Disusun Oleh:
GIRINDRA CHANDRA ALAM (2206112691)
JONATAN HALOMOAN (2206112836)
PARAS DITA (2206008773)
I. Pendahuluan
Sustainable Development Goals (SDGs) atau biasa kita sebut dengan Tujuan
Pembangunan Berkelanjutan adalah poin - poin yang menjadi dasar dan panduan
dalam pembangunan global yang diluncurkan oleh Perserikatan Bangsa-Bangsa
(PBB) pada tahun 2015. Tujuannya sendiri adalah untuk mencapai kesejahteraan
sosial, ekonomi, dan lingkungan di seluruh dunia pada tahun 2030. Pada Essay ini
kami akan berfokus pada salah satu SDGs yang penting yaitu SDGs nomor 3, yang
isinya adalah "Kesehatan yang baik dan kesejahteraan". Dimana SDGs nomor 3
merupakan salah satu SDGs yang memiliki ketersedian data yang paling tinggi
dibandingkan dengan SDGs yang lainnya. Tujuan dari SDGs ini adalah memastikan
kehidupan yang sehat dan mendukung kesejahteraan bagi semua dan untuk semua
usia. Target dari SDGs nomor 3 meliputi pengurangan angka kematian bayi dan ibu
hamil, penanggulangan penyakit menular, peningkatan kesehatan mental, dan
meningkatkan akses ke layanan kesehatan dasar.
Beberapa saat lalu kita telah melihat salah satu bencana yang di rasakan oleh seluruh
dunia yaitu pandemi COVID-19 dimana saat ini angkanya sudah mulai menurun di
seluruh dunia. Dari data yang dikeluar Oleh UN dalam “SDGs Report 2022”
menunjukan bahwa covid-19 telah menginfeksi 500 juta orang, menjadi penyebab
atas 15 juta kematian dan mengangu 92% layanan kesehatan di berbagai negara,
Melihat hal tersebut dan besarnya dampak yang diderita oleh semua lapisan
masyarakat maka penerapan riset dalam mengantisipasi dan mengembangan
kebijakan SDGs nomor 3 menjadi semakin penting. Data sains sangatlah diperlukan
untuk mengidentifikasi tantangan dari aspek kesehatan dan juga bagaimana
mengembangkan strategi untuk mengatasi masalah tersebut atau masalah lain yang
mungkin saja akan muncul kedepannya. Dalam essay ini, kami akan membahas
tentang penerapan riset, tantangan riset, dan pengembangan riset kedepan terkait
data sains dalam mengambil kebijakan - kebijakan terkait SDGs nomor 3 terlebih
dalam kasus pandemi COVID-19.
II. Penerapan
Penerapan riset sangat penting untuk memahami tantangan kesehatan yang ada dan
juga menjadi pendorong dalam mengembangkan solusi untuk mengatasi masalah
tersebut. Para ahli statistik di dunia saat ini sedang mengumpulkan data dan belajar
dari pandemi COVID-19 dengan harapan mereka dapat mengambil “pengetahuan”
yang baru yang nantinya akan memberikan pemahaman yang lebih baik dalam
menangani dan memitigasi resiko - resiko yang akan muncul kedepannya. Dalam
prakteknya riset mengenai kesehatan akan berkaitan dengan pengumpulan, analisis,
dan interpretasi data untuk memahami penyakit, pengobatan, dan faktor-faktor yang
mempengaruhi kesehatan. Penerapan riset dalam pengembangan kebijakan SDGs
nomor 3 meliputi beberapa hal yang bisa dijabarkan sebagai berikut:
Salah satu manfaat utama dari riset dalam bidang kesehatan adalah membantu
mengidentifikasi tantangan kesehatan yang ada. Tantangan kesehatan dapat
berbeda-beda di berbagai negara, bahkan di dalam satu negara pun dapat berbeda-
beda. Penerapan riset dapat membantu dalam identifikasi masalah kesehatan yang
ada di suatu daerah, memperkirakan jumlah penderita penyakit tertentu, serta
menemukan faktor-faktor yang yang menjadi penyebab suatu penyakit. Dalam kasus
COVID-19 berbagai negara telah melakukan identifikasi masing - masing terkait
bagaimana mengoptimalkan kesehatan penduduknya. Negara seperti China yang
merupakan sumber awal dari penyakit ini mengidentifikasi bahwa tantangan utama
dari penyakit ini adalah mengenai tingkat penularannya sehingga negara tersebut
mengambil kebijakan dengan melakukan lockdown. Negara lain seperti Indonesia di
awal - awal kemunculannya mengidentifikasi bahwa penyakit ini tidak terlalu
berbahaya sehingga tidak perlu melakukan lockdown cukup dengan melakukan
perubahan budaya kerja dari WFO ke WFH dan juga dari tidak mengunakan masker
menjadi mengunakan masker untuk meminimalisir penularan.
