Metode Analisis Kesehatan dengan menggunakan

marchine learning Artificial Inteligence/Data Mining

Literatur Review

Rianda pratama1*, Muamal Kadapi2, Dian Wira Yudha3, Eriansyah4

Program Studi Teknik Industri, Fakultas Teknik, Universitas Teuku Umar

Email: rizkikatola@gmail.com

Abstrak - Teknologi kecerdasan buatan manusia yang semakin banyak digunakan

dalam kehidupan sehari-hari memberikan pengaruh besar bagi masyarakat
Indonesia, khususnya di bidang kesehatan, pelayanan sebuah instansi yang belum
memadai menjadi fokus penulisan tinjauan literatur ini. Dengan menggunakan
metode analisis kritis terhadap suatu topik permasalahan. Hasil analisis tersebut
menunjukkan bahwa pelayanan kesehatan masyarakat di Indonesia menjadi lebih
memadai berkat kecanggihan kecerdasan buatan yang digunakan dalam bidang
kesehatan. Namun perlu adanya terobosan baru untuk menganalisis seberapa cepat
penyakit pasien dapat diatasi dengan menggunakan teknologi kecerdasan buatan.

Kata Kunci: analisis kesehatan; teknologi kecerdasan buatan; data mining

Abstract - Human artificial intelligence technology which is increasingly being

used in everyday life has had a big influence on Indonesian society, especially in
the health sector, the inadequate service of an agency is the focus of writing this
literature review. By using critical analysis methods on a problem topic. The
results of this analysis show that public health services in Indonesia have become
more adequate thanks to the sophistication of artificial intelligence used in the
health sector. However, new breakthroughs are needed to analyze how quickly a
patient's disease can be overcome using artificial intelligence technology.

Keywords: health analysis; artificial intelligence technology; data mining

PENDAHULUAN
Teknologi merupakan suatu alat yang diciptakan manusia untuk menyelesaikan
pekerjaan manusia. Menurut Toynbee pada tahun 2004 mengatakan bahwa
teknologi merupakan ciri dari adanya sebuah kemuliaan manusia, dimana hal ini
membuktikan bahwa manusia tidak bisa hidup hanya untuk makan semata, namun
membutuhkan lebih dari itu. Lebih lanjut dikemukakan oleh Toynbee, bahwa
teknologi dapat memungkinkan konstituen non material dari sebuah kehidupan
yang dimiliki manusia yaitu perasaan, ide, pemikiran, intuisi, dan juga ideal. Dan
teknologi juga membuktikan sebuah manifestasi dari kecerdasan pikiran seorang
manusia .
kecerdasan buatan juga diciptakan manusia untuk menyelesaikan masalah.
Kecerdasan buatan atau AI adalah salah satu cabang dari ilmu komputer yang
membuat mesin di dalam komputer tersebut, nantinya mesin ini dapat melakukan
pekerjaan dengan sendirinya tanpa diatur oleh seorang programmer. Peran
programmer memang penting jika dikaitkan dalam AI dimana programmer hanya
memastikan bahwa AI itu jalan tanpa dipantau secara terus-menerus. Ilmu
komputer memiliki banyak sekali cabang tapi berbeda dengan AI cabang ini
merupakan sesuatu yang dapat bekerja layaknya seperti manusia dapat
mengerjakan segala sesuatu yang dikerjakan oleh manusia (Hamson et al., 2021).
Di era popularitas sains, machinelearning dapat dikatakan sebagai cabang dari
disiplin ilmu artificial intelligence yang banyak digunakan oleh para praktisi
bisnis dan akademik. Kemampuannya dalam pengembangan sistem berdasarkan
data, membuat banyak orang menggunakannya sebagai metode dalam penelitian
(D. Kartini,2017). Hal ini membuat Ai sangat berguna dalamberbagai bidang,
seperti perawatan, kesehatan, transportasi, dan produksi (Farid, I., dkk, 2023).
Pakar dan peneliti kalangan berkumpul di Dartmouth College, Membahas
potensi komputer dalam rangka menirukan atau mensimulasi kepandaian manusia.
Beberapa ilmuwan yang terlibat adalah Allen Newel, Herbert Simon, Marvin
Miskey, Oliver Selfridge, dan John McCarthy. Salah satu bidang teknologi yang
menjadi penyumbang utama dalam transformasi digital adalah bidang Kecerdasan
Buatan. Kecerdasan buatan merupakan pengembangan dan integrase dari bidang
elektronika, ilmu komputer dan matematika. Secara sederhana, sistem dengan
kecerdasan buatan dapat melakukan pekerjaan seperti yang dilakukan oleh
manusia, seperti berfikir, mengambil keputusan, melakukan klasifikasi terhadap
suatu keadaan atau mengestimasi keadaan di masa yang akan datang (Yudo
Devianto, Saruni Dwiasnati 2020).

