan dapat
digunakan untuk keperluan tersebut.

3
1.2. Rumusan Masalah
1. Apa itu Clinical Decision Support System (CDSS)?
2. Fungsi Clinical Decision Support System (CDSS) sehingga mampu
membantu tenaga medis kesehatan dalam mengambil keputusan

1.3. Tujuan Masalah

1. Untuk mengetahui Sistem Pengambilan Keputusan (DSS) dan Sistem
Pengambilan Keputusan Klinis (CDSS).
2. Untuk mengetahui kategori CDSS.
3. Untuk mengetahui faktor Pendukung DSS.

4
 BAB II
PEMBAHASAN

2.1. Clinical Decision Support System (CDSS)

Dalam dunia kesehatan beberapa tahun belakang sudah mulai
dikembangkan penggunaan teknologi sistem informasi dalam membantu para
tenaga kesehatan dalam melaksanakan profesinya untuk meningkatkan derajat
kesehatan banyak, sehingga masyarakat sudah mulai menikmati
kemanfaatanya karena sudah mulai diterapkan dibeberapa Rumah Sakit. Salah
satu yang mulai digunakan ialah Clinical Decision Support System (CDSS).
Dimana Clinical Decision Support System (CDSS) merupakan suatu sistem
elektronik maupun non-elektronik yang didesain untuk membantu klinisi
secara langsung dalam mengambil keputusan klinik.
Pada penggunaan CDSS yang berbasis elektronik memiliki beberapa
keunggulan dibandingkan dengan non-elektronik, apalagi jika sudah
terintegrasi dengan rekam kesehatan elektronik.
Ada beberapa keunggulan computer based CDSS diantaranya adalah
kapasitas penyimpanan knowledge based dan kecepatan menganalisa dalam
memberikan rekomendasi kepada klinisi dalam bentuk alert atau peringatan.
Pada Umumnya CDSS elektronik mengkombinasikan karakteristik klinis dan
demografis pasien secara individual dengan basis pengetahuan elektronik
(computerized knowledge base), yang kemudian secara otomatis menghasilkan
rekomendasi-rekomendasi untuk bahan pertimbangan klinisi, baik dokter,
perawat, bidan dan tenaga kesehatan lain yang menggunakan.
Pada hakekatnya, pemanfaatan CDSS dalam dunia kesehatan ialah
ditujukan untuk meningkatkan performance pelayanan kesehatan yang
dilakukan oleh tenaga medis, yang pada dasarnya memiliki beban kognitif
(cognitive load) yang cukup tinggi dalam melayani sejumlah pasien yang
memiliki latar belakang, diagnosis dan karakter klinis yang berbeda-beda.

5
2.2. Beberapa Aplikasi Clinical Decision Support System
(CDSS)
CDSS telah banyak iaplikasikan untuk berbaagai keperluan dalam
pengambilan keputusan klinis. Perangkat lunak yang telah di bangun untuk
keperluan CDSS adalah MYCIN. MYCIN merupakan sistem pendukung
keputusan yang bersifat kualitatif dengan menggunakan konsep sistem pakar.
MYCIN berisi sejumlah peraturan, yang diturunkan oleh kolaborasi para ahli.
Salah satu kelebihan MYCIN adalah dengan kemampuan untuk
mengakomodasi adanya ketidakpastian. MYCIN menggunakan certainty
factors (CF) untuk mengatasi masalah ketidakpastian.
Beberapa aplikasi CDSS lainya yang juga mulai dikembangkan antara
lain :
1. ISABEL, merupakan suatu bentuk CDSS yang terintegrasi dengan internet
yang menyediakan beberapa fitur untuk diagnosis.
2. NEOSIS, merupakan sebuah platform untuk integrasi dan representasi
visual dalam kecerdasan medis.
3. LISA, berupa sistem pendukung keputusan dan informasi klinis untuk
perawatan menyeluruh bagi anak-anak yang mengidap penyakit acute
lympheblastic leukemia(Bury, 2008 ).
4. EPIC, merupakan CDSS yang berperan sebagai mitra cerdas bagi staf
klinisi dan memberikan panduan yang terstruktur.

