BAB V

PEMBAHASAN

Bab ini akan menjelaskan interpretasi hasil penelitian yang dikaitkan

dengan teori yang ada, dan keterbatasan penelitian yang memaparkan keterbatasan

peneliti dalam melaksanakan penelitian.

A. Efektivitas Human in The Lop

Pemanfaatan machine learning dalam bidang kedokteran atau medis

adalah untuk melakukan katagori dan klasifikasi serta menghitung pola

penyakit dalam melakukan deteksi, pemerosesan dalam penggunaan tehnik

klasifikasi ini termasuk dalam supervised learning(51), dimana penampakan

citra, deep learning akan membantu untuk klasifikasi. Pada deteksi dini risiko

kehamilan, digunakan data-based yang mengarah pada beberapa data yang

mengarah pada klasifikasi yang dapat dilakukan dengan algoritma, sehingga

dapat dilakukan prediksi risiko dengan mengkatagorikan risiko tersebut

menjadi ringan, sedang dan tinggi. Saat ini skrining dilakukan menggunakan

buku KIA (3) instrumen yang digunakan adalah Poeji Rochjati skor yang

berisi data ibu hamil berupa usia, paritas, jarak persalinan, riwayat persalinan,

penyakit yang diderita, dan keluhan yang menunjukan resiko, data ini dapat

digunakan untuk menentukan klasifikasi risiko sehingga mempermudah ibu

mengetahui risiko yang dialaminya, sehingga memudahkan dalam pemberian

rujukan terencana oleh petugas kesehatan dan pengawasan yang dilakukan

oleh masyarakat seperti kader kesehatan (52) hal ini sejalan dengan penelitian

yang dilakukan oleh Gede Danu et al yang mengatakan bahwa penggunaan

57
 58

Poeji Rochjati skor masih relevan untuk melakukan deteksi dini tanda bahaya

kehamilan, klasifikasi risiko tinggi adalah determinan kematian ibu sebanyak

55,2% namun terdapat 5,2% ibu hamil dengan risiko rendah menyebabkan

kematian ibu, hal ini menyatakan bahwa tidak ada kehamilan yang tidak

berisiko(52).

Deteksi pada awal pemeriksaan juga menunjukan efektifitas dalam

intervensi, selain pemberian pelayanan dengan standar 10 T(53), pelayanan

pemeriksaan penunjang dan pemeriksaan dokter di puskesmas dilakukan

minimal 1 kali dalam masa kehamilan untuk melakukan deteksi awal dari

preeklamsia(25). Pada masa pandemic Covid-19 pemeriksaan pada ibu hamil

dilakukan pada saat ada keluhan dan tanda bahaya. Penelitian yang dilakukan

oleh Suzanne Lee et al (47) tentang tanda bahaya pada ibu hamil, jika ibu

hamil dengan risiko tinggi, mereka akan mempunyai kesepakatan dengan

tenaga kesehatan yang kompeten untuk perawatan dan rujukan terencana, hal

ini juga akan melibatkan dokter sebagai professional yang akan melakukan

perawatan kehamilan sampai dengan persalinan, tetapi kadang terjadi

perdebatan tentang bagaimana penentuan risiko sehingga diperlukan data

yang akurat untuk penentuan tingkat risko yang dialami (18), penelitian yang

dilakukan oleh Xu Hong Zhu et al(49) telemedicine menjadi pilihan dalam

era modern untuk mencari informasi dan berkomunikasi secara real time

dengan petugas kesehatan, di China dikembangkan Maternal and Child

Health Handbook Application (MCH-APP) dengan melakukan klasifikasi

pada ibu hamil dalam level A, level B dan level C, monitoring ibu hamil
 59

dengan level A dilakukan oleh dokter yang ada di fasilitas kesehatan dasar

dan jejaringnya, sedangkan untuk level B dan C akan di monitoring oleh

dokter yang ada di fasilitas kesehatan dasar namun mendapatkan instruksi

tentang perawatan dari dokter yang ada di Rumah Sakit Hangzhou dan

mendapatkan perawatan beradasarkan regulasi dari manajemen maternal dan

mendapatkan perawatan kehamilan secara periodik, dan penelitian ini

menyatakan bahwa informasi yang dilakukan secara real time dengan seorang

dokter didalam loop akan meningkatkan self-care awareness pada ibu hamil.

