TUGAS KELOMPOK

ARTIFICIAL INTERNET OF MEDICAL THINGS ( AIOMT)

TEKNOLOGI PELAYANAN KEBIDANAN
(TECHNOLOGY IN MIDWIFERY CARE)

Artificial Intelligence And Robotic

Dosen Pengampu : Dr. Melyana Nurul Widyawati, S.Si.T., M.Kes

Disusun Oleh : Kebidanan Magister Terapan Kelas B Kelompok XIV

P1337424721030 VERONICA SIMANJUNTAK

P1337424721032 OKTAVIANA T.M.B.ADAM
P1337424721033 IKA RAHMAWATI
P3337424721034 DWI OKTADIARINI

PROGRAM STUDI MAGISTER TERAPAN KEBIDANAN PROGRAM

PASCASARJANA POLTEKKES KEMENKES SEMARANG
TAHUN 2022

1
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia serta taufik dan hidayah-Nya kami dapat menyelesaikan tugas Mata kuliah Teknologi
Pelayanan Kebidanan Kami sangat berharap makalah ini dapat berguna dalam rangka
menambah wawasan serta pengetahuan kita tentang “Konsep Artificial Intelligence Expert
Jugement”. Tujuan dari pembuatan tugas ini adalah untuk memenuhi kewajiban mata kuliah
Teknologi Pelayanan Kebidanan yang diampu oleh Dr. Melyana Nurul Widyawati, S.Si.T.,
M.Kes.
Kami juga menyadari sepenuhnya bahwa didalam penyusunan/ pembuatan tugas ini
terdapat kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap adanya
kritik, saran dan usulan demi perbaikan tugas yang kami buat demi masa yang akan datang,
mengingat tidak ada sesuatu yang sempurna tanpa saran yang membangun. Semoga tugas
makalah sederhana ini dapat dipahami bagi siapapun yang membacanya. Harapan kami tugas
yang telah disusun ini dapat memenuhi kewajiban kamu dalam mata kuliah Teknologi
Pelayanan Kebidanan dan tugas makalah ini berguna bagi yang membacanya. Terima kasih.

Semarang, 16 Februari 2022

Kelompok XIV

ii
 DAFTAR ISI
KATA PENGANTAR................................................................................................ i
DAFTAR ISI...............................................................................................................ii
BAB I PENDAHULUAN...........................................................................................1
A. Latar Belakang...........................................................................................1
B. Rumusan Masalah .....................................................................................2
C. Tujuan Penulisan........................................................................................3
BAB II TINJAUAN PUSTAKA................................................................................3
A. Pengertian AI..............................................................................................3
1. Machine Learning.................................................................................4
2. Natural Language Processing...............................................................4
3. Vision....................................................................................................4
4. Robotic..................................................................................................4
5. Autonomous Vehicle............................................................................5
B. Konsep AI...................................................................................................5
C. Kategori AI Berdasarkan Psikologi...........................................................6
BAB III PEMBAHASAN...........................................................................................8
A. AI dan Pelayanan Kesehatan.......................................................................8
B. Kegunaan AI untuk pasien..........................................................................8
BAB IV PENUTUP..................................................................................................17
A. Kesimpulan...............................................................................................17
B. Saran.........................................................................................................17
DAFTAR PUSTAKA...............................................................................................18

