281 504 2 PB
281 504 2 PB
Abstract—The development of database technology jenis pengobatan yang paling efektif untuk suatu
makes a variety of data and medical information jenis penyakit, memberi informasi mengenai
is stored in digital form and present in the form kebutuhan pasien, dan membantu dokter dalam
of big data. Currently, healthcare that utilizes big mengambil keputusan.
data is still in the development stage. Big data
starts to be used to expand insight and improve Big data merupakan sebuah kombinasi
the quality of healthcare. This paper provides teknologi yang dapat mengelola data yang
information related to the integration of big data
beragam dalam jumlah besar, dengan kecepatan
in healthcare. Source for big data in healthcare is
presented. Opportunities, impacts, and challenges yang tepat, dan pada saat yang tepat untuk
in the integration process of big data in healthcare keperluan analisis dan reaksi. Secara khusus big
are also described. data memiliki tiga karakteristik, yaitu volume,
velocity, dan variety [2]. Pada rujukan [3]
Index Terms— big data, healthcare dituliskan bahwa data pada penyedia perawatan
kesehatan memiliki jumlah dan variasi yang
sedang, kecepatan data yang tinggi, dan nilai
potensi pemanfaatan yang besar.
I. PENDAHULUAN
Perawatan kesehatan (health care) dengan
Perkembangan berbagai teknologi basis data
integrasi big data masih dalam tahap awal
membuat beragam data dan informasi medis
pengembangan. Selain itu, secara tradisional,
disimpan dalam bentuk digital. Data medis ini
industri kesehatan umumnya tertinggal dalam
tersedia dan dapat diakses dengan mudah. Sebagai
penggunaan big data dibandingkan dengan
contoh, database kesehatan dari Kementerian
industri lainnya seperti bisnis, perbankan, dan
Kesehatan RI1 menyediakan data puskesmas,
retail [1]. Sebagai contoh, adopsi big data di
data kanker, data kesehatan per provinsi dan
Indonesia saat ini berlangsung lambat dan hanya
kabupaten di Indonesia. Data tersebut dapat
pada tiga bidang industri, yaitu telekomunikasi,
digunakan untuk mendapatkan pengetahuan
penyedia jasa keuangan, dan instansi pemerintah
dalam rangka menyediakan pelayanan kesehatan
[4]. Paper ini memberi informasi terkait integrasi
yang lebih tepat sasaran.
big data dalam bidang kesehatan. Peluang,
Data medis saat ini hadir dalam bentuk big dampak, dan tantangan dalam proses integrasi
data, yaitu data yang tidak hanya memiliki big data juga dipaparkan.
jumlah yang besar, tetapi juga bersifat kompleks,
Bagian selanjutnya dari paper ini,
variatif, dan aktual [1]. Para penyedia perawatan
diorganisasikan sebagai berikut. Bab II
kesehatan mulai memanfaatkan big data untuk
menjelaskan berbagai sumber big data dalam
mendapatkan wawasan dan memperbaiki
bidang kesehatan. Bab III menjelaskan konsep
kualitas. Big data dalam bidang kesehatan ini
integrasi big data dalam perawatan kesehatan.
dapat digunakan untuk melihat penyebaran suatu
Bab IV menjelaskan berbagai peluang dari
wabah penyakit dalam suatu wilayah, mengetahui
pemanfaatan big data dalam bidang kesehatan.
1 http://www.bankdata.depkes.go.id/
dalam memprediksi jumlah penderita influenza, dipahami adalah cara menggunakan sumber baru
terutama pada orang dewasa. big data bersama dengan data medis yang telah
ada dalam perawatan kesehatan. Selain itu, dapat
diketahui bahwa tidak ada proses baru yang perlu
dibuat untuk mendukung integrasi big data, tetapi
teknologi pada aplikasi yang perlu dikembangkan
untuk mengakomodasi dampak dari karakteristik
big data yang diperlukan untuk memproses data
tersebut.
PatientsLikeMe5 merupakan sebuah platform Proses integrasi big data secara ideal dapat
online data sharing yang memungkinkan pasien dilakukan dengan memahami big data technology
dapat berkomunikasi dengan pasien lain yang stack [12]. Setiap lapisan memiliki implementasi
memiliki penyakit atau kondisi yang sama untuk teknologi dengan karakteristik masing-masing.
saling berbagi pengalaman dan mengetahui jenis Gambar 3 menunjukkan big data technology
pengobatan yang dapat menolongnya. Pasien stack. Proses implementasi biasanya hanya fokus
menyediakan data mengenai kondisi mereka, pada lapisan tertentu bergantung pada masalah
riwayat pengobatan, efek samping, rawat yang dihadapi, karena untuk mewujudkan
inap, gejala, skor fungsional untuk penyakit keseluruhan lapisan diperlukan usaha, biaya, dan
tertentu, berat badan, kualitas hidup, dan waktu yang tidak sedikit. Oleh karena itu, penting
informasi lain untuk mendapatkan wawasan dan untuk mengetahui masalah implementasi apa
mengidentifikasi pola dari penyakit tertentu. yang perlu untuk diselesaikan.