2.3. Karakteristik Clinical Decision Support System (CDSS)

2.3.1. Basis Pengetahuan dan Akuisisi Pengetahuan Medis
Basis pengetahuan medis adalah kumpulan pengetahuan medis yang
terorganisasi secara sistematis yang dapat diakses secara elektronis yang dapat
diinterpretasikan oleh komputer. Basis pengetahuan medis biasanya
mengandung suatu lexicon (pembendaharaan istilah yang diperbolehkan), dan
hubungan khusus antar istilah dalam lexicon. Pengetahuan medis dapat
diperoleh dari literatur-literatur medis (pengetahuan terdokumentasi), atau
berasal dari para pakar pada domain tertentu(pengalaman klinis) (Bemmel et
al., 1997:277).

6
 Dalam perkembangan perangkat lunak (software) diperlukan adanya
keseimbangan antara teori dan praktek. Pengembangan secara praktis juga
dibutuhkan untuk membangun sistem yang handal, seperti kinerja basis data
dan basis pengetahuan. Koleksi pengetahuan dalam basis pengetahuan
menyerupai beragam aktifitas perawatan kesehatan yang terkait dengan
terjadinya pengetahuan tersebut. Beberapa aktifitas tersebut antara lain
membangun petunjuk praktis, analisis data, mengumpulkan sumber-sumber
pengetahuan dan membangun alat bantu akuisisi pengetahuan. Ada beberapa
metode yang dapat digunakan untuk mengembangkan petunjuk praktis tersebut
antara lain:
a. Mengkombinasikan antara kajian literatur baik formal maupun
informal.
b. Diskusi panel para ahli atau konsensus dari pertemuan.
c. Konsultasi dengan ahli ditingkat lokal.
d. Publikasi pada jurnal medis untuk merangsang adanya diskusi.
Proses akuisisi pengetahuan dibidang medis secara umum dapat
dikategorikan menurut sumber pengetahuan medis, yaitu:
a. Pengetahuan diperoleh dari para ahli, yang diperoleh baik secara
konvensional melalui perantaraan sistem analisis-ahli, maupun
diperoleh dari para ahli secara langsung pada basis pengetahuan melalui
program editor.
b. Pengetahuan diperoleh dari literatur-literatur yang telah dipublikasikan
Alat bantu untuk akuisisi pengetahuan sering dikenal dengan
knowledge-based editors (KBEs). KBEs sangat membantu para dokter dalam
menempatkan dan memproses berbagai pengetahuan yang relevan.

2.3.2. Inference Engine

Inference engine merupakan komponen yang bertugas
untuk melakukan penelaran berdasarkan fakta-fakta yang diberikan dan
pengetahuan yang tersedia pada basis pengetahuan. Pada dasarnya ada dua
penelaran yaitu penalaran deduktif dan penalaran induktif. Penalaran deduktif
adalah proses penalaran yang dimulai dari premis umum untuk mendapat

7
 kesimpulan yang bersifat khusus. Sedangkan penalaran induktif adalah proses
penalaran yang dimulai dari premis khusus untuk mendapat kesimpulan yang
bersifat umum. Penalaran deduktif bersifat konsisten dan memiliki
pengetahuan yang lengkap. Sedangkan penalaran induktif bersifat non
monoton. Ciri-ciri ketidakpastian, adanya perubahan pada pengetahuan an
penembahan fakta baru dapat mengubah konklusi yang sudah terbentuk.
Sedangkan pada penalaran induktif dilengkapi dengan kamampuan mengatasi
ketidakpastian.

2.3.3. Memori Kerja

Memori kerja berguna untuk menyimpan data-data, fakta-fakta atau
informasi yang ada pasien. Data-data tersebut mencakup data demografi, gejala
yang dialami, tanda yang diperlihatkan, pengobatan yang dialami, dll.

