Agenda Riset Mutakhir: Menggunakan Learning Machine untuk membangun Public

Health Intelligence

Kemal N. Siregar, Retnowati

Fakultas Kesehatan Masyarakat Universitas Indonesia

Februari, 2020

Dapatkah Indonesia memprediksi lebih dini munculnya COVID-2019? Hal ini seperti sebuah
pertanyaan yang sulit untuk dijawab. Secara teori pengidenntifikasian infeksi virus pada manusia
bisa dikenali nelalui gejala-gejala pengenalan penyakit. Namun pertanyaan berikutnya adalah
sejauh mana infrastruktur yang sudah ada di Indonesia dapat mengidentifikasi, katakankah,
gejala-gejala demam yang berkembang di masyarakat, ketika cakupan wilayah di Indonesia
sangat luas. Isu-isu  seperti ini menjadi topik dari Public Health Intelligence, dimana
penerapannya masih menjadi tantangan besar di Indonesia.

Memang, Public Health Intelligence penting bagi intelijen pada tahap dimana kita dapat
mengambil keputusan berdasarkan bukti untuk tindakan guna meningkatkan kesehatan
masyarakat. Tahap ini membutuhkan penerapan perpaduan berbagai analisa untuk mendapatkan
informasi yang bermakna. Disini, learning machine diusulkan sebagai penganalisa data yang
penting untuk membangun Public Health Intelligence yang andal.

Pada era teknologi disruptif, sebagai contoh dalam sebuah surveilans yang secara tradisional
menggunakan data terstruktur, perlu ditambah dengan data tekstual untuk menjelaskan mengapa
inveksi penyakit yang bisa dicegah dengan immunisasi tidak berkurang. Dengan learning
machine yang dibuat menggunakan analisis sentimen atau analisis jaringan untuk data sosial
media kita dapat menilai opini publik pada komunitas tertentu yang vaksinasinya negatif.
Jadi learning mechine penting karena dapat digunakan untuk mengotomatisasi begitu banyak
tugas yang berbeda dimana kita pikir bahwa tugas tugas tersebut hanya bisa dijalani oleh
manusia seperti pengenalan pola, pengenalan gambar atau pembuatan teks. Hal ini memberikan
komputer kemampuan untuk belajar tanpa diprogram secara eksplisit dan langkah-langkah
sistematis terdiri dari pengumpulan data, menyiapkan data, memilih model, pelatihan, evaluasi,
penyetelan parameter hiper, dan prediksi. Algoritma learning machine telah berhasil digunakan
untuk masalah yang berhubungan dengan kesehatan yang kompleks seperti diagnosis penyakit
atau prediksi risiko, tetapi potensinya dalam kesehatan masyarakat masih belum tergali.

Saat ini penelitian yang dilakukan di bawah naungan Cluster Penelitian Informatika Kesehatan di
Fakultas Kesehatan Masyarakat Universitas Indonesia (FKM UI) sedang menjajaki potensi
penggunaan learning machine untuk public health intelligent. Menganalisis pola data tekstual
untuk pengawasan realtime untuk mengenali pendapat publik tentang berbagai masalah
kesehatan, misalnya tentang obat-obatan dan vaksinasi. Prediksi profil risiko pribadi dan pola
perilaku, yang kemudian diikuti dengan menawarkan saran kesehatan yang ditargetkan dan
dipersonalisasi.