RESUME

PERAN BIG DATA DALAM BIDANG KESEHTAN SERTA

OPTIMALISASI KUALITAS PROGRAM JAMINAN
KESEHATAN NASIONAL

Disusun oleh: Kelompok 5

Ika Nursika 07220200025
Gina Febriani Sugih Harti 07220200011
Sri Waluyati Sandi 07220200048
Nurul Hidayah 07220200049
Gusriati 07220200026
Eva Puspawidari 07220200014
Ratih Komalasari 07220200035

PROGRAM STUDI KEBIDANAN PROGRAM SARJANA TERAPAN

FAKULTAS VOKASI
UNIVERSITAS INDONESIA MAJU
2023
 PERAN BIG DATA DALAM BIDANG KESEHTAN SERTA
OPTIMALISASI KUALITAS PROGRAM JAMINAN KESEHATAN
NASIONAL

A. Big Data
1. Pengertian Big Data
Big Data adalah istilah yang digunakan untuk menggambarkan jumlah
data yang sangat besar dan kompleks yang sulit untuk diolah dengan
menggunakan alat yang digunakan untuk menangani data tradisional. Big
Data didefinisikan oleh tiga karakteristik utama yaitu volume, variety, dan
velocity. Volume mengacu pada jumlah data yang tersedia, variety mengacu
pada jenis data yang tersedia, dan velocity mengacu pada kecepatan data yang
tersedia.
Konsep dasar Big Data adalah mengumpulkan data dari berbagai
sumber, menyimpan dan mengelola data besar dengan teknologi yang sesuai,
dan menganalisis data besar untuk mengekstrak informasi yang berguna.
Teknologi yang digunakan untuk menangani Big Data antara lain Hadoop,
Spark, dan NoSQL databases. Big Data digunakan dalam berbagai industri
untuk meningkatkan efisiensi operasional dan membuat keputusan bisnis
yang lebih baik. Namun, implementasi Big Data juga menghadapi tantangan
seperti keterbatasan sumber daya, keterbatasan kemampuan analisis data, dan
masalah privasi data.
2. Karakteristik Data Besar
Karakteristik yang mendasari big data meliputi:
a. Volume
Kita sudah tahu bahwa Big Data menunjukkan ‘volume’ data yang sangat
besar yang dihasilkan setiap hari dari berbagai sumber seperti platform
media sosial, proses bisnis, mesin, jaringan, interaksi manusia, dll.
Sejumlah besar data disimpan di gudang data. Big data adalah suatu
bentuk data yang volumenya sangat besar sehingga tidak akan muat pada
satu mesin karena itu membutuhkan alat khusus dan kerangka kerja yang

1
 diperlukan untuk memproses dan menganalisis data seperti itu. Misalnya,
aplikasi media sosial memproses miliaran pesan setiap hari, sistem
industri dan energi dapat menghasilkan data sensor berukuran terabyte
setiap hari, aplikasi agregasi kabin dapat memproses jutaan transaksi
dalam sehari, dll. Volume data yang dihasilkan dibidang TI modern,
industri, perawatan kesehatan, Internet of Things, dan sistem lainnya
tumbuh secara eksponensial didorong oleh penurunan biaya
penyimpanan data dan arsitektur pemrosesan dan kebutuhan untuk
mengekstrak wawasan berharga dari data untuk meningkatkan proses
bisnis, efisiensi, dan layanan kepada konsumen. Meskipun tidak ada
batasan tetap untuk volume data yang akan dianggap sebagai Big Data,
namun, biasanya, istilah Big Data digunakan untuk data skala besar yang
sulit untuk disimpan, dikelola, dan diproses menggunakan database
tradisional dan arsitektur pemrosesan data.
b. Kecepatan
Velocity atau kecepatan pada dasarnya mengacu pada kecepatan di mana
data sedang dibuat secara real-time. Dalam prospek yang lebih luas, itu
terdiri dari tingkat perubahan, menghubungkan set data yang masuk
dengan kecepatan yang bervariasi, dan aktivitas meledak. Kecepatan data
mengacu pada seberapa cepat data dihasilkan. Data yang dihasilkan oleh
sumber tertentu dapat sampai dengan kecepatan yang sangat tinggi,
misalnya data media sosial atau data sensor. Kecepatan adalah
karakteristik penting lainnya dari big data dan alasan utama pertumbuhan
data secara eksponensial. Kecepatan data yang tinggi mengakibatkan
volume data yang terkumpul menjadi sangat besar, tidak lama. Beberapa
aplikasi dapat menyelesaikan tead lines for data analysis (seperti
perdagangan atau deteksi penipuan online) dan datanya perlu dianalisis
secara real-time. Alat-alat khusus diperlukan untuk menangani semua itu
dengan kecepatan tinggi untuk memelihara infrastruktur besar dan
menganalisis data secara real-time.