2.3.4. Modul penjelasan

Modul penjelasan digunakan sebagai media untuk memberikan
penjelasan dan alur interensi dalam memutuskan lahirnya suatu solusi.

2.4. Kategori Clinical Decision Support System (CDSS)

CDSS dapat dikategorikan dengan cara yang berbeda seperti
representasi pengetahuan, tips keputusan dan domain medis. Jika dilihat dari
sudut pandang dokter, system dapat dibagi berdasarkan diminta atau tidaknya
saran yaitu dimintai saran (solicited advice ), tidak dimintai saran (unsolicited
advice ), dan system anatomi (autonomous system ).
Pada solicited advice dokter secara eksplisit berkonsultasi dengan
DSS. Solicited advice memiliki cirri sebagai berikut :
a. Kebanyakan bersifat stand alone.
b. Pengguna berdialog langsung dengan system .
c. System akan memberikan pertanyaan kepengguna sebagai data input.
d. Melalui DSS, system akan memberikan control kepada dokter untuk
menalar.

8
 Pada ansolisited advis system memberikan saran secara terpisah
kepada dokter. System ini menggunakan data pasien kemudian membangkitkan
saran secara terpisah dengan permintaan dokter. System ini memonitor data
pasien yang masuk.

2.5. Kapabilitas dan Kredibilitas Clinical Decision Support System (CDSS)

Pada prinsipnya system ini pendukung keputusan harus memiliki
kemampuan untuk digunakan dengan mudah, mengakses berbagai sumber, tipe
dan format data untuk berbagai permasalahan, mengakses berbagai
kemampuan analis dengan bebrapa saran dan panduan. Apabila dipandang dari
sisi antar muka, suatu system pendukung keputusan harus mampu melayani
berbagai format input atau output dari pengguna, berbagai gaya dialog,
mendukung komunikasi antar pengguna dan pengembang, mendukung adanya
pengetahuan dari pengguana. Dan memberikan dukungan dialog yang fleksibel
dan adaptif. Jika dilihat dari sudut pandang kapabilitas data, system harus
memiliki kemampuan untuk mengolah data dengan berbagai tipe dan format,
mengekstraksi, mengcapture dan mengintegritaskan data, Melakukan akses
data; berfungsi dalam manajemen basis data, melakukan tracking terhadap
pengguna data dan mendukung fleksibilitas dan adaptasi data. Apabila ditinjau
dari sudut pandang model, maka system harus memiliki kepustakaan model
terkait aturan basis model, memiliki fasilitas pembangun model, mampu
melakukan manipulasi data, mampu melakukan fungsi manajemen basis
model, mampu mendokumentasikan model, mampu melakukan traking
terhadap pengguna model, dan mampu memberikan dukungan terhadap
fleksibilitas.
Beberapa metode dapat digunakan untuk melakukan uji validitas salah
satu metode yang dapat digunakan adalah one feature: single decision
threshold. Metode ini digunakan manakala hanya ada satu fitur saja yang
mempengaruhi hasil diagnosis. Nilai thersold dipilih untuk memutuskan
apakah suatu kondisi teridentifikasi penyakit tertentu.
Metode ini menggunakan empat parameter diagnosis, yaitu true
positive (TP). True negative (TN), false positive (FP), dan False negative (FN).

9
 true positive (TP) menunjukkan jumlah pasien yang teridentifikasi terserang
penyakit X baik berdasarkan data riil maupun CDSS. True negative (TN)
menunjukkan jumlah pasien yang tidak terserang penyakit X baik berdasarkan
dat aril maupun CDSS. False positive (FP) menunjukkan jumlah pasien yang
tidak menderita penyakit X berdasarkan data riil namun model keputusan
CDSS memutuskan terserang penyakit X. False negative (FN) menunjukkan
jumlah pasien yang menderita penyakit X berdasarkan data riil namun model
keputusan CDSS tidak memutuskan terserang penyakit X. umumnya nilai TP,
TN, FP dan FN disajikan dalam bentuk presentase.