Untuk mengatasi masalah kesehatan yang telah diidentifikasi, hasil riset dapat
membantu dalam menentukan prioritas dalam pengalokasian anggaran kesehatan,
serta mengembangkan kebijakan yang terbaik untuk mengatasi masalah kesehatan
yang ada. Dalam menghadapi Pandemi COVID-19 strategi indonesia berubah dari
yang tadinya hanya meminimalisir penularan berubah menjadi bagaimana
membangun daya tahan tubuh yang kuat untuk melawan penyakit tersebut sehingga
pemerintah indonesia berfokus pada kebijakan - kebijakan yang membangun herd-
imunity seperti pemberian vaksin dan juga bagaimana melakukan perawatan pada
orang - orang yang terjangkit. dari sini juga dapat dilihat bagaimana pengalokasian
anggaran pemerintah indonesia tidak berfokus pada menstop penularan dengan
mengratiskan biaya swab antigen atau PCR tetapi anggaran difokuskan kepada
pengobatan orang yang sudah terjangkit dengan pemberian vaksin gratis.
III. Tantangan
Telah menjadi sebuah keniscayaan dimana dalam melaksanakan riset terkait hal
apapun di Indonesia pasti terdapat tantangan tersendiri, tidak terkecuali dengan riset
terkait data science. Beberapa tantangan riset dalam pengembangan kebijakan SDGs
nomor 3 di Indonesia adalah sebagai berikut:
Pemerataan akses bagi masyarakat juga masih menjadi PR bagi Pemerintah. Betapa
tidak? Kebanyakan data di Indonesia, terutama di daerah masih dilakukan dan
dikelola secara manual. Bahkan untuk pengajuan Kartu Tanda Pengenal (KTP) yang
digadang-gadang merupakan Single Identity Number pun dilakukan secara manual di
beberapa daerah. Puskesmas yang merupakan unit pelayanan kesehatan yang
pertama kali diakses oleh mayoritas penduduk Indonesia pun masih menggunakan
prosedur pencatatan manual. Prosedur pencatatan manual inilah yang menjadikan
data-data tidak tercatat dengan baik, bahkan bisa jadi tercecer. Pencatatan secara
manual ini pun pada akhirnya sulit dilakukan integrasi antara satu sama lain karena
adanya perbedaan format. Pada akhirnya, data-data ini hanya teronggok menjadi
tumpukan kertas tanpa dilakukan migrasi ke bentuk digital dan tentu saja tanpa
pengolahan data.
Alasan mengapa data di Indonesia masih dikelola secara manual dapat disebabkan
oleh beberapa hal sebagai berikut:
Hingga saat ini Indonesia masih belum memiliki Pusat Data Nasional atau lembaga
yang secara khusus yang mengelola seluruh data yang dimiliki oleh K/L/D beserta
BUMN. Saat ini K/L/D dan BUMN masih mengelola data mereka secara tersendiri.
Selain itu, masih menjadi PR bagi pemerintah untuk melakukan Data kesehatan juga
merupakan data yang sulit diperoleh, terutama di daerah yang memiliki infrastruktur
kesehatan yang terbatas. Selain itu, data yang diperoleh mungkin tidak lengkap atau
tidak akurat sehingga hal tersebut dapat mengganggu analisis riset.
Contoh pengumpulan data yang sempat tersangkut kasus etika adalah masalah
dalam penggunaan aplikasi PeduliLindungi. Aplikasi PeduliLindungi merupakan
aplikasi yang bertujuan untuk melakukan tracing kontak Covid-19 yang bertujuan
untuk memutus rantai penyebaran Covid-19 dengan cara melakukan scan barcode di
beberapa area publik seperti mall, taman kota, stadion, dll yang bertujuan untuk
membatasi jumlah orang yang ada dalam area tersebut agar tidak saling berkontak
erat satu sama lain. Aplikasi ini juga dapat mengenali seseorang yang merupakan
suspek/penderita Covid-19 agar tidak masuk ke dalam area publik tersebut sehingga
penyebaran Covid-19 dapat dicegah. Kemudian yang menjadi permasalahan adalah
beberapa pengguna merasa tidak aman dalam menggunakan aplikasi tersebut karena
mandatory aplikasi dalam mengakses beberapa informasi pribadi user yang
dikhawatirkan dapat disalahgunakan atau bahkan bocor, meskipun Pemerintah
sendiri sudah melakukan klaim bahwa aplikasi tersebut aman dan data akan dihapus
setelah periode waktu tertentu.
Untuk data kesehatan sendiri merupakan data pribadi yang sangat sensitif sehingga
perlu kehati-hatian yang ekstra untuk mengelola data ini agar dapat diperuntukkan
sesuai dengan tujuannya.
Tantangan etika seperti ini yang kemudian dapat memperlambat proses riset dan
membuat biaya riset meningkat.
Kompleksitas Riset
Riset terkait dengan bidang kesehatan seringkali sangat kompleks dan membutuhkan
waktu yang lama untuk dilakukan. Dalam hal ini, apabila seseorang ingin melakukan
riset kesehatan, periset perlu mengajukan penelitian klinis memerlukan waktu yang
cukup lama untuk menyelesaikan uji klinis dan mendapatkan persetujuan untuk
melakukan penelitian tersebut. Selain itu, seperti yang telah dijelaskan sebelumnya
bahwa sumber data kesehatan berasal dari berbagai instansi yang berbeda yang tidak
memiliki satu format baku dan beberapa diantaranya masih berupa format manual,
sehingga menjadi tantangan tersendiri bagi periset untuk menyatukan data tersebut.