2
 c. Variasi
Model Big Data mengacu pada data terstruktur, tidak terstruktur, dan
semi terstruktur yang dikumpulkan dari berbagai sumber. Sementara di
masa lalu, data hanya dapat dikumpulkan dari spreadsheet dan database,
hari ini data hadir dalam berbagai bentuk seperti email, PDF, foto, video,
audio, audio, posting SM, dan banyak lagi lainnya. Sistem Big Data
harus cukup fleksibel untuk menangani beragam data.
d. Veracity (Keakuratan)
Verasiity menyangkut tentang ke-valid-an sebuah data apakah bisa
dipercaya atau tidak. Dengan banyaknya bentuk data, kebenaran tentang
sebuah informasi menjadi kurang terkontrol, seperti contoh sistem
akademik sebuah fakultas dimana untuk jenis kelamin dibedakan menjadi
L (laki-laki) dan P (perempuan) sedangkan di sistem akademik fakultas
lain menggunakan P (pria) dan W (wanita). Big data dengan teknologi
analisis membantu kita untuk dapat bekerja dengan data tersebut melalui
hasil analisis, karena semakin besar volume suatu data maka akan
semakin tidak akurat data tersebut
e. Value (Nilai)
Nilai data mengacu pada kegunaan data untuk tujuan yang dimaksudkan.
Tujuan akhir dari sistem analisis Big Data adalah mengekstrak nilai dari
data. Nilai data juga terkait dengan kebenaran atau akurasi data. Untuk
beberapa aplikasi, nilai juga tergantung pada seberapa cepat kita dapat
memproses datanya.
3. Cara Kerja Big Data
a. Data dalam jumlah besar dan beragam di dalam Big Data disimpan di
dalam wadah khusus yang biasanya menggunakan penyimpanan data
besar seperti Hadoop, Cloud, atau NoSQL.
b. Data tersebut dapat dikumpulkan dari berbagai sumber dalam format
mentah, kemudian difilter dan diproses agar dapat ditampilkan sesuai
kebutuhan untuk program analitik tertentu.