2.6. Kendala-Kendala dalam Membangun Clinical Decision Support System

(CDSS)
Meskipun secara teoritis,CDSS sangat mungkin untuk diaplikasikan
dalam bentuk program terkomputrisasi, namun demikian masih banyak kendala
yang harus dihadapi dalam membangun CDSS. Sebagian besar kendala
tersebut tidak terletak pada proses pengembangan sistem,namun lebih banyak
terletak pada implementasi dilapangan. Masalah kultur dan kebiasaan
pengguna juga menjadi kendala besar dalam implementasi sistem. Secara
umum,ada beberapa kendala utama yang sering dialami (terutama di Indinesia),
antara lain;
1. Adanya presepsi yang seringkali berada antara pihak pengambil keputusan
(dokter atau klinisi) dengan analis sistem. Hal ini menyebabkan perlu
adanya penyamaan presepsi antara pihak pengambil keputusan (klinisi atau
dokter) dengan analis sistem. Penyamaan presepsi ini sangat penting dalam
kaitannya dengan pemilihan metode pengambilan keputusan, perancangan
aliran proses, dan antar muka.
2. Beberapa model diagnosis tidak dapat ditormulasikan dalam format yang
baku. Kenyataan tersebut akan menimbulkan kesulitan dalam
pembentukan antarmuka dan pembentukan program. Oleh karena itu
dibutuhkan metode yang tepat untuk dapat menterjemahkan bahasa sehari-
hari yang digunakan dalam proses diagnosis kedalam format yang
digunakan dalam proses diagnosis ke dalam format yang dimungkinkan

10
 untuk pemograman. Konsep pengolahan bahasa alami dalam diterapkan
untuk kepentingan tersebut.
3. Diagnosis adalah seni dan pada tataran tertentu memang sangat sulit untuk
direprensikan secara matematis.

2.7. Penerapan Clinical Decision Support System (CDSS)

2.7.1. DSS dalam industri kesehatan: Sekilas pandang
Pengambilan keputusan umumnya dilakukan di dua area, area pertama
(lower level) melibatkan manajemen pasien, diagnosa dan perawatan,
pencatatan record, keuangan danmanajemen inventori. Area kedua melibatkan
keputusan level tinggi memberikan sebuah keunggulan kompetitif.
DSS mencangkup semua fungsi dari manajemen pasien sampai
manajemen inventori yang disusun oleh UK General Practice dan sekarang
dinamakan PRODIGY (Prescribing Rationally with Decision support in
General Practice Study), yang menyediakan akses pada clinical
knowledgebase pada bukti bukti terbaik yang ada tentang kondisi dan gejala
yang dikelola utamanya oleh profesional kesehatan. Data ini berupa panduan
full text, referensi panduan cepat, leaflet informasi pasien, informasi pada obat
dan self help contacts.

2.7.2. Design dari sebuah DSS

Ketika mendesain DSS untuk industri kesehatan, desainnya seperti
prosedur pengambilan keputusan, strategic planning process dan struktur
organisasinya harus diperhatikan. DSS yang efektif bergantung pada
metodologi yang digunakan, saat ini ada tiga pendekatan: Algoritma klinis,
pendekatan matematis dan komputasi, dan pendekatan heuristik.

2.7.3. Permasalahan
DSS dalan industri kesehatan terlihat untuk memperbaiki kualitas,
keselamatan dan efisiensi dari rumah sakit dan perawatan pasien, keuntungan
lain adalah berkurangnya kerugian medis akibat obat. Namun masalah biaya
dari DSS juga kompleks dan selalu ada debat tentang apa yang perlu