Terdapat banyak solusi teknologi yang dapat B. Memperbaiki Kualitas dengan Data
digunakan untuk mendukung proses integrasi big Eksternal
data, seperti solusi berbasis cloud dengan model
SaaS (Google dan Amazon) dan Hadoop [13]. Peningkatan jumlah berbagai sumber data
Google dan Amazon mengimplementasi solusi dalam bidang perawatan kesehatan dapat
berbasis algoritma MapReduce untuk memproses meningkatkan kualitas perawatan yang diberikan.
data dalam jumlah besar menggunakan banyak Integrasi data eksternal yang dilakukan dapat
komputer. Hadoop merupakan sebuah framework bermanfaat, seperti menolong dokter dalam
yang bersifat open-source dan digunakan oleh membangun dasar pengambilan keputusan yang
banyak perusahaan untuk memproses dan lebih baik, mendapatkan korelasi antara satu
menganalisis data tidak terstruktur dalam jumlah penyakit dan penyakit lainnya, dan membantu
besar [14]. peneliti untuk lebih memahami suatu jenis
penyakit. Hal ini dikarenakan integrasi data
eksternal dapat memberi pandangan yang lebih
luas terkait identifikasi, tingkat keberhasilan suatu
IV. PELUANG BIG DATA DALAM metode pengobatan, dan hubungan sebab-akibat
PERAWATAN KESEHATAN dari suatu penyakit.
Penggunaan big data memiliki banyak
implikasi bagi pasien, penyedia, peneliti, C. Implikasi dari Regionalisasi dan Globalisasi
pembayar (payer), dan komponen lainnya
Dengan berkembangnya berbagai teknologi
dalam sistem perawatan kesehatan. Berikut ini
sharing data, data eksternal yang terintegrasi pada
merupakan peluang dari penggunaan big data
suatu sistem medis akan berasal dari berbagai
dalam perawatan kesehatan [13].
sistem medis di berbagai daerah dan negara. Hal
ini dapat bermanfaat untuk menyediakan populasi
A. Melibatkan Pasien dalam Pengambilan data yang lebih besar bagi para peneliti untuk
Keputusan belajar, mengidentifikasi wabah penyakit lebih
Pada model terdahulu, penyedia layanan cepat, dan memperbaiki hasil penelitian. Selain
kesehatan mendorong pasien untuk tetap itu, teknologi sharing data, khususnya yang
dalam perawatan, misalnya rawat inap untuk dibangun untuk data medis berpeluang untuk lebih
meningkatkan pendapatan. Saat ini, penyedia dikembangkan seiring peningkatan kebutuhan
layanan berfokus untuk menjaga pasien tetap akses data medis lintas daerah dan negara.
sehat secara lebih bertanggung jawab. Hal ini
dilakukan dengan melibatkan pasien untuk D. Kebutuhan Informasi Mendorong Mobilitas
berpartisipasi dalam pengambilan keputusan
Teknologi mobile dapat menjadi jawaban atas
tentang kesehatan dirinya. Dengan tersedianya
kebutuhan untuk mengakses data dimanapun dan
berbagai data, informasi, dan petunjuk dapat
kapanpun, seperti untuk pengambilan keputusan
menolong pasien untuk membuat keputusan yang
klinis. Perkembangan teknologi mobile dapat
lebih baik. Sebagai contoh, kehadiran sistem
membantu pasien dan dokter untuk mengambil
pakar (yang memanfaatkan big data medis)
keputusan secara lebih cepat dan tepat. Dengan
pemberi rekomendasi metode pengobatan untuk
demikian, seiring peningkatan kebutuhan akan
suatu penyakit, dapat membatu pasien memahami
pengaksesan informasi, teknologi mobile akan
berbagai metode pengobatan terhadap penyakit
semakin berkembang dan diikuti oleh kualitas
yang dideritanya, termasuk risiko (jika ada) dari
perawatan kesehatan yang lebih baik. Hal ini juga
metode tersebut.
berarti terdapat peluang pengembangan aplikasi
bidang kesehatan berbasis mobile, terutama
aplikasi yang dapat memanfaatkan berbagai
sumber big data dalam proses pemberian
informasi dan rekomendasi baik kepada pasien,
Pasien dapat membangun nilai dengan Dalam bidang kesehatan, tantangan yang
mengambil peranan secara aktif untuk pengobatan dihadapi adalah sedikitnya jumlah informasi
dirinya sendiri. Nilai ini berfokus pada mengajak yang dapat digunakan untuk mendukung
pasien untuk memiliki gaya hidup sehat, seperti proses pengambilan keputusan, perencanaan,
pola makan dan olah raga yang baik, dan berperan dan strategi. Berikut ini merupakan tantangan
aktif dalam pengobatan apabila sakit. pemanfaatan big data dalam perawatan kesehatan
[13].