3
 c. Pada kasus lain, data dalam Big Data dapat difilter terlebih dahulu
menggunakan program pengumpulan dan pengolahan data tertentu,
sehingga dapat langsung digunakan untuk menganalisis.
d. Proses pemrosesan Big Data membutuhkan daya komputasi yang
besar, biasanya pemrosesan dilakukan dan didistribusikan ke beberapa
perangkat dengan menggunakan skema jaringan komputer atau Cloud.
e. Setelah data tersimpan dan diproses, seorang ilmuwan data atau analis
data akan menganalisis data tersebut menggunakan aplikasi analitik.
Ahli tersebut harus memiliki pemahaman yang kuat tentang data yang
ingin dicari dan dianalisis dalam Big Data.
f. Dalam proses analisis ini, para ahli tersebut melakukan serangkaian
upaya untuk memahami Big Data tersebut. Biasanya, ilmuwan data
atau analis data akan melakukan penyaringan, validasi, serta
transformasi pada kumpulan data tersebut.
g. Setelah data dikumpulkan dan dipersiapkan, para ahli tersebut akan
mulai menjalankan aplikasi yang menyediakan fitur untuk
menganalisis data besar, termasuk aplikasi pembelajaran mendalam,
analisis statistik, pemodelan prediktif, dan sebagainya.
4. Analisis Big Data
Analisis data adalah proses meneliti data untuk mengetahui pola
tersembunyi, korelasi yang belum diketahui, dan informasai berguna lainnya.
Dengan demikian pengertian Analisis Big Data adalah proses meneliti,
mengolah data set besar (Big Data) untuk mengetahui pola tersembunyi,
korelasi yang tidak diketahui, tren pasar, preferensi pelanggan dan informasi
bisnis berguna lainnya.
Konsep big data telah ada selama bertahun-tahun kebelakang, sekarang
sebagian besar organisasi mengerti bahwa jika mereka mampu menampung
semua data set besar yang mengalir ke dalam bisnis mereka, maka mereka
dapat menerapkan analisis dan mendapatkan manfaat/informasi yang sangat
berharga dari proses analisis tersebut. Jika kita lihat ke belakang sebelum
istilah Big Data dikenal, di tahun 1950-an bisnis pada saat itu sudah

4
menggunakan analisis konvensional, yang didasarkan pada spreadsheet yang
dikaji secara manual untuk mengungkap informasi berharga dan tren.
Benefit analisis big data di bandingkan dengan analisis konvensional
adalah kecepatan dan efisiensi. Sebelum aplikasi analisis big data muncul,
bisnis akan mengumpulkan data ke dalam data warehouse dari database
enterprise seperti Oracle, DB2, MS SQL Server, kemudian melakukan
analisis untuk membantu pengambilan keputusan yang bermanfaat untuk
masa depan bisnis perusahaan.
Kendala yang dihadapi muncul dengan pertumbuhan data yang sangat
pesat dari berbagai jenis tipe data, sehingga dengan analisis konvensional ada
limitasi untuk dapat menampung data set besar tersebut, waktu yang relatif
lama diperlukan untuk menghasilkan informasi berharga dari analisis.
Kemunculan teknologi analisis big data memberikan solusi bagi bisnis untuk
mendapatkan hasil analisis segera bahkan real-time sekalipun, sehingga
memberikan bisnis keunggulan dalam berkompetisi.
Analisis Big Data membantu organisasi memanfaatkan data dan
menggunakannya untuk mengidentifikasi peluang-peluang baru. Yang pada
gilirannya menyebabkan bisnis bergerak lebih cerdas dan cepat karena
didukung oleh operasional yang lebih efisien, yang pada akhirnya
mendatangkan keuntungan yang lebih tinggi dan pelanggan lebih senang
tentunya.
Dalam laporan yang ditulis oleh Tom Davenport (Direktur Riset IIA)
setelah ia mewawancarai lebih dari 50 usaha untuk memahami bagaimana
mereka menggunakan Big Data. Ia menemukan mereka mendapatkan manfaat
penting sebagai berikut :
a. Penghematan biaya, Teknologi analisis Big data seperti hadoop dan
analisis berbasis cloud membawa pengurangan biaya yang signifikan
dalam hal untuk menyimpan data set dalam jumlah besar, selain mereka
dapat mengidentifikasi cara-cara yang lebih efisien dalam melakukan
bisnis.