Menurut (Robert.H.Brook, 2017:585), kesehatan adalah sebuah sumber daya

yang dimiliki semua manusia dan bukan merupakan suatu tujuan hidup yang perlu
dicapai. Kesehatan tidak terfokus kepada fisik yang bugar tetapi meliputi jiwa
yang sehat di mana individu dapat bersikap toleran dan dapat menerima
perbedaan. tekanan selama pandemic global telah menyebabkan beberapa
gangguan seperti ketakutan dan kecemasan baik pada diri sendiri maupun orang-
orang terdekat; perubahan pola tidur dan pola makan, rasa tertekan dan sulit
berkonsentrasi; bosan dan stress karena terus-menerus berada di rumah, terutama
anak-anak, serta munculnya gangguan psikomatis (Salma Matla Ilpaj, Nunung
Nurwati, 2020)

METODE PENELITIAN
Penelitian ini menggunakan data sekunder dalam pelaksanaannya. Penelitian ini
dilakukan pertahap dimana Tahap pertama melakukan pencarian artikel, dimana
artikel dicari menggunakan bantuan mesin pencarian artikel yaitu Google Scholar.
Artikel dikumpulkan dari tahun 2017 hingga tahun 2023 dengan topik spesifik
terkait Metode Analisis Kesehatan dengan menggunakan marchine learning
Artificial Inteligence/Data Mining. Pencarian menggunakan kata kunci “analisis
kesehatan; teknologi kecerdasan buatan” dan kata kunci lainnya terkait analisis
kesehatan dengan menggunakan teknologi kecerdasan buatan

Gambar 1. Tahapan Penulisan

HASIL DAN PEMBAHASAN
Literature dari 25 artikel telah dilakukan. atau tema penelitian, hasil tersebut
dijelaskan dalam bentuk point-point :

Tabel 1. Klarifikasi artikel berdasarkan Penulis, metode dan Hasil

No Pengarang Metode Hasil penelitian
1 Fitri Handayani SupportVector Machine Hasil pengujian
Kartika Sari Kusuma (SVM) perbandingan jumlah data
Hedy Leoni Logistic Regression latih dan data uji
Asbudi , Rona danArtificial Neural menggunakan metode
Guines Purnasiwi , Network (ANN) SVM, Logistic
Resti Kusuma , Andi Regression dan ANN
Sunyoto, Windha menunjukkan bahwa
Mega Pradnya, pembagian data 90:10
ketiga metode
menghasilkan akurasi
sama,
2 Anjar Wanto Penelitian pustaka Langkah pertama yang
Agus Perdana (Library Research), harus dilakukan untuk
Windarto Penelitian lapangan memprogram
(Field Research) backpropagation dengan
software Matlab adalah
membuat inisialisasi
jaringan. Sebelum
Training dilakukan,
terlebih dahulu ditentukan
nilai parameter yang
diinginkan guna
memperoleh hasil yang
optimal.
3 Fitri Andri Astuti Metodologi yang Pemanfaatan teknologi
digunakan dalam kajian artificial intelligence
ini adalah study literatur dalam rangka penguatan
review sistem kesehatan nasional
terutama dalam kasus
pengendalian COVID-19,
telah dilakukan pada fase
pengawasan
epidemiologi, identifikasi
kasus, pengendalian
transmisi lokal,
komunikasi publik, dan
perawatan klinis.
4 Muhammad Sholeh Dataset Hasil prediksi tidak hanya
Suraya Pre-processing Data dilakukan dengan
Dina Andayati Analisis Data menggunakan data test,
tetapi juga dapat
dilakukan dengan data di
luar data test
5 Sofyan Mufti Penelitian ini Menurut penelitian dari
Prasetiyo menggunakan pendekatan University of the
Apriwinda kualitatif. Selanjutnya Philippines dan
metode penelitian yang
Rahmayani Gokongwei College of
digunakan adalah metode
Auli Melania deskriptif Engineering mengenai
Object Recognition,
pencahayaan dan posisi
dari objek dapat
mempengaruhi
keakuratan dari Computer
Vision Dalam cahaya
yang lebih sedikit sekitar
318 lumen, akurasi yang
tertinggi berada pada
Kesimpulan
Penelitian ini memberikan gambaran yang komprehensif tentang penggunaan
metode analisis kesehatan dengan pendekatan machine learning, artificial
intelligence, dan data mining. Melalui tinjauan literatur yang cermat, penulis
menyajikan pemahaman mendalam tentang kontribusi teknologi-teknologi ini
dalam peningkatan diagnosis, prediksi penyakit, dan manajemen data kesehatan.