Perbedaan format tersebut juga besar kemungkinan akan membuat sebuah data tidak
memiliki data yang cukup untuk diolah.
Periset juga harus memiliki keahlian dalam menentukan metode apa yang akan
digunakan untuk menganalisis data serta menentukan parameter-parameter mana
yang kemudian menjadi variabel kontrol.
Riset kesehatan membutuhkan biaya yang sangat besar, terutama jika melibatkan
penelitian klinis dan pengembangan obat baru. Penggabungan data-data yang
memiliki format berbeda dan migrasi form manual ke digital juga tentunya akan
memakan dana yang sangat besar. Belum lagi dengan sumber daya pengolah data
yang juga harus memiliki keterampilan yang berkualitas tinggi untuk dapat
mengembangkan model dan memilih algoritma yang tepat.
Masalah terkait privasi juga menjadi beban biaya yang besar untuk riset di bidang
kesehatan. Data kesehatan yang sensitif ini tidak boleh sampai bocor ke pihak-pihak
yang tidak berwenang dan tidak boleh mudah dicuri, sehingga periset perlu
mengalokasikan dana yang besar untuk perlindungan data.
IV. Pengembangan
Namun dapat ditemukenali pula kesempatan untuk memanfaatkan data science yang
dapat diterapkan untuk menjawab kebutuhan di bidang kesehatan. Salah satu
bentuknya adalah pemanfaatan data science berupa penggunaan teknologi dan
keterampilan khusus seperti big data dan machine learning yang dapat membantu
dalam pengolahan data kesehatan yang besar dan kompleks sehingga lebih efisien
dan akurat. Selain itu, peningkatan keterampilan khusus dalam bidang statistik dan
metode penelitian juga dapat membantu dalam meningkatkan kualitas riset
kesehatan. Contoh konkrit pemanfaatan machine learning dan big data adalah dalam
membantu mencegah terjadinya persebaran penyakit dengan melakukan
forecasting/prediksi pola persebaran penyakit tersebut berdasarkan data historis dan
memanfaatkan machine learning. Berdasarkan salah satu paper berjudul Analisis Pola
Penyebaran Penyakit dengan Menggunakan Algoritma C4.5 pada Jurnal Teknik
Informatika Unika St. Thomas (JTIUST), Volume 03 Nomor 01, diberikan salah satu
contoh algoritma yaitu C4.5, salah satu metode machine learning berupa algoritma
klasifikasi untuk membuat pohon keputusan yang dapat memprediksi dan membantu
dalam menginterpretasikan solusi dari sebuah masalah. Algoritma ini membantu
dalam mengklasifikasi data pasien untuk memprediksi pola persebaran penyakit.
Data science juga dapat meningkatkan kolaborasi data antar negara, contohnya
pengembangan selama masa pandemi, adanya dashboard penyebaran virus COVID-
19 dari WHO, yang berdasarkan data terupdate dari seluruh negara di dunia,
dashboard tersebut menunjukkan kenaikan jumlah pasien COVID-19 setiap harinya,
jumlah pasien meninggal dunia, pasien sembuh, dan juga memiliki grafik visualisasi
trend setiap negara. visualisasi ini didasarkan pada data science, dengan
memanfaatkan kolaborasi antar negara supaya dapat membantu dalam mengatasi
keterbatasan akses dan ketersediaan data kesehatan. Dengan pertukaran data dan
sumber daya, data science dapat membantu meningkatkan keterampilan dan
kapasitas peneliti dalam melakukan riset kesehatan dan dalam mengakses data
terupdate dari big data, melengkapi analisis dari hasil survey yang dilakukan secara
resmi. Lebih jauh, data ini juga dapat membantu dalam mengatasi tantangan
kedepannya karena berdasarkan historis tersebut, pemerintah dapat mengambil
keputusan strategi yang terbaik berdasarkan pola persebaran penyakit, kapasitas
rumah sakit dan fasilitas kesehatan, serta ketersediaan tenaga medis. Belajar dari
masa pandemi Covid-19, banyak Rumah Sakit yang collapse karena beban kerja yang
terlalu tinggi. Data science seharusnya dapat memprediksi persebaran pasien
sehingga pasien dapat segera dirujuk ke rumah sakit lain dengan kapasitas yang
masih tersedia.
V. Kesimpulan
Tantangan dalam penerapan data science untuk riset kesehatan baik itu yang berupa
keterbatasan akses dan ketersediaan data diakibatkan oleh banyaknya data yang
masih dikelola secara manual dan terpisah-pisah oleh masing-masing lembaga,
tantangan etika dalam riset seperti perlindungan privasi dan keamanan data, sehingga
perlu kehati-hatian yang ekstra untuk mengelola data ini agar dapat diperuntukkan
sesuai dengan tujuannya.
VI. Reference