iii
 BAB I
PENDAHULUAN
A. Latar Belakang
Perkembangan ilmu teknologi di Dunia terasa semakin pesat, apalagi dengan
adanya kehadiran kecerdasan buatan atau biasa kita kenal Artficial Intellegence (AI).
Artificial Intelligence (AI) atau kecerdasan buatan adalah teknik yang digunakan untuk
meniru kecerdasan yang dimiliki oleh makhluk hidup maupun benda mati untuk
menyelesaikan sebuah persoalan. Artificial intellegence merupakan salah satu program
komputer yang yang dibuat belajar untuk menirukan perilaku manusia melalui proses
pelatihan dan pembelajaran data, dari proses belajar ini maka sistem akan dapat untuk
menggantikan atau menirukan manusia menyelesaikan masalah.1
Mengenali tentang AI tidaklah sulit, karena sesungguhnya dalam keseharian
aktivitas yang kita lakukan, telah bersinggungan dengan penggunaan AI. Misalnya ketika
kita memiliki smartphone yang terdapat kamera didalamnya. Saat melakukan selfie
menggunakan kamera, tampak dilayar terdapat keterangan jenis kelamin dan umur,
dimana hal itu menunjukkan bahwa terdapat teknologi dari AI yang berada didalam
kamera smartphone. Atau misal contoh lain ketika kita pernah sekali mengklik suatu
produk yang diperdagangkan seperti sepatu pada media sosial, lalu kemudian beberapa
saat akan selalu muncul iklan dari produk sejenis yaitu sepatu di media sosial kita. Hal ini
juga menandakan bahwa teknologi AI sebetulnya sudah kita rasakan, namun perlu suatu
kajian untuk lebih mengenal dan mendalaminya.2
Pengertian lain dari kecerdasan buatan adalah bagian ilmu komputer yang
membuat agar mesin komputer dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat
hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin
mendominasi kehidupan manusia. Komputer tidak lagi hanya digunakan sebagai alat
hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan
segala sesuatu yang bisa dikerjakan oleh manusia.1
Perkembangan teknologi dan digitalisasi telah memungkinkan kemajuan Artificial
Intelligence (AI) untuk lebih mendukung pemberian perawatan kesehatan dan
keperawatan.3 Dalam beberapa tahun terakhir, minat telah tumbuh mengenai penggunaan
teknik kecerdasan buatan (AI) di bidang kedokteran pada umumnya dan juga di bidang
kebidanan. Sejalan dengan pengalama kemajuan teknologi di seluruh dunia, kemampuan
AI sebagian besar telah ditingkatkan, sebagai algoritma pembelajaran baru, teori dan
 kekuatan komputasi canggih ikut bermain, menjembatani kesenjangan dari model teoritis
untuk penggunaan praktis. Mesin learning (ML), subkategori AI yang pada dasarnya
mengajarkan komputer untuk melakukan tugas sendiri tanpa eksplisit pelaksanaan aturan,
telah mengalami perubahan serupa besarnya. Pembelajaran mesin (ML) mencakup
metode analisis data untuk menghasilkan model yang dapat digunakan untuk mewakili
dan memecahkan masalah dalam beberapa domain,Kecerdasan buatan (AI), secara
umum, telah menarik banyak perhatian selama beberapa tahun terakhir karena
kemampuan mereka untuk mengatasi masalah di mana pendekatan konvensional telah
gagal atau gagal belum begitu efektif. 4
AI dapat didefinisikan sebagai “sistem yang menunjukkan perilaku cerdas: dengan
menganalisis lingkungannya, mereka dapat melakukan berbagai tugas dengan tingkat
otonomi tertentu untuk mencapai tujuan tertentu” . Diperdebatkan, teknologi AI telah
digunakan dalam praktik keperawatan selama beberapa dekade Terdapat minat yang
meningkat pada AI dalam perawatan kesehatan disertai dengan hubungan baru antara AI
dan keperawatan. Ada kebutuhan profesi keperawatan untuk terlibat dalam wacana dan
lebih memahami AI. Kebutuhan perawat keterlibatan dalam mengarahkan pengembangan
dan implementasi teknologi AI di pengaturan perawatan kesehatan diakui sangat penting.3

B. Rumusan Masalah
1. Apa pengertian Artificial intellegence ?
2. Bagaimana konsep Artificial intellegence?
3. Bagaimana penerapan Artificial intellegence dalam pelayanan kebidanan ?

C. Tujuan Penulisan
1. Untuk mengetahui pengertian Artificial intellegence.
2. Untuk mengetahui konsep Artificial intellegence.
3. Untuk mendeskripsikan penerapan Artificial intellegence dalam pelayanan
kebidanan.