11
dimasukan dan yang tidak perlu ketika menghitung cost dan benefit dari
sebuah sistem. Terlepas dari biaya, dirasakan kecepatan dari pengambilan
keputusan dapat diperbaiki jika penekanan dilakukan dalam mengarahkan
lima rintangan besar. Rintangan-rintangan ini ditemukan ketika para
pemegang saham menganalisis, memiliki banyak saran dan alternatif,tidak
bisa mencapai kata sepakat dan tidak berkoordinasi dalam kegiatan mereka.
Salah satu cara untuk menghindari penghabisan waktu dalam proses analisis
adalah untuk memproses informasi dengan cepat yang dapat dilakukan dengan
memfasilitasi penggunaan e-mail dan pertemuan tatap muka atau melalui
kelompok DSS. Para pemegang saham memiliki kecenderungan untuk
terjebak pada satu alternatif dan memiliki konflik dalam alternatif lain yang
dapat dihindari dengan memiliki kelompok pengungkapan pendapat multi
disiplin juga,pengambilan suara dan pengangkatan konselor dan fasilitator
yang akan meningkatkan kualitas dari pengambilan keputusan.

Gambar.2.1. Alur Clinical Decision Support System (CDSS)

12
2.7.4. Penerapan CDSS
Clinical Decision Support System (CDSS) sudah mulai diterapkan di
beberapa fasilitas pelayanan kesehatan baik di Rumah sakit maupun di
Apotek. Secara umum, fungsi CDSS dapat dilihat pada Randolph et al. 1999
berikut:

Function Example

Alerting Highlighting out-of-range laboratory value

Reminding Reminding the clinician to schedule mammogram

Critiquing Rejecting an electronic order

Interpreting Interpreting the electrocardiogram

Predicting Predicting risk of mortality from a severity-of-illness score

Diagnosing Listing the differential diagnosis for patient with chest pain

Assisting Tailoring the antibiotic choices for liver transplantation and renal
failure

Suggesting Generating suggestions for adjusting the mechanical ventilator

Tabel 2.1. Function of computer-based clinical decision support system from

Randolph et al, 1999 [2].

Sebagai contoh Clinical Decision Support System (CDSS) yang berkaitan

dengan peresepan. Fungsi-fungsi CDSS tersebut antara lain:
a. Pengecekan alergi obat pada pasien-pasien tertentu
b. Membantu penentuan dosis obat pada pasien kondisi tertentu seperti
pasien anak, pasien kelainan fungsi ginjal, pasien dengan kelainan fungsi
hati dan lain-lain.
c. Pengecekan duplikasi peresepan obat pada multiple prescription
d. Peringatan interaksi antar obat
e. Pengecekan interaksi obat dan kondisi fisiologis tubuh. Sebagai contoh
antara lain sistem pengingat yang bersifat prefentif dimana tenaga
13
 kesehatan diingatkan (alert) terhadap peningkatan kadar kreatinin saat
meresepkan obat yang mengandung aminoglikosida pada pasien rawat
inap.

2.7.5. Penerimaan Clinical Decision Support System (CDSS) oleh klinik

Penggunaan CDSS di beberapa tempat ternyata mampu meningkatkan
mutu praktek klinik secara signifikan [1, 4]. Sistem pengingat, alert, rencana
penatalaksanaan pasien merupakan beberapa fungsi dari CDSS yang sudah
membantu dalam meningkatkan mutu pelayanan medis atau setidaknya
merubah perilaku tenaga medis dalam memberikan pelayanan kesehatan [5].
Namun demikian, secara praktis masih sedikit tenaga medis yang
memanfaatkan sistem ini dalam pelayanan medis di lapangan walaupun SPKK
sudah diwacanakan sejak tahun 70an. Hal ini terkait dengan kurangnya
penerimaan klinis terhadap sistem CDSS.

