SIMRS Dengan Kecerdasan Buatan (Artificial Intelligence)

SIMRS Dengan Kecerdasan Buatan (Artificial Intelligence)

Sistem informasi manajemen rumah sakit merupakan suatu pengelolaan informasi di rumah sakit, hal ini adalah suatu kewajiban bagi rumah sakit yang sudah diatur dalam perundang-undangan yaitu : Undang Undang Nomor 44 Tahun 2009 tentang Rumah Sakit, Pasal 52 ayat (1) tentang pencatatan dan pelaporan kegiatan penyelenggaranan rumah sakit dalam bentuk sistem informasi manajemen rumah sakit, dan Peraturan Menteri Kesehatan No 82 Tahun 2013 Tentang Sistem Informasi Manajemen Rumah Sakit, maka rumah sakit wajib memiliki Sistem Informasi Manajemen Rumah Sakit.

Artificial Intelligence - SIMRS Dengan Kecerdasan Buatan

Perkembangan Sistem Informasi Manajemen Rumah Sakit yang berbasis komputer (Computer Based Hospital Information System) di Indonesia telah dimulai pada awal tahun 1990 an, namun, tampaknya hingga saat ini banyak komputerisasi dalam bidang per-rumah sakit-an mendapatkan hasil yang kurang maksimal di level manajemen, terutama untuk masalah planning and strategic action.

Sistem informasi yang ada dikebanyakan rumah sakit saat ini dapat digambarkan sebagai berikut:

  1. Masing-masing program memiliki sistem informasi sendiri yang belum terintegrasi, sehingga bila diperlukan informasi yang menyeluruh diperlukan waktu yang cukup lama.
  2. Terbatasnya perangkat keras (hardware) dan perangkat lunak (software) di berbagai jenjang, dan jaringan LAN yang kurang memadai.
  3. Ketidakdisiplinan dan kurangnya kemauan staf rumah sakit untuk mengelola dan mengembangkan sistem informasi dengan maksimal (misalnya sering kali mengkosongkan form isian data pasien)
  4. Masih belum membudayanya manajemen pengambilan keputusan melalui information support system karena manajemen masih belum memiliki kepercayaan terhadap software yang dimilikinya sendiri.

Komputerisasi di rumah sakit yang terjadi saat ini hanya terbatas pada urusan administrasi saja seperti penyimpanan nomor rekam medis pasien, urusan billing pasien, antrian dan ujungnya untuk membuat laporan RL bulanan. Padahal komputerisasi di rumah sakit apabila dilakukan dengan secara menyeluruh dan sungguh-sungguh dapat memberikan dampak yang lebih, hal ini disebabkan dalam segi identifikasi masalah (problems identification) yang kurang baik, dimana identifikasi dalam implementasi sistem informasi tersebut hanya mencakup hal-hal yang bisa dilihat oleh mata saja.

 

Padahal rumah sakit saat ini melayani ribuan transaksi dan aktivitas pasien dalam kesehariannya, data yang disimpannya pun juga akan mencapai puluhan gigabytes, sungguh sayang apabila data yang jumlahnya sangat banyak itu dibiarkan tersimpan dalam hardisk begitu saja. Sebenarnya ada banyak hal yang bisa digali dari data tersebut antara lain :

  1.  Peramalan kebutuhan obat (logistic forecasting) di instalasi farmasi
  2. Memprediksi biaya yang akan dihabiskan pasien BPJS dengan menganalisa diagnosa, vital sign dan medical screening awal saat pertama kali pasien masuk.
  3. Memprediksi peluang seorang pasien akan terkena panyakit diabetes berdasarkan rekam medisnya.
  4. Memprediksi tindakan untuk pasien sesuai diagnosanya dalam rangka penyusunan Clinical Pathway
  5. Memprediksi efektivitas suatu obat untuk pasien penderita kanker (Cancer Risk Prediction and Assessment)

Ada beberapa metode yang umum diimplementasikan dalam penggunaan Artificial Intelligence salah satunya yaitu dengan Neural Network (NN) atau yang sering disebut Jaringan saraf tiruan (JST) dalam bahasa indonesia, adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. NN merupakan sistem pasif dalam memecahkan masalah berdasarkan informasi eksternal yang mengalir melalui jaringan tersebut. Neural Network juga dapat diartikan sebagai suatu jaringan saraf tiruan yang memproses sejumlah besar informasi secara paralel dan terdistribusi (hal ini terinspirasi oleh model kerja otak biologis)

Secara sederhana, NN adalah sebuah alat pemodelan data statistik non-linier. NN dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.

Neural Network

Neural Network

Dalam penerapannya, NN mengandung sejumlah parameter (weight) yang terbatas. Permasalahan yang masih menjadi perhatian para peneliti adalah bagaimana menentukan model NN yang paling baik (jumlah parameter yang optimal) yang meliputi penentuan unit input yang signifikan dan jumlah unit hidden. NN sederhana masih belum memberikan jaminan didapatkannya model yang optimal, oleh karena itu NN harus dapat beradaptasi untuk merubah nilai bobot (weight) secara mandiri yang selanjutnya disebut sebagai Adaptive Neural Network (ANN).

By Admin

SIMRS Dengan Kecerdasan Buatan



Comments are Closed

^