5
 b. Lebih cepat dan baik dalam pengambilan keputusan, dengan kecepatan
teknologi big data seperti Hadoop dalam melakukan analisis dengan
dikombinasikan dengan kemampuan untuk menganalisis berbagai macam
sumber data baru, membuat bisnis mampu menganalisis informasi
dengan cepat dan membuat keputusan berdasarkan hasil analisis tersebut.
c. Melahirkan produk dan pelayanan baru, dengan kemampuan mengukur
kebutuhan dan kepuasan pelanggan mendatangkan keunggulan dari
bisnis untuk menciptakan produk dan layanan baru yang sesuai dengan
keinginan dan kebutuhan dari pelanggan.
Dengan 3 manfaat penting tersebut akan membantu bisnis mencapai
tujuan/goal utama dalam meningkatkan keuntungan demi kemajuan
bisnisnya.
5. Beberapa tantangan dalam implementasi Big Data
a. Data Volume.
Kemampuan dalam melakukan capture, store, dan proses dalam volume
data yang besar dengan kecepatan yang disepakati sehingga informasi
dapat tersedia untuk manajemen sebagai dasar pengambilan keputusan.
b. Data Integration.
Kemampuan dalam melakukan kombinasi data yang berbeda dan
melakukannya secara cepat.
c. Processing Capabilities.
Kemampuan dalam memproses data secara cepat.
d. Data Govenrnance.
Kemampuan dalam menjaga keamanan data (security, privacy,
ownership) sebagai bagian dari PCI-DSS
e. Skills availablity.
Big data di bombardir dengan banyak nya tools yang beredar. Selain itu
tidak dibarengi dengan peningkatan jumlah profesional nya (saat ini
belum banyak profesi data analytic, dan akan menjadi tantangan
tersendiri di dunia SDM)
f. Solution cost.

6
 Big Data membuka wahana dan wacana seluruh dunia mengenai data
analytics yang tentu saja kedepannya akan mengurangi biaya secara
operasional dan mempermudah manajemen dalam pengambilan
keputusan.
6. Isu-isu yang dapat dipecahkan oleh Big data Analisis
Menurut Sharda (2018), beberapa problematika dalam bisnis yang dapat
adalah di bantu menggunakan big data adalah:
a. Masalah efisiensi proses dan pengurangan biaya
b. Brand management
c. Memaksimumkan pendapatan, crossselling dan up-selling
d. Meningkatkan customer experience
e. Identifikasi “Churn” atau yang sering di sebut dengan seberapa banyak
customer yang melakukan subscription, membatalkan subscription atau
memperpanjang nya
f. Meningkatkan pelayanan pelanggan
g. Identifikasi produk baru dan peluang pasar
h. Manajemen resiko
i. Compliance dan regulasi
j. Meningkatkan kemampuan sekuriti/ keamanan

B. Manfaat Big Data dalam Bidang Kesehatan

Lingkungan di bidang kesehatan terdiri dari banyak entitas termasuk
penyedia perawatan kesehatan (dokter perawatan primer, spesialis, atau
rumah sakit), pembayar (pemerintah, perusahaan asuransi kesehatan swasta,
pemberi kerja), perusahaan farmasi, perangkat dan layanan medis, perusahaan
penyedia konsultan dan layanan TI, dan pasien. Proses penyediaan perawatan
kesehatan melibatkan data perawatan kesehatan besar-besaran yang ada
dalam berbagai bentuk (terstruktur atau tidak terstruktur), disimpan dalam
sumber data yang berbeda (seperti database relasional, atau server file) dan
dalam berbagai format. Untuk lebuh memudahkan lebih banyak koordinasi
perawatan di berbagai penyedia yang terlibat dengan pasien, informasi klinis