B. Right Care
A. Perawatan Kesehatan Sebagai Teknologi
Nilai ini menjamin pasien mendapatkan Tertinggal
perawatan kesehatan yang sesuai dan tepat
waktu. Selain itu, nilai ini memerlukan sebuah Bidang perawatan kesehatan memiliki proses
pendekatan yang terkoordinasi dalam berbagai yang lambat untuk didefinisikan dan didesain
situasi dan diantara berbagai penyedia perawatan ulang. Perawatan kesehatan cenderung tertinggal
kesehatan. Seluruh penyedia perlu memiliki dalam mengadopsi teknologi. Selain itu, teknologi
informasi dan tujuan yang sama untuk mencegah layanan kesehatan mewarisi teknologi terdahulu
upaya dan strategi yang tidak efisien. secara meluas. Hal ini dapat mengakibatkan
Data Baru Diadopsi 3 Industri Saja [Online]. [13] B. Hamilton, “Big Data is The Future of
Alamat situs: http://tekno.liputan6.com/ Healthcare,” Cognizant 20-20 Insight, hal. 1-7,
read/824553/lambat-big-data-baru-diadopsi-3- September 2012.
industri-saja.
[14] S. Mohanty, M. Jagadeesh, dan H. Srivatsa,
[5] J. Hurwitz, A. Nugent, F. Halper, dan M. Kaufman, “Application Architectures for Big Data and
“Examining Big Data Types,” di dalam Big Data Analytics,” di dalam Big Data Imperatives
For Dummies. Hoboken: John Wiley & Sons, Enterprise Big Data Warehouse, BI
Inc., 2013, bab 2, subbab 2.1-2.2, hal. 26-30. Implementations and Analytics. Apress, 2013,
bab 5, subbab 5.5, hal. 124.
[6] J. Sun dan C. K. Reddy, “Big Data Analytics
for Healthcare,” di dalam SIAM International [15] H. K. Patil, dan R. Seshadri, “Big Data Security
Conference on Data Mining, Austin, TX, 2013. and Privacy Issues in Healthcare,” di dalam
Big Data (BigData Congress), 2014 IEEE
[7] World Health Organization. (2014, November International Congress on, Anchorage, AK,
22). Electronic Health Records Manual for 2014.
Developing Countries [Online]. Alamat situs:
http://www.wpro.who.int/publications/docs/ [16] C. Schmitt, dkk., “Security and Privacy in The
EHRmanual.pdf. Era of Big Data: The SMW, a Technological
Solution to the Challenge of Data Leakage,” di
[8] A. F. Dugas, dkk., “Google Flu Trends: Correlation dalam RENCI White Paper Series, vol. 1, no. 2,
With Emergency Department Influenza Rates and hal. 1-9, November 2013.
Crowding Metrics,” Clinical Infectious Diseases,
vol. 54, no. 4, hal. 463-469, Januari 2012. [17] S. Narayan, M. Gagne, dan R. S. Naini, “Privacy
Preserving EHR System Using Attribute-based
[9] K. Lee, A. Agrawal, dan A. Choudhary, “Real- Infrastructure,” di dalam Proceedings of the 2010
Time Disease Surveillance Using Twitter ACM workshop on Cloud computing security
Data: Demonstration on Flu and Cancer,” di workshop, New York, USA, 2010, hal 47-52.
dalam Proceedings of the 19th ACM SIGKDD
international conference on Knowledge discovery [18] M. Eichelberg, T. Aden, J. Riesmeier, A. Dogac,
and data mining, New York, USA, 2013, hal. dan G. B. Laleci, “A Survey and Analysis of
1474-1477. Electronic Healthcare Record Standards,” ACM
Computing Surveys (CSUR), vol. 37, no. 4, hal.
[10] S. Mohanty, M. Jagadeesh, dan H. Srivatsa, “Big 277-315, Desember 2005.
Data Implications for Industry,” di dalam Big Data
Imperatives Enterprise Big Data Warehouse, BI [19] J. Hurwitz, A. Nugent, F. Halper, dan M. Kaufman,
Implementations and Analytics. Apress, 2013, “Dealing with Real-Time Data Streams and
bab 3, subbab 3.2, hal. 65-66. Complex Event Processing,” di dalam Big Data
For Dummies. Hoboken: John Wiley & Sons,
[11] J. Hurwitz, A. Nugent, F. Halper, dan M. Kaufman, Inc., 2013, bab 16, subbab 16.2, hal. 194-195.
“Operationalizing Big Data,” di dalam Big Data
For Dummies. Hoboken: John Wiley & Sons,
Inc., 2013, bab 17, subbab 17.1, hal. 201-205.
[12] J. Hurwitz, A. Nugent, F. Halper, dan M.
Kaufman, “Digging into Big Data Technology
Components,” di dalam Big Data For Dummies.
Hoboken: John Wiley & Sons, Inc., 2013, bab 4,
hal. 47-59.