2
 BAB II
TINJAUAN TEORI

A. Pengertian Artificial Inteligent

Artificial inteligent system adalah ilmu dan teknik untuk meniru, memperluas
dan menambah kecerdasan mesin (buatan) dari kecerdasan manusia melalui cara
dan teknik buatan untuk membuat mesin yang cerdas. Atificial inteligent system
ini merupakan teknologi yang baru dan merupakan solusi pemecahan masalah di
bidang kesehatan.5 David H. Dodd berpendapat bahwa kecerdasan buatan ini
melalui tiga tahapan, yang pertama adalah penyesuaian struktur dan proses.
Tahapan ini merupakan tahapan melakukan proses sesuatu dengan struktur tertentu
untuk tujuan tertentu.6
Artificial Intelligence (AI) adalah bidang ilmu yang khusus untuk
mengembangkan sistem untuk belajar membuat keputusan dan prediksi pada konteks
tertentu. AI merupakan aktifitas yang ditujukan untuk membuat mesin menjadi cerdas,
dan kecerdasan adalah kualitas yang memungkinkan suatu entitas untuk berfungsi tepat
dan dengan pandangan ke depan. 7
Terdapat beberapa bagian yang paling penting dari
artificial intelligence diantaranya yaitu, machine learning, natural language processing,
vision, robotic dan autonomous vehicle dapat dilihat pada gambar 2.178

Gambar 2.17 Bagian dari artificial intelligence8

3
 Yang paling penting di antara mereka adalah sebagai berikut: 8
1. Machine Learning (ML)
Ini adalah metode di mana target (tujuan) ditentukan dan langkah-langkah
untuk mencapai target itu dipelajari oleh mesin itu sendiri dengan pelatihan
(mendapatkan pengalaman). Misalnya untuk mengidentifikasi objek sederhana seperti
apel atau jeruk. Target dicapai bukan dengan secara eksplisit menentukan detail
tentangnya dan mengkodekannya, tetapi sama seperti kami mengajari seorang anak
dengan menunjukkan beberapa gambar berbeda darinya dan oleh karena itu
memungkinkan mesin untuk menentukan langkah-langkah untuk mengidentifikasinya
seperti apel atau jeruk.

2. Natural Languangge Process (NLP)

Pemrosesan Bahasa Alami secara luas didefinisikan sebagai manipulasi
otomatis bahasa alami, seperti ucapan dan teks, oleh perangkat lunak. Salah satu
contoh yang terkenal dari hal ini adalah deteksi spam email karena kami dapat melihat
peningkatannya di sistem email kami.

3. Vision
Dapat dikatakan sebagai bidang yang memungkinkan mesin untuk melihat.
Visi mesin menangkap dan menganalisis informasi visual menggunakan kamera,
konversi analog-ke-digital, dan pemrosesan sinyal digital. Hal ini dapat dibandingkan
dengan penglihatan manusia tetapi tidak terikat oleh keterbatasan manusia yang
memungkinkannya untuk melihat menembus dinding (sekarang akan menarik jika
kita dapat memiliki implan yang dapat membuat kita melihat menembus dinding).
Biasanya dicapai melalui pembelajaran mesin untuk mendapatkan hasil terbaik
sehingga kita dapat mengatakan bahwa kedua bidang ini saling terkait.

4. Robotic
Ini adalah bidang teknik yang berfokus pada desain dan pembuatan robot.
Robot sering digunakan untuk melakukan tugas-tugas yang sulit dilakukan atau
dilakukan manusia secara konsisten. Contohnya termasuk jalur perakitan mobil, di
rumah sakit, pembersih kantor, menyajikan makanan, dan menyiapkan makanan di
hotel, berpatroli di area pertanian dan bahkan sebagai petugas polisi. Baru-baru ini

4
 pembelajaran mesin telah digunakan untuk mencapai hasil yang baik dalam
membangun robot yang berinteraksi secara sosial (Sophia)

5. Autonomous Vehicles
Area AI ini telah menarik banyak perhatian. daftar kendaraan termasuk mobil,
bus, truk, kereta api, kapal, kapal selam, dan drone terbang autopilot dll.
Bidang-bidang di atas secara sederhana dapat ditunjukkan seperti di bawah ini dan
kita dapat melihat mengapa pembelajaran mesin memainkan peran utama dalam
mencapai AI.

