PENDAHULUAN
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
4
BAB II
PEMBAHASAN
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.
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.
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.
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.
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.
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.
2.7.3. 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.
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
Diagnosing Listing the differential diagnosis for patient with chest pain
Assisting Tailoring the antibiotic choices for liver transplantation and renal
failure
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
https://www.academia.edu/5166394/Sistem_Pendukung_Keputusan_Klinik.
17