7
mereka semakin dikumpulkan dari berbagai sumber ke dalam sistem Catatan
Kesehatan Elektronik (Electronic Health Record /EHR). EHR menangkap dan
menyimpan informasi tentang kesehatan pasien dan tindakan penyedia
termasuk hasil laboratorium tingkat individu, diagnostik, pengobatan, dan
data demografis. Meskipun penggunaan utama EHR sebagai catatan data
medis untuk pasien individu dan untuk memberikan akses yang efisien ke
data yang disimpan pada titik perawatan, EHR dapat menjadi sumber untuk
informasi agregat yang berharga tentang populasi pasien secara keseluruhan.
Dengan ledakan data klinis saat ini, masalah bagaimana mengumpulkan
data dari sistem kesehatan terdistribusi dan heterogen dan bagaimana
menganalisis data klinis secara signifikan telah menjadi penting. Sistem big
data dapat digunakan untuk pengumpulan data dari pemangku kepentingan
yang berbeda (pasien, dokter, pembayar, dokter, spesialis, dll) dan sumber
data yang berbeda (database, format terstruktur dan tidak terstruktur, dll).
Sistem analisis Big Data memungkinkan analisis data klinis berskala besar
dan memfasilitasi pengembangan aplikasi perawatan kesehatan yang lebih
efisien, meningkatkan akurasi prediksi, dan membantu pengambilan
keputusan tepat waktu. Beberapa aplikasi kesehatan yang dapat memperoleh
manfaat dari sistem Big Data:
1. Surveilans Epidemiologis
Surveilans epidemiologi adalah kegiatan analisis secara sistematis dan
terus menerus terhadap penyakit atau masalah-masalah kesehatan dan
kondisi yang mempengaruhi terjadinya peningkatan dan penularan
penyakit atau masalah-masalah kesehatan tersebut, agar dapat melakukan
tindakan penanggulangan secara efektif dan efisien melalui proses
pengumpulan data, pengolahan dan penyebaran informasi epidemiologi
kepada penyelenggara program kesehatan. Sistem EHR mencakup hasil
laboratorium tingkat individu, diagnostik, pengobatan, dan data
demografis. Kerangka Big Data dapat digunakan untuk mengintegrasikan
data dari beberapa sistem EHR dan analisis data yang tepat waktu untuk
memprediksi wabah secara efektif dan akurat, upaya pengawasan

8
 kesehatan tingkat populasi, deteksi penyakit, dan pemetaan kesehatan
masyarakat.
2. Analisi Data Pasien yang Sama berbasis Perangkat Decesion Intelligence
Kerangka Big Data dapat digunakan untuk menganalisis data EHR untuk
mengekstrak sekelompok catatan pasien yang paling mirip dengan pasien
target tertentu. Pengelompokan catatan pasien juga dapat membantu
dalam mengembangkan aplikasi prognosis medis yang memprediksi
kemungkinan hasil dari suatu penyakit untuk pasien berdasarkan hasil
untuk pasien serupa.
3. Prediksi Resiko Penggunan Obat-Obatan
Kerangka Big Data dapat digunakan untuk menganalisis data EHR dan
memprediksi pasien mana yang paling berisiko mengalami tanggapan
yang merugikan terhadap obat tertentu berdasarkan reaksi obat yang
merugikan dari pasien lain.
4. Mendeteksi Keganjilan Klaim Kesehatan
Perusahaan asuransi kesehatan dapat memanfaatkan sistem Big Data
untuk menganalisis klaim asuransi kesehatan guna mendeteksi penipuan,
penyalahgunaan, pemborosan, dan kesalahan.
5. Evidence-based Medicine
Sistem Big Data dapat menggabungkan dan menganalisis data dari
berbagai sumber, termasuk hasil laboratorium tingkat individu, data
diagnostik, pengobatan, dan demografis, untuk mencocokkan pengobatan
dengan hasil, memprediksi pasien yang berisiko terkena penyakit. Sistem
untuk pengobatan berbasis bukti memungkinkan penyedia untuk
membuat keputusan tidak hanya berdasarkan persepsi mereka sendiri
tetapi juga dari bukti yang tersedia
6. Pemantauan kesehatan secara real-time
Perangkat elektronik yang dapat dikenakan memungkinkan pemantauan
parameter fisiologis non-invasif dan berkelanjutan. Perangkat yang dapat
dikenakan ini mungkin dalam berbagai bentuk seperti ikat pinggang dan
gelang tangan. Penyedia layanan kesehatan dapat menganalisis data