B. Konsep Artificial Intelligence

Ada 4 dasar konsep dasar dalam AI, yaitu9:
1. Acting Humanly
Agen artificial intelligence mampu bertingkah dan berinteraksi seperti
manusia. Contoh untuk hal ini adalah turing test. Tujuan dari turing test adalah
untuk mengevaluasi suatu sistem mampu “menipu” manusia.
2. Acting Rationally
Pada dimensi ini, agen artificial intelligence mampu bertingkah dengan
optimal. Tindakan optimal belum tentu menyerupai tindakan manusia.

5
 3. Thinking Humanly
Agen artificial intelligence mampu berpikir seperti manusia dalam segi
kognitif. Dalam hal ini mampu meniru bagaimana proses berpikir di otak
(pemodelan otak).
4. Thinking Rationally
Agen artificial intelligence mampu berpikir secara rasional sesuai dengan
konsep logika matematika. Thinking humanly cenderung pada pemodelan kognitif
secara umum, sedangkan pada thinking rationally pada pemodelan proses berpikir
dengan prinsip optimisasi.

Untuk penyelesaian kecerdasan buatan mempunyai 4 teknik sebagai berikut :

1. Searching(teknik pencarian) yaitu teknik penyelesaian masalah yang
mempresentasikan masalah ke dalam ruang keadaan(state) dan secara sistematis
melakukan pembangkitan dan pengujian state-state dari initial state sampai
ditemukan suatu goal state.
2. Reasoning(teknik penalaran) yaitu teknik penyelesaian masalah yang
mempresentasikan masalah masalah ke dalam logic (mathematics tools yang
digunakan untuk mempresentasikan dan memanipulasi fakta dan aturan).
3. Planning(Perencanaan) suatu metode penyelesaian masalah dengan cara
memecahkan masalah ke dalam sub - sub masalah yang lebih kecil, menyelesaikan
masalah satu demi satu, kemudian menggabungkan solusi - solusi dari satuan
terkecil menjadi konfrehensif.
4. Learning Secara otomatis menerapkan aturan yang diharapkan bisa berlaku umum
untuk data-data yang belum pernah kita ketahui.

C. Kategori Menurut Psikologi

Hoston Amerika membagi pengetahuan dari artificial inteligent system
menjadi lima kategori. Kategori tersebut antara lain:10
1. Pengetahuan yang memproses dan mengolah informasi
2. Pengolahan melibatkan simbol-simbol
3. Pengetahuan dapat memecahkan masalah
4. Pembelajaran kognitif pikiran dan kecerdasan

6
5. Kognisi terdiri dari serangkaian kegiatan seperti persepsi, ingatan, fikiran,
penilaian, penalaran, penyelesaiann masalah, pembelajaran, , imajinasi,
pembentukan konsep, pemilihan bahasa, dll.

Bagan artificial inteligent system/kecerdasan buatan dapat dilihat dalam

gambar dibawah ini.

Dunia Nyata

Pemrosesan Informasi Yang

Stabil

Kumpulan Kecerdasan

Pemrosesan Informasi yang

flexibel
BAB III

7
 BAB III
PEMBAHASAN

A. AI dan Pelayanan Kesehatan

Teknologi berkembang dengan pesat dan semakin banyak kemajuan dalam
perawatan kesehatan terkait Penggunaan robot dan kecerdasan buatan, dengan perkiraan
oleh McKinsey Global Institute bahwa 800 juta pekerja di seluruh dunia akan digantikan
oleh robot. pada tahun 2030. 11
Robotika dan kecerdasan buatan (AI) memengaruhi cara perawat dan praktisi
memberikan perawatan kesehatan. Robotika telah digunakan di banyak bidang
keperawatan dan fasiltas kesehatan. Di beberapa klinik, robot rumah sakit yang “ramah”
telah membantu membantu perawat yang stres. Selain itu, AI membantu profesional
perawatan kesehatan untuk memilah data pasien dengan lebih baik dan meningkatkan
akurasi diagnosis. Misalnya, AI dapat membantu menganalisis kumpulan data yang besar
dan menentukan apakah suatu kondisi tertentu merupakan akibat dari kesehatan
seseorang atau mungkin disebabkan oleh faktor yang lebih besar, seperti tingginya jumlah
wabah penyakit baru-baru ini di komunitas tertentu atau tren pola makan yang buruk
dipopulasi tertentu. Selain menjadi bagian luar biasa dari teknologi dan inovasi, robotika
dan AI dalam keperawatan memungkinkan berbagai manfaat lainnya. Mereka dapat
membantu dalam memberikan layanan kesehatan seperti menyediakan alat dan panduan
dalam operasi membantu membuat upaya pemulihan lebih nyaman dan berhasil, dan
berpotensi meningkatkan hasil upaya pencegahan.12