2.7.6. Dampak penggunaan CDSS

Sebuah penelitian mengungkapkan adanya penghematan 30% biaya
pengobatan dari penggunaan CDSS untuk peresepan obat [6]. Namun
demikian, membangun sebuah CDSS mampu menyedot biaya yang cukup
signifikan dan membebani pengguna, seperti membeli lisensi perangkat lunak.
Pertimbangan implementasi CDSS perlu menghitung unit biaya (unit cost)
dari penggunaan CDSS tersebut. Banyak hasil penelitian terkait CDSS
menunjukkan manfaat yang positif bagi pasien. Selain meningkatkan
keselamatan (patient-safety), seperti penurunan sampai 50% medication error
yang terjadi di rumah sakit. Secara tidak langsung penggunaan CDSS
memperbaiki mutu dan standar pelayanan kesehatan oleh tenaga medis yang
bersangkutan [1, 4, 5]. Namun demikian, sisi lain CDSS membuat tenaga
medis, terutama dokter kehilangan kontrol akan praktek klinis yang dia sendiri
dilakukan. Dokter akan merasa terkontrol dan mungkin terintimidasi, terutama
dengan fungsi peringatan (alert) yang berkali-kali muncul saat klinisi
melakukan pelayanan medis [7].

14
2.7.7. Tantangan dalam implementasi CDSS
Dunia medis merupakan bidang yang dinamis. Perubahan yang terjadi bisa
sangat cepat sehingga berdampak pada penggunaan standar pelayanan medis
yang menjadi tulang punggung dari pengembangan CDSS. Alur kerja bidang
kesehatan juga sangat kompleks dan subjektif berdasarkan kasus-per-kasus.
Hal ini menyebabkan pengembangan CDSS terbatas pada kasus-kasus tertentu
yang memiliki prosedur medis yang relatif lebih konstan, seperti CDSS pada
sistem peresepan dan CDSS pada interpretasi hasil echocardiograph. Untuk
itu perlu dikembangkan lebih lanjut terhadap kasus-kasus lain
atau guideline lain yang signifikan mampu mengurangi medical error.
Secara teknis, menggabungkan informasi kesehatan berikut temuan-
temuan baru yang selalu berubah menjadikan CDSS harus terus dilakukan
agar sistem tetap terupdate. Diperlukan kerjasama yang baik antara pengguna
dan pengembang sistem.

15
 BAB III
KESIMPULAN

3.1. Kesimpulan
DSS telah muncul sebagai salah satu teknologi IT yang dominan untuk
pengambilan keputusan dalam pelayanan kesehatan. Namun, hal ini telah
mengakibatkan banyak teknologi yang digunakan dalam desain DSS dan telah
menciptakan berbagai platform dalam domain pelayanan kesehatan.Clinical
Decision Support System (CDSS) merupakan suatu sistem elektronik maupun
non-elektronik yang didesain untuk membantu klinisi secara langsung dalam
mengambil keputusan klinik.Ada bebeapa komponen yang ada dalam Clinical
Decision Support System (CDSS) yaitu Database, Knowledge base, instrumen,
Mesin inferesial (inference engine) dan Antar muka (user inteface). Fungsi dari
Clinical Decision Support System (CDSS) yaitu membantu dalam pengecekan
alergi obat pada pasien-pasien tertentu, Membantu dalam hal penentuan dosis obat
pada pasien kondisi tertentu, membantu dalam pengecekan terjadinya duplikasi
peresepan obat pada multiple prescription, memberikan peringatan adanya
interaksi antar obat dan dapat memudahkan pengecekan interaksi obat dan juga
kondisi fisiologis tubuh.

3.2. Saran
Sistem pengambilan keputusan diharapkan dapat dikembangkan sehingga
pengambilan keputusan medis dapat dilakukan secara cepat, tepat, dan efisiensi
hasil didapatkan.

16
 DAFTAR PUSTAKA

Hadiputra Arief. 2013. Penerapan Decision Support System.

http://ariefhadiputra.blogspot.co.id/2013/03/penerapan-decision-support-
system-pada.html.

Haris. 2012. Clinical Decision Support System (CDSS).

http://88hariis.blogspot.co.id/2012/05/normal-0-false-false-false-in-x-
none-x.html

https://www.academia.edu/5166394/Sistem_Pendukung_Keputusan_Klinik.

17