9
 perawatan kesehatan yang dikumpulkan untuk menentukan kondisi atau
anomali kesehatan apa pun. Sistem Big Data untuk analisis data real-time
dapat digunakan untuk analisis volume besar data yang bergerak cepat
dari perangkat yang dapat dikenakan dan perangkat di rumah sakit atau di
rumah lainnya, untuk pemantauan kesehatan pasien secara real-time dan
prediksi kejadian buruk.
7. Membantu Pengobatan yang Lebih Tepat Sasaran
Dalam bidang onkologi, pengobatan yang disesuaikan dengan profil
genomik pasien dapat meningkatkan efektivitas pengobatan dan
mengurangi efek samping yang tidak diinginkan. Dengan mengumpulkan
data genomik dari pasien, BDA dapat membantu memprediksi respon
pasien terhadap pengobatan tertentu dan menentukan pengobatan yang
paling tepat untuk masing-masing pasien.
8. Meningkatkan Kesehatan Masyarakat
Big Data Analytics dapat membantu mengidentifikasi masalah kesehatan
masyarakat dan menentukan strategi pencegahan yang tepat. Misalnya,
dengan mengumpulkan data tentang pola makan dan gaya hidup
masyarakat, BDA dapat membantu menentukan strategi pencegahan
untuk obesitas dan penyakit terkait lainnya.
9. Peningkatan Efisiensi Perawatan Kesehatan
Dengan mengumpulkan data dari berbagai sumber seperti rekam medis
elektronik dan data sensor, Big Data Analytics dapat membantu
mengoptimalkan perawatan pasien dan meningkatkan efisiensi sistem
kesehatan secara keseluruhan. Contohnya, data sensor dapat digunakan
untuk memantau pasien dan memberi peringatan dini jika ada perubahan
yang memerlukan tindakan medis.
10. Big Data Analytics Membantu Meningkatan Keamanan Pasien
Big Data Analytics dapat membantu mengidentifikasi risiko yang terkait
dengan pengobatan tertentu dan memperingatkan dokter dan pasien
tentang kemungkinan efek samping. Dengan menganalisis data dari

10
 berbagai sumber, termasuk hasil uji klinis, BDA dapat membantu
memastikan keamanan pasien dan meningkatkan efektivitas pengobatan.
11. Prediksi Wabah Penyakit
Big Data Analytics juga dapat membantu dalam mengidentifikasi wabah
penyakit dan memprediksi kemungkinan penyebarannya. Dengan
mengumpulkan data dari berbagai sumber seperti media sosial, data
lingkungan, dan data kesehatan masyarakat, BDA dapat membantu
memprediksi kemungkinan terjadinya wabah penyakit dan menentukan
langkah-langkah pencegahan yang tepat.

C. Peran Big Data Dalam Optimalisasi Kualitas Program Jaminan

Kesehatan Nasional (JKN)
Optimalisasi big data untuk meningkatkan pelayanan kesehatan
memerlukan koordinasi berbagai pihak, termasuk kalangan swasta.
Tantangan-tantangan bidang kesehatan seperti terbatasnya sumber daya
kesehatan, tuntutan penyelenggaraan pelayanan yang lebih efektif dan efisien,
serta lambatnya perkembangan infrastruktur teknologi pendataan kesehatan
memperlihatkan pentingnya dukungan kalangan swasta untuk meningkatkan
kualitas pelayanan kesehatan. Indonesia sudah memiliki berbagai perusahaan
swasta, terutama di bidang teknologi dan informasi, yang dapat membantu
mengembangkan dan mengelola big data kesehatan. Namun, untuk
menciptakan koordinasi tata kelola yang selaras antara pemerintah dan
kalangan swasta diperlukan inisiasi pembangunan ekosistem big data.
Secara umum, ekosistem big data kesehatan terdiri atas empat
komponen utama: (i) penyedia layanan, (ii) pembayar, (iii) pengguna layanan,
dan (iv) penyedia obat-obatan. Keempat komponen tersebut memiliki
kontribusi masing-masing dalam big data yang saling terkait dan terintegrasi.
Dalam perkembangannya, komponen-komponen ekosistem ini akan
terkonvergensi dan perlu beradaptasi dengan menjadi bermacam entitas,
seperti layanan homecare (perawatan kesehatan di rumah), penyediaan
makanan, sosial dan keuangan, dan kebijakan dan regulasi untuk memenuhi

