Nama: Ahmad Indra Riza Fata

Nim: P17451223036
Jurusan; D4 K3

RESUME
“ TRANSFORMASI KESEHATAN DIGITAL “

Materi 1:
“Solusi Integrasi dan Interoperabilitas Sistem Informasi Kesehatan di Indonesia”
Pemateri 1:
Dr. Guardian Yoki Sanjaya, MHIthInfo

 Outlet :
- Inovasi digital kesehatan
- Transformasi digital
- Maturitas digital di rumah sakit
- Interoperabilitas sistem informasi kesehatan
 Klasifikasi intervensi Kesehatan digital-WHO 2018:
- Healthcare provides.
- Aplikasi yang berdampak langsung pada pasien (klien).
- Health system manager: manager kesehatan bisa melihat atau memantau
peforma dari pelayanan Kesehatan dari indikator-indikator kesehatan yang
sudah ditetapkan.
- Data services: pengolahan data yang cukup besar yang bisa mengembangkan
system klinik ketika pasien berkunjung ke klinik.
 Integrasi data adalah sebuah proses kombinasi data dari berbagai sumber menjadi
satu. Proses integrasi dan kombinasi data ini dimulai dari sebuah proses pengumpulan
data sampai dengan cleansing, dan pemetaan ETL, serta transformasi data.
 Fasilitas layanan kesehatan yang digunakan masyarakat antara lain:
- Sistem BPJS
 Ada beberapa hal yang direkomendasikan oleh WHO:
 - Aplikasi yang berdampak pada pasien langsung
- Promosi kesehatan
- Internet of things
 Klarifikasi intervensi kesehatan digital-WHO 2018
- 1.0 Clients
- 2.0 Healthcare Providers
Contoh : Unit transfusi darah, apotek, optometris, rumah sakit, dll
- 3.0 Health System Managers
- 4.0 Data Services
 Rekomendasi WHO - Innovation intervention
- Health System Challenges
1. Affordability – financial coverage
2. Quality – effective coverge
3. Demand – continous coverage and contact coverage
4. Supply – availability of commodities and equipment, availibility of human
resources, and accessibility of health facilities
5. Accountability – accountability coverage
 Pelayanan yang diberikan oleh clients harus tercatat
 Peran SIM di fasilitas kesehatan :
1. Registrasi pasien COVID-19, pasien screening, pasien vaksinasi, tenaga kesehatan
yang terdampak COVID-19
2. Sharing ketersediaan bed untuk pelayanan COVID dan non-COVID, mendukung
komunikasi dengan pihak otoritas, dengan masyarakat
3. Telemedicine untuk continuity of care pasien kronis, dengan mengurangi kontak
 Inovasi digital yang terfragmentasi :
1. Rekam kesehatan elektronik (SIMPUS, SIMRS, SIM Klinik, dll)
2. Disease surveilance (SITB, SIHA,eZoonosis, eMalaria, Covid-19, eFILCA,
SKDR, dll)
3. Kesehatan ibu dan anak (eKohort, MPDN, KesgaDIY, SIMESSEM, BumilKu,
dll)
4. Gizi masyarakat (ePPBGM)
5. Imunisasi anak (SIMUNDU)
6. Kesehatan keluarga
 7. Telemedicine
 4 dimension of maturity digital health :
1. Application Maturity
2. Analytics Maturity
3. Architecture (ICT) and Data Maturity
4. Digital Ecosystem and Governance
 Interopabilitas adalah kemampuan antar sistem yang berbeda untuk komunikasi dan
pertukaran informasi secara akurat, efektif, dan konsisten serta menggunakan
informasi tersebut.
Kebutuhan interopabilitas antara lain arsitektur interopabilitas (OpenHIE),
penggunaan standar data kesehatan (terminologi dan klasifikasi) dan protokol
komunikasi/ standar message (FHIR)
Contoh penggunaan interopabilitas :
1. Permintaan untuk pemeriksaan penunjang
2. Resep untuk obat-obatan dan pengobatan
3. Pengiriman hasil pemeriksaan penunjang
4. Update data administrasi untuk perubahan rincian pasien dan penjadwalan
5. Klaim asuransi, billing/ tagihan
 Isu yang berkaitan dengan standar data kesehatan :
1. Need for multi-purpose standar and terminologies
2. Gaps in data standards
3. Changes in standards
4. Overlapping standards

Materi 2:
“Keterlibatan Machine Learning dalam Mendeteksi Penyakit”
Pemateri 2:
Sigit Wibowo, S.Komp., M.K.M

 Machine learning merupakan salah satu cabang dari Artificial Intelligence (AI) atau
kecerdasan buatan. Machine learning adalah mesin pembelajar yang dikembangankan
agar dapat belajar secara otomatis tanpa arahan dari pengguna. Machine learning ini
berdasarkan ilmu-ilmu matematika, statistika, data mining, dan lainnya.
 Machine learning merupakan ilmu yang berfokus untuk membuat sistem atau
algoritma yang terus belajar berdasarkan data dan meningkatkan akurasinya dari
waktu ke waktu. Algoritma atau urutan proses statistik dilatih untuk menemukan pola
dan fitur tertentu dalam jumlah data yang besar. Hal ini bertujuan untuk membuat
suatu keputusan maupun prediksi berdasarkan data-data tersebut.
 Paradigma merchine learning:
Ketika ada data dan solusi itu akan dikumpulkan sebanyak mungkin kemudian
dianalisis oleh machine learning sehingga menghasilkan suatu rules. Dengan
semakin banyak data dan solusi yang masuk maka dia akan mencari rules yang
semakin tepat.
 Teknik belajar machine learning :
1. Supervised learning
Memprediksi kejadian di masa mendatang berdasarkan data historis
2. Semi – supervised learning
Metode identifikasi, klasifikasi, dan prediksi
3. unsupervised learning
menemukan atribut utama yang membedakan antar segmen kategori
4. reinforcement learning
perlakukan yang menghasilkan output terbaik dari hasil uji coba berulang kali
(trial and error)
 tahapan belajar Machine learning :
1. paradigma Machine learning
bagaimana cara kerja machine learning.
2. data collecting
ekstraksi data, mengumpulkan data, dan memanfaatkan data
3. data cleaning
menciptakan data berkualitas
4. data processing
memasukkan data ke dalam environment
5. data science
analisis data dan informasi
6. machine learning tools
mengenali dan memahami alat yang digunakan dalam implementasi machine
learning