B. Kegunaan AI untuk Perawatan Pasien

Hasil kepuasan pasien juga dapat dipengaruhi oleh kecerdasan buatan dalam
perawatan kesehatan. Perusahaan medis AI membuat sistem yang membantu pasien di
setiap tingkat. Kecerdasan klinis juga menganalisis data medis pasien data dan akhirnya
memberikan wawasan untuk membantu mereka meningkatkan kualitas hidup mereka.
Berikut ini adalah beberapa sistem kecerdasan klinis yang secara signifikan yang
meningkatkan perawatan pasien:13
1. Perawatan Kesehatan Ibu
AI sebagai teknik potensial untuk mengidentifikasi ibu berisiko tinggi dan
mengurangi kematian ibu dan masalah setelah melahirkan. 13
a. Deteksini Dini Preeklampsia

8
 Salah satu contoh AI yang akan kami sebutkan disini adalah AI dalam bentuk
aplikasi android untuk deteksi dini preeklampsia beserta rekomendasinya. Dalam
penelitiannya Simblon (2020) mengembangkan sebuah aplikasi seluler yang
memiliki dua kontribusi unik, yaitu: memprediksi resiko preeklampsia dan
rekomendasi pada ibu hamil dan menggunakan soft voting based esemble learning
dan content based yaitu mengabungkan prediksi dari beberapa estimator secara
independen dan kemudian meratakan prediksi mereka serta menggunakan infomasi
tentang beberapa item/data untuk direkomendaskan kepada pengguna untuk
referensi terkait dengan informasi yang digunakaan sebelumnya. Dalam penlitianya,
peneliti melakukan pegumupulan data dengan menginput 402 kohort ibu hamil dan
data yang diambil adalah variabel yang berhubungan dengan faktor resiko
preeklampsia, misalnya: usia ibu, lingkar lengan, hemoglobin, Tkanan daah, protein
urin, paritas, interval, tinggi (TB), BB, IMT, riwayat preeklampsia, riwayat
diabetes, riwayat hipertensi dan MAP. Selanjutnya didesain sistem untuk AI nya.
Ada 2 proses dalam program ini, yaitu tahapan training dan tahapan testing. Hasil
dari pengembangan penelitian ini adalah pembelajaran soft voting ensemble untuk
prediksi preeklamsia memiliki nilai akurasi yang tinggi sebesar 98,51% ± 0,0186%
dibandingkan dengan enam individu pengklasifikasi (k-Nearest Neighbors, Linear
SVM, RBF SVM, Gaussian Process, Multi- Layer Perceptron, dan Ada Boost).
Sistem rekomendasi yang diusulkan juga menghasilkan nilai akurasi yang tinggi
yaitu 96,66% ± 0,0229%. Kedua ansambel yang kami usulkan berdasarkan soft-
voting dan sistem rekomendasi memiliki nilai varians yang kecil, yang
menunjukkan stabilitas tinggi.14

9
10
2. Perkiraan persalinan pervaginam (VD) pada anak kembar
Lumbreras-Marquez et al (2021) mengembangkan model berbasis ML
untuk memperkirakan persalinan pervaginam pada kembar. Untuk tujuan ini,
peneliti mempelajari 1054 perempuan. Sementara itu, nilai yang diinfuskan di
antara 17 prediktor sebesar 14%, sedangkan frekuensi persalinan pervaginam
mencapai 77%. Algoritma RF yang digunakan, pilih 12 prediktor untuk
dimasukkan dalam data pelatihan termasuk usia kehamilan, ART dll. Hasil
mengungkapkan sensitivitas 97%, spesifisitas 20%, tingkat peramalan positif
80% dan tingkat perkiraan negatif 67%, membuktikan bahwa model berbasis ML
juga dapat membantu dalam bimbingan dan pemantuan persalinan pasien
kehamilan kembar. 4,15