Pada penelitian Samuel et al(2018) terdapat hubungan yang kuat

antara pengetahuan ibu tentang tanda bahaya kehamilan dengan kunjungan

ANC dan tingkat pendidikan ibu dengan p-value 0,001, dan tidak ada

hubungan anatara pekerjaan dan tingkat pendidikan suami dengan

pengetahuan tentang tanda bahaya dengan nilai aX2 3.930, df 4,0415 dan p-

value 3.092. Hal ini menunjukkan bahwa selain efektivitas alat HITL,

pengetahuan yang dimiliki ibu hamil tentang bahaya kehamilan juga sangat

mempengaruhi deteksi dini, apalagi jika dilakukan secara jarak jauh.

Penggunaan aplikasi jarak jauh untuk mendeteksi tanda bahaya

kehamilan memiliki berbagai macam keuntungan yang akan didapat oleh

pengguna dan tenaga kesehatan, seperti dalam penelitian sebelumnya oleh

(Oktaviana et al, 2020), mengemukakan bahwa deteksi dini stunting pada ibu

hamil dengan menggunakan aplikasi android memiliki akurasi 89% dan lebih

membantu dalam pelayanan kesehatan. Keunggulan dari alat deteksi dini

tanda bahaya kehamilan ini sangat baik ditinjau dari berbagai aspek, efisiensi
 60

waktu, jarak, dan biaya dibanding dengan orang yang hasru datang ke fasilitas

kesehatan(26).

Pada aplikasi penerapan human-in-the-loop ini, ditetapkan bidan yang

akan menjadi human-in-the-loop, karena saat ini bidan di desa 68%

melakukan pemantauan langsung pada wilayah kerjanya sebagai bidan yang

bertugas di desa, pada penggunaan aplikasi ini bidan memberikan

rekomendasi tempat perawatan kehamilan dan rekomendasi tempat persalinan

sesuai dengan data self report yang diberikan pasien, sehingga pemeriksaan

dilakukan pada dapat membuat janji temu sesuai dengan pedoman

pemeriksaaan kehamilan pada era pandemic Covid-19 bahwa ibu hamil tidak

dianjurkan melakukan pemeriksaan rutin(20), dan melakukan pemeriksaan

minimal dengan standar yang telah ditetapkan jika ditemukan tanda bahaya

kehamilan.

Penelitian selanjutnya menyebutkan ponsel dapat digunakan untuk

mengingatkan wanita hamil dan juga dapat digunakan oleh medis praktisi

jarak jauh untuk memantau gejala symptoms preeklamsia. Penelitian

Simbolon(25), mengemukakan dua kontribusi, yaitu memprediksi risiko

preeklamsia menggunakan soft voting-based pembelajaran ansambel, dan

memberikan rekomendasi sistem untuk wanita yang berisiko tinggi

preeklamsia menggunakan teknik persamaan kosinus dan diperoleh nilai

akurasi yang tinggi sebesar 98,51% ± 0,0186% dibandingkan dengan enam

pengklasifikasi individu (k-Nearest Neighbors, Linear SVM, RBF SVM,

Gaussian Process, Multi-Layer Perceptron, and Ada Boost)(54).

 61

Aplikasi yang dibuat untuk pelaksanaan pemantauan dan monitoring

perencanaan persalinan ibu dianggap lebih efisien karena dapat dilakukan

pengisian dimana saja dan mendapatkan rekomendasi tenaga kesehatan secara

real time. Hal ini juga sesuai dengan Rencana Pembangunan Jangka

Menengah Nasional (RJPMN) bidang kesehatan bahwa teknologi kesehatan

yang difokuskan untuk kesehatan ibu dan anak dengan melakukan deteksi

dini sedini mungkin untuk memberikan pelayanan berkualitas, sehinggan

dapat menurunkan angka morbiditas dan mortalitas ibu dan bayi(1). Pada

aplikasi human-in-the-loop yang dikembangkan oleh peneliti memiliki

beberapa kelebihan dengan aplikasi yang lain, karena aplikasi ini dapat

memberikan dua kali rekomendasi yang dilakukan oleh sistem, rekomendasi

pertama diolah berdasarkan machine learning, dan pada rekomendasi ke dua,

aplikasi ini juga melibatkan bidan sebagai human-in-the-loop untuk

melakukan klarifikasi data profile responden. Namun aplikasi webservice

bidan masih perlu penyempurnaan, karena tidak dibuka dengan menggunakan

aplikasi, namun dibuka dengan komputer, sehingga pemberian rekomendasi

ke dua tidak langsung secara real time.