11
kebutuhan/ permintaan serta ekspektasi konsumen. Kompleksnya
pengembangan ekosistem ini tentunya membutuhkan sumber daya yang tidak
sedikit dan strategi yang terencana dengan baik.
Langkah awal yang dapat dilakukan pemerintah adalah
mengidentifikasi kondisi utilisasi big data di Indonesia saat ini. Ada tiga
tahap utilisasi big data: enhance (ber-evolusi ekosistem data), innovate
(melakukan inovasi berbasis data), dan transform (melakukan transformasi
berbasis data). Tahap enhance merupakan upaya awal untuk menginisiasi
strategi dan peta jalan data, mengelola master data (data acuan), atau
membuat early data lake platform (tempat penampungan data awal).
Selanjutnya, tahap innovate adalah upaya-upaya seperti penyusunan rencana
tata kelola data, analisis profil risiko populasi dan pasien, analisis dan
keputusan klinis untuk memperbaiki diagnosis, standardisasi perawatan, dan
pencegahan pengujian-pengujian yang tidak perlu. Pada tahap terakhir, yaitu
transform, sebuah lembaga umumnya telah mengganti cara-cara lama dengan
yang baru. Misalnya adalah penggunaan artificial intelligence (AI, kecerdasan
buatan) untuk mempercepat identifikasi pola populasi guna mengoptimalkan
pelayanan dan perawatan, atau untuk mengukur sensitivitas peserta asuransi
terhadap intervensi pelayanan yang diterima. Ketepatan dalam
mengidentifikasi tahapan utilisasi penting untuk mengefektifkan rencana
pengelolaan dan memfokuskan strategi optimalisasi big data.
Untuk membangun ekosistem big data sistem kesehatan di Indonesia
melalui keterbukaan informasi, BPJS Kesehatan menawarkan berbagai
pendekatan. BPJS Kesehatan, misalnya, memberikan kemudahan akses
informasi program JKN bagi pemerintah daerah, masyarakat umum, peserta,
peneliti, serta pemangku kepentingan lain yang diwujudkan melalui laporan
pengelolaan program, aplikasi “Mobile JKN”, dan situs web BPJS Kesehatan.
Selain itu, BPJS Kesehatan berencana meningkatkan nilai big data dengan
memanfaatkannya secara lebih optimal. Nantinya, big data program JKN
tidak hanya dimanfaatkan untuk pemantauan dan evaluasi, tetapi juga akan
dianalisis untuk kebutuhan prediktif dan preskriptif sebagai dasar