3. Memprediksi Rawat Ulang Ibu dalam Kehamilan berhubungan dengan

Masalaha Hipertensi dalam kehamilan
Teknik ML juga telah digunakan oleh beberapa peneliti agar dapat
memberikan solusi terhadap permasalahan lainnya seperti meramalkan rawat inap
ulang ibu karena untuk gangguan hipertensi kehamilan. Hal ini sangat bagus dan
penting karena merupkan salah satu penyebab kasus kematian ibu . Hoffman et al
(2021) mengusulkan sebuah algoritma yang bisa mengatasi masalah berbahaya
ini. Mensurvei satu lembaga, menggunakan data dari elektronik rekam medis pada
saat ibu keluar, untuk memprediksi 42 hari setelah keluar dari RS. Setelah
itu,mereka memisahkan data menjadi derivasi (termasuk 20,032 wanita hamil
dengan 238 penerimaan kembali/1,2%) dan sebuah kohort validasi (termasuk
5,823 wanita hamil dengan 82 penerimaan kembali/1,4%). Model tersebut
menemukan 31 fitur klinis yang bisa memprediksi penerimaan kembali dalam
kedua kasus, menyarankan bahwa penyelidikan lebih lanjut dan eksploitasi teknik
ML yang mana akhirnya bisa terbukti bermanfaat karena bisa memprediksi risiko
re-hospitalisasi danmenghasilkan kesadaran awal bahaya yang mungkin segera
terjadi.4,16

4. Perdarahan ibu postpartum

Dengan tujuan untuk memprediksi risiko perdarahan postpartum, Westcott
et al (2020) mengembangkan model lain, berdasarkan regression-, tree- and kernel
Teknik ML, untuk memisahkan perempuan ke dalam kelompok, berdasarkan

11
 risiko yang mereka miliki untuk mendapatkan perdarahan; 30.867 wanita (dari Juli
2013 hingga Oktober 2018) berpartisipasi dalam penelitian ini, sementara 471
variabel dikumpulkan dari rekam medis elektronik, yaitu riwayat keluarga, tanda-
tanda vital dll. Dua sub-model dibuat dan dibandingkan; pertama satu termasuk
data dari semua tahap kehamilan, sedangkan yang kedua tidak menggunakan
banyak data sebelum tahap persalinan. Hasil menunjukkan bahwa secara
keseluruhan, mengenai prediksi positif PPH, model pertama yang mmembuktikan
bahwa model berbasis XGBoost akhirnya bisa bekerja sebagai alat pencegahan
yang akurat, membantu dalam diagnosis tepat waktu dan konseling pasien
(termasuk keputusan transfer perawatan).4,17

5. Prediksi Neonatus Prematur

Rittenhouse et al (2019) menciptakan model berbasis ML lainnya,
bertujuan untuk mengidentifikasi bayi baru lahir prematur di masyarakat kurang
mampu daerah, di mana ada tingkat kematian neonatal yang tinhggi. Para peneliti
menggunakan algoritma ML serta faktor ibu yang berhubungan dengan SGA
(Small for Gestational Age). Hasil mengungkapkan serangkaian karakteristik ,
terkait ibu dan bayi baru lahir, yang pada akhirnya bisa mengarah pada identifikasi
yang tepat dan ditingkatkan dan tepat waktu intervensi klinis, mengurangi masalah
di negara berpendapatan rendah-menegah.4,18

1. Robot untuk Pelayanan Kesehatan

Selain tenaga medis, robot medis tertentu membantu pasien. Bahkan Robot dapat
membantu rehabilitasi dan pembedahan.13 Salah satu contoh penelitian terkini yang
akan kami bahas adalah Teleoperated di Bangsal Isolasi untuk Pencegahan dan
Pengendalian COVID-19. Penelitian Yang (2020) menuliskan bahwa Menggunakan
teknologi robot dan telemedicine untuk membantu memerangi wabah COVID-19
telah mendapatkan perhatian besar karena alasan yang baik: lebih banyak robot dan
pertemuan virtual di lapangan berarti lebih sedikit kontak orang ke orang, dengan
demikian, risiko infeksi yang lebih rendah bagi petugas kesehatan. Menggunakan
robot juga dapat mengurangi transmisi komunitas dan konsumsi APD. Oleh karena itu
peneliti mengembangkan sistem telerobotik untuk proses perawatan jarak jauh di
bangsal isolasi. Sistem telerobotik ini menggunakan dua sub sistm utama yaitu: Sistem