Dari hasil penelitian didapatkan bahwa, prediksi resiko tinggi dengan

Poeji Rochjati skor responden yang berumur lebih tua, paritas lebih banyak,

tinggi badan lebih rendah, jarak anak < 2 tahun, HB < 11 gr/dl, LILA < 23.5

cm, mengidap HBSAG, mengidap HIV, memiliki riwayat DM, hipertensi,

dan memiliki riwayat penyakit lain berpeluang lebih besar untuk memiliki

risiko maternal yang tinggi, sehingga pengawasan dan monitoring ibu hamil
 62

dengan beberapa resiko yang telah diprediksi dengan menggunakan Poeji

Rochjati skor dapat dilakukan oleh petugas kesehatan, dengan melibatkan

peran keluarga, kader kesehatan, serta lintas sektoral yang terkait,

perencanaan persalinan oleh ibu diharapkan dengan rekomendasi yang

diberikan dapat menjadi sebuah maklumat yang disepakati bersama, sehingga

perawatan kehamilan, rencana persalinan juga dapat segera ditentukan oleh

ibu dan keluarga sedini mungkin.

Penelitian Grobman(55), menyebutkan bahwa ibu hamil dengan

multipara memiliki resiko lebih rendah dibanding yang primipara. Hal ini

bertentangan dengan hasil penelitian ini yang menyebutkan ibu hamil dengan

paritas yang tinggi memiliki resiko lebih tinggi dalam bahaya persalinan.

kesenjangan dua penelitian ini disebabkan karena subjek penelitian memiliki

rerata paritas yang berbeda, namun WHO menyatakan bahwa rentang usia ibu

hamil didunia saat ini adalah 20-42 tahun(8).

Penelitian Sundermann(56), mengemukakan bahwa usia ibu dengan

resiko kehamilah rendah dengan rentang 27 sampai 30 tahun. Pada penelitian

ini menyebutkan usia ibu yang lebih tua memiliki resiko kehamilah yang

lebih tinggi.

Penelitian ini menyebutkan bahwa jarak anak yang terlalu dekat

sangat mempengaruhi tingginya resiko ibu hamil, dari 5324 pasien yang

diteliti diperoleh bahwa jarak anak Sebanyak 249 orang (4.68%) memiliki

jarak anak < 2 tahun, dan sebanyak 5075 orang (95.32%) memiliki jarak anak

≥ 2 tahun. Hal ini sejalan dengan penelitian Ling (57), yang mengemukakan
 63

bahwa seorang wanita dengan frekuensi melahirkan yang sering akan lebih

beresiko pada saat melahirkan.

Selanjutnya penelitian Kim et al (2020), menguji ulang indikator

resiko ibu hamil. Hasil tersebut sejalan dengan penelitian ini yang

menyebutkan wanita hamil beresiko tinggi yaitu wanita hamil yang memiliki

HB < 11 gr/dl, LILA < 23.5 cm, mengidap HBSAG, mengidap HIV,

memiliki riwayat DM, dan hipertensi(58).

Dalam penelitian ini, peneliti mengembangkan aplikasi android yang

dapat memprediksi tanda bahaya pada kehamilan, prediksi dibangun oleh

sepuluh pengklasifikasian individu yaitu Nearest Neighbors, Decision tree,

Random Forest, Neural Net, Adaboost, Gausian Naïve-Bayes, Bagging, dan

Extra Tree, dengan nilai akurasi masing-masing algoritma (10-folding)

didapatkan hasil accuracy decision tree 92%. Penelitian ini juga

mengembangkan human-in-the-loop untuk memberikan rekomendasi pada

ibu hamil untuk perawatan dan tempat persalinan dengan meneruskan hasil

klasifikasi kepada bidan tempat pemeriksaan yang sesuai dengan wilayah

domisili ibu hamil sehingga mempermudah dalam pemantauan jika

ditemukan ibu hamil dengan risiko. Aplikasi dengan penerapan human-in-the-

loop ini juga dapat digunakan secara berulang, baik pada trimester I, II dan

III, sehingga jika terdapat keluhan yang dapat memberikan skor yang lebih

tinggi dapat merubah risiko ibu hamil dengan perawatan dan rujukan sesuai

dengan klasifikasi.
 64

B. Keterbatasan Penelitian

Keterbatasan penelitian ini, ibu hamil mengisi aplikasi tidak

dilengkapi dengan Global Positioning Sistem (GPS) sehingga pemantauan

wilayah setempat yang menjadi mapping dari lokasi ibu hamil tidak dapat

dilakukan, selanjutnya dapat direkomendasikan penggunaan GPS untuk

pemetaan ibu hamil, untuk memudahkan pemetaan ibu hamil, sehingga

deteksi dini dapat dilakukan secara cepat dengan pemetaan lokasi dan

memberikan rekomendasi tempat pemeriksaan pada sarana yang lebih dekat

dengan rumah ibu hamil. Kelemahan pada data web admin belum dibuat

dengan aplikasi, hanya membuka dengan menggunakan komputer, sehingga

tidak dapat dilakukan secara real time.