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.
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
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.
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.
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.
6
5. Kognisi terdiri dari serangkaian kegiatan seperti persepsi, ingatan, fikiran,
penilaian, penalaran, penyelesaiann masalah, pembelajaran, , imajinasi,
pembentukan konsep, pemilihan bahasa, dll.
Dunia Nyata
Kumpulan Kecerdasan
7
BAB III
PEMBAHASAN
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
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
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
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
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
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
18
(NPM) THE FUTURE OF INDIAN NURSING. 2021;01(02):26-29.
doi:10.53926/YNJR/0006
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