1. Pentingnya Integrasi Teknologi: Tinjauan literatur menegaskan bahwa

integrasi teknologi seperti machine learning dan artificial intelligence
sangat penting dalam mendorong kemajuan di bidang analisis kesehatan.
Pendekatan ini memungkinkan identifikasi pola yang kompleks dalam data
kesehatan, memungkinkan diagnosis yang lebih akurat dan prediksi risiko
penyakit.
2. Akurasi Diagnosis dan Prediksi: Hasil literatur review menunjukkan
bahwa penggunaan algoritma machine learning dalam analisis kesehatan
dapat meningkatkan akurasi diagnosis penyakit tertentu. Kemampuan
model untuk memproses dan menganalisis data kesehatan dalam skala
besar dapat memberikan wawasan yang lebih baik dan membantu dokter
dalam pengambilan keputusan.
3. Tantangan dan Hambatan: Walaupun kemajuan yang signifikan, tinjauan
literatur juga mengidentifikasi beberapa tantangan, seperti masalah
keamanan data, interpretasi hasil model, dan kebutuhan untuk transparansi
dalam penggunaan teknologi ini dalam konteks kesehatan.
4. Pentingnya Data Quality dan Interoperabilitas: Kesimpulan dari penelitian
ini menyoroti pentingnya kualitas data dan interoperabilitas sistem dalam
mencapai keberhasilan implementasi analisis kesehatan berbasis machine
learning. Upaya untuk memastikan data yang akurat, bersih, dan dapat
diakses menjadi kunci untuk keberhasilan penggunaan teknologi ini.
5. Arah Penelitian Masa Depan: Berdasarkan tinjauan literatur, penulis
menyoroti potensi penelitian masa depan, termasuk pengembangan model
yang lebih kompleks, eksplorasi integrasi teknologi baru, dan pemecahan
tantangan yang masih ada dalam menerapkan teknologi ini dalam
 lingkungan kesehatan.
Kesimpulan tersebut dapat menjadi panduan awal untuk menyusun kesimpulan
dalam jurnal Anda. Pastikan untuk merinci temuan dan hasil yang spesifik dari
literatur yang Anda tinjau.

DAFTAR PUSTAKA

[1.] Aven, T. (2016). Risk Analysis: Assessing Uncertainties Beyond Expected

Values and Probabilities. CRC Press.
[2.] Vose, D. (2008). Risk Analysis: A Quantitative Guide. John Wiley & Sons.
[3.] Hubbard, D. W. (2009). The Failure of Risk Management: Why It's Broken
and How to Fix It. John Wiley & Sons.
[4.] Kutz, M. (2010). Risk Analysis and Management for Projects: Techniques and
Methods. Auerbach Publications.
[5.] Douglas, M., & Wildavsky, A. (1983). Risk and Culture: An Essay on the
Selection of Technological and Environmental Dangers. University of
California Press.
[6.] Kaplan, S., & Garrick, B. J. (1981). On the Quantitative Definition of Risk. Risk
Analysis, 1(1), 11-27.
[7.] Smith, G. D., & Petrie, A. (2010). Research Methods in Occupational
Epidemiology. Oxford University Press.
[8.] Yoe, C., Linkov, I., & Satterstrom, F. K. (2019). Risk Analysis and Governance
in an Uncertain World. Routledge.
[9.] Hollnagel, E., Woods, D. D., & Leveson, N. (2006). Resilience Engineering:
Concepts and Precepts. Ashgate Publishing.
[10.] ISO 31000:2018. Risk Management – Guidelines