12
teleoperasi terdiri dari perangkat penangkap gerak awal yang dapat dipakai dan robot
kolaboratif dua lengan (YuMi, IRB14000). 19
Menggunakan perangkat penangkap gerakan, data gerakan ekstremitas atas dari
petugas kesehatan dapat diperoleh dan digunakan untuk mengontrol gerakan lengan
robot dari jarak jauh. Sepasang sarung tangan data digunakan untuk menangkap
gerakan jari dan teleoperasikan gripper atau end effector YuMi lainnya. Sistem
telepresence dicapai dengan komputer tablet yang dipasang di bagian depan robot
yang dioperasikan dari jarak jauh. Sistem Konferensi Audio/Video Multi-Pengguna
untuk konsultasi medis jarak jauh dikembangkan dan digunakan berdasarkan
Komunikasi Waktu Nyata Web (WebRTC). Selanjutnya, jaringan neuron dalam
digunakan untuk memantau keadaan emosional pasien dengan menggunakan komputer
table. Dengan dua subsistem tersebut, robot teleoperated ini dapat membantu atau
bahkan menggantikan tenaga medis untuk merawat pasien di ruang isolasi. Dengan
kata lain, robot teleoperated menjadi mata, telinga, dan tubuh petugas kesehatan di
bangsal isolasi.Robot ini dapat bergerak dengan flexibel diruangan yang sempit dan
ketinggiannya sapat disesuaikan Sistem telerobotik yang baru dirancang ini
menggabungkan kekuatan petugas kesehatan (pengetahuan ahli untuk perawatan
pasien) dengan kekuatan robotika (jarak sosial dan kemampuan untuk bekerja di
lingkungan berbahaya) untuk memberikan hasil terbaik kepada pasien dan petugas
kesehatan. Implementasi robot dalam pertempuran melawan COVID-19 telah
memperoleh umpan balik positif dari petugas kesehatan karena potensinya dalam
memblokir infeksi dan efektifitas dalam membebaskan petugas medis dari tugas yang
berulang. 19

13
14
15
16
 BAB IV
PENUTUP
A. Kesimpulan
Berdasarkan uraian di atas, dapat disimpulkan bahwa Artificial Intelligence (AI) atau
kecerdasan buatan adalah teknik yang digunakan untuk meniru kecerdasan yang dimiliki
oleh makhluk hidup maupun benda mati untuk menyelesaikan sebuah persoalan dengan
menggunakan berbagai disiplin ilmu yang ada.
Artificial Intelligence (AI) merupakan aktifitas yang ditujukan untuk membuat
mesin menjadi cerdas, dan kecerdasan adalah kualitas yang memungkinkan suatu entitas
untuk berfungsi tepat dan dengan pandangan ke depan. Namun, bukan berarti bahwa
keberadaan sebagai tenaga kesehatan diabaikan atau tidak dibutuhkan lagi. Hal ini
disebabakan bahwa antara kecerdasan buatan dan alami sama- sama saling memberikan
kontribusi yang cukup untuk mengembangkan ilmu teknologi sesuai perkembangan
zaman.
Perkembangan teknologi hingga saat ini Artificial Intelligence (AI) telah banyak
menghasilkan kecerdasan buatan yang sangat berguna bagi kehidupan manusia dan
Artificial Intelligence (AI) terus dipelajari serta dikembangkan secara meluas maupun
mendalam.

B. Saran
Melalui makalah ini diharapkan bidan mampu mengikuti perkembangan zaman.
Bidan juga diharapkan agar dapat dengan aktif melakukan riset yang didasarkan pada
inovasi pengembangan alat kesehatan berbasis Artificial Intelligence (AI). Hal ini
berdasarkan tinjauan dari riset – riset sebelumnya yang membuktikan bahwa teknologi
alat kesehatan berbasis Artificial Intelligence (AI) dapat membantu suluruh tenaga
kesehatan dalam melaksanakan tugasnya, apalagi dengan keadaan kita seperti saat ini
dengan pandemi Covid – 19 yang belum berakhir. Teknologi berbasis Artificial
Intelligence (AI) dapat digunakan untuk mencegah resiko infeksi silang yang sangat
besar kemungkinan akan terjadi.