12
pengambilan kebijakan.
Implikasi Kebijakan
Utilisasi big data merupakan salah satu bentuk intervensi yang
menjanjikan dalam rangka meningkatkan kualitas pelayanan kesehatan di
Indonesia. Namun, diperlukan strategi dan rencana jangka panjang yang baik
agar pemanfaatannya dapat terintegrasi antarlembaga dan mengutamakan
prinsip keamanan informasi pengguna/pasien. Adapun langkah yang dapat
dilakukan adalah sebagai berikut:
1. Pengembangan ekosistem big data untuk meningkatkan sistem pelayanan
kesehatan di era JKN
Berbagai lembaga pemerintah dan nonpemerintah (terutama kalangan
swasta) telah menginisiasi pengumpulan dan pengelolaan big data
kesehatan. Namun, untuk menciptakan tata kelola big data kesehatan
yang terintegrasi lintas sektor perlu dikembangkan ekosistem big data
kesehatan sebagai langkah awal perbaikan sistem pelayanan kesehatan di
era JKN. Setiap lembaga yang terkait dengan implementasi program JKN
perlu mengidentifikasi kondisi pemanfaatan big data kesehatan yang
sudah diterapkan dan kemudian merencanakan strategi utilisasi big data
kesehatan pada dua tahap selanjutnya, yaitu melakukan inovasi berbasis
data4 guna memenuhi kebutuhan lembaga dan kemudian melakukan
transformasi lembaga dengan berbasis data.
2. Pengembangan sistem pemantauan dan evaluasi terpadu dengan
mengintegrasikan data dari seluruh pemangku kepentingan program JKN
Sistem pemantauan dan evaluasi terpadu program JKN merupakan
amanat dari Rencana Pembangunan Jangka Menengah Nasional
(RPJMN) 2020–2024 sebagai upaya perbaikan tata kelola Sistem
Jaminan Sosial Nasional (SJSN). Memasukkan pengembangan sistem
pemantauan dan evaluasi terpadu dalam pengembangan ekosistem big
data kesehatan akan mempermudah berbagai lembaga dalam proses
pengambilan keputusan berbasis bukti dan mitigasi risiko, terutama
untuk kebijakan yang bersifat lintas sektor.

13
3. Penguatan kemitraan antara pemerintah dan kalangan swasta dalam
optimalisasi big data kesehatan untuk perbaikan program JKN
Kerja sama lintas sektor tidak hanya diperlukan pada tahap
pengembangan ekosistem big data kesehatan, tetapi juga pada tahap
pemanfaatannya. Pada tahap pengembangan ekosistem, pemerintah
membutuhkan dukungan yang sangat besar dalam mempersiapkan big
data untuk program JKN terlebih karena adanya keterbatasan kapasitas
sumber daya yang sebenarnya saat ini sudah tersedia di sektor swasta.
Kesenjangan pengetahuan, infrastruktur, dan metode dapat dijembatani
melalui kemitraan antara pemerintah dan kalangan swasta. Sebagai
gambaran, IBM, salah satu perusahaan di bidang pengembangan
teknologi dan informasi, telah menciptakan sebuah platform bernama
Watson Health yang bertujuan mengidentifikasi masalah dan
merumuskan solusi bagi individu dan populasi yang dilayani. Sementara
itu, baik BPJS Kesehatan maupun Kemenkes masih dalam upaya
mengembangkan sarana dengan maksud yang sama (fungsi prediktif dan
preskriptif). Jika kerja sama antarsektor dapat dijalin, adaptasi sistem big
data untuk perbaikan sistem pelayanan kesehatan dapat lebih cepat
diwujudkan. Namun, untuk itu diperlukan klarifikasi awal guna
mencegah potensi timbulnya konflik kepentingan. Pemerintah perlu
menyediakan ruang diskusi publik yang kuat terkait penggunaan data dan
merencanakan mekanisme yang jelas terkait berbagi informasi.
Dalam utilisasi big data kesehatan, kemitraan antara pemerintah dan
kalangan swasta dapat mendukung pelaksanaan skema coordination of
benefits (COB), atau koordinasi manfaat asuransi, yang sampai saat ini
masih terkendala; implementasi innovative pricing model (model
penetapan harga yang inovatif); dan evaluasi intervensi melalui health
technology assessment. Untuk memastikan agar sistem ini berjalan di
masa depan, perencanaan peta jalan pemanfaatan big data kesehatan
harus mengakomodasi ketiga hal tersebut disertai dengan pemerincian
tugas dan tanggung jawab pihak pemerintah dan nonpemerintah.

14