17
 DAFTAR PUSTAKA

1. Habibi A, Haryati RTS. Artificial Intellegence in Nursing : A Literatur Riview. JKFT

Univ Muhamadiyah Tangerang Vol. 2021;6(2):8-16.

2. Aprilia Dhammashinta, Dartini, Kurniawan AN. Artificial Intelligence Dalam

Klasifikasi Jenis Tumor Pada Pemeriksaan MRI Otak. Politek Kesehat Kemenkes
Semarang. Published online 2021.

3. Peltonen LM, Pruinelli L, Lewis A, Block L, Topaz M, Von Gerich H. Will Artificial
Intelligence Replace Nurses? A Debate. Stud Health Technol Inform. 2021;284:341-
343. doi:10.3233/SHTI210740

4. Barbounaki S, Vivilaki V. Intelligent systems in obstetrics and midwifery:

Applications of machine learning. Eur J Midwifery. 2021;5(December):1-12.
doi:10.18332/ejm/143166

5. Z S. Advance Artificial Intelligence.; 2011.

6. Yu KH, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng.
2018;2(10):719-731. doi:10.1038/s41551-018-0305-z

7. Smith M, Neupane S. Artificial Intelligence and Human Development : Toward A

Research Agenda. International Development Research Centre; 2018.

8. Chethan Kumar GN. Artificial Intelligence: Definition, Types, Examples,

Technologies | by Chethan Kumar GN | Medium. Published 2018. Accessed February
18, 2022. https://chethankumargn.medium.com/artificial-intelligence-definition-types-
examples-technologies-962ea75c7b9b

9. Putra JWG. Pengenalan Konsep Pembelajaran Mesin Dan Deep Learning. Vol 1.4.;
2020. https://www.researchgate.net/publication/323700644

10. Stair RM, Reynolds GW. Thirteenth Edition Information Systems.; 2018.

11. Bella SA, Brysiewiczb P. 2020 Year of The Nurse and Midwife: Meeting New
Challenge. 2020;(January). doi:10.1016/j.ienj.2020.100848

12. Jaspher MJ, K K. INNOVATION: NURSE PRACTITIONER IN MIDWIFERY

18
 (NPM) THE FUTURE OF INDIAN NURSING. 2021;01(02):26-29.
doi:10.53926/YNJR/0006

13. Shaheen MY. Aplikasi Kecerdasan Buatan. 2021;(September):0-2.

doi:10.14293/S2199-1006.1.SOR-.PPVRY8K.v1

14. Simbolon O. Predicting the Risk of Preeclampsia using Soft Voting-based Ensemble
and Its Recommendation. Published online 2020.

15. Lumbreras-Marquez MI, Farber MK, Kim J, et al. 913 Prediction of vaginal delivery
in twins using machine learning. Am J Obstet Gynecol. 2021;224(2):S567-S568.
doi:10.1016/j.ajog.2020.12.938

16. Hoffman MK, Ma N, Roberts A. A machine learning algorithm for predicting maternal
readmission for hypertensive disorders of pregnancy. Am J Obstet Gynecol MFM.
2021;3(1):100250. doi:10.1016/j.ajogmf.2020.100250

17. Westcott JM, Hughes F, Liu W, et al. 638: Prediction of maternal hemorrhage: using
machine learning to identify patients at risk. Am J Obstet Gynecol. 2020;222(1):S407.
doi:10.1016/j.ajog.2019.11.653

18. Rittenhouse KJ, Vwalika B, Keil A, et al. Improving preterm newborn identification in
low-resource settings with machine learning. PLoS One. 2019;14(2):1-12.
doi:10.1371/journal.pone.0198919

19. Yang G, Lv H, Zhang Z, et al. Keep Healthcare Workers Safe : Application of

Teleoperated Robot in Isolation Ward for COVID - 19 Prevention and Control.
Chinese J Mech Eng. Published online 2020. doi:10.1186/s10033-020-00464-0

19