Pemetaan Kesiapan Penerapan Telemedika di Indonesia

Nora Dzulvawan, Setia Pramana

Abstract


Abstract

Telemedicine is a form of technology development that allows people to conduct health consultations without having to physically visit the hospital. The COVID-19 pandemic that has spread throughout the world has increasingly limited human mobility and has implications for the application of technology. In addition, the vulnerability of public health during the pandemic has caused hospitals to treat patients with quite limited medical personnel. One of the solutions to overcome the crisis is to use technology in the health sector. However, Indonesia's diverse geographical situation presents its own challenges for the development of telemedicine. In addition, health facilities that are not evenly distributed also have a significant influence on the development of telemedicine. This study aims to prepare provinces in Indonesia for the development of telemedicine in terms of medical infrastructure and Information and Communications Technology (ICT). The K-Means Cluster is used as the primary method for grouping each province based on these two aspects. The result is 3 clusters of Indonesian provinces which are then defined as regions with a very ready status, ready, and not ready for the development of telemedicine in Indonesia. From the results of the analysis, it was found that the most influential variable in the development of telemedicine in Indonesia is the readiness of the ICT and health workers. Thus, it can be said to develop telemedicine or e-health in Indonesia, the improvement of Information and Communication Technology infrastructure, and the increment in natural resources and human resources in the medical field are needed, so the development of telemedicine can support improving the health status of Indonesian people.

Keyword: digital health, K-Means cluster, ICT

 

Abstrak

Telemedika adalah bentuk pengembangan teknologi yang memungkinkan seseorang melakukan konsultasi kesehatan tanpa perlu mendatangi rumah sakit secara fisik. Pandemi COVID-19 yang menyebar di seluruh dunia semakin membatasi ruang gerak manusia dan berimplikasi pada pemanfaatan teknologi yang semakin tinggi. Selain itu rentannya kesehatan masyarakat di masa pandemi menyebabkan rumah sakit mengalami lonjakan pasien dengan tenaga medis yang cukup terbatas. Salah satu solusi untuk mengatasi krisis tersebut adalah dengan pemanfaatan tekonologi di bidang kesehatan. Namun keadaan geografis Indonesia yang cukup beragam memberikan tantangan tersendiri terhadap perkembangan telemedika. Selain itu, fasilitas kesehatan yang belum merata juga memberikan pengaruh cukup signifikan terhadap kemajuan telemedika. Penelitian ini bertujuan untuk memetakan kesiapan provinsi di Indonesia dalam pengembangan telemedika dilihat dari aspek infrastruktur medis dan Information and Communications Technology (ICT). Metode K-Means Clustering dijadikan sebagai dasar pengelompokan provinsi berdasarkan kedua aspek tersebut. Hasilnya adalah didapatkan tiga klaster provinsi Indonesia yang kemudian didefinisikan menjadi wilayah dengan status sangat siap, siap, dan tidak siap dalam perkembangan telemedika di Indonesia. Dari hasil analisis didapatkan variabel yang paling berpengaruh terhadap perkembangan telemedika di Indonesia adalah kesiapan dari sisi ICT dan tenaga kesehatan. Dengan demikian dapat disimpulkan untuk melakukan pengembangan telemedika atau e-health di Indonesia, perbaikan infrastruktur Teknologi Informasi dan Komunikasi dan peningkatan SDA maupun SDM di bidang medis sangat dibutuhkan sehingga pengembangan telemedika dapat menjadi salah satu penunjang perbaikan status kesehatan masyarakat Indonesia.

Kata Kunci: digital health, K-Means Cluster, ICT


Keywords


digital health; K-Means Cluster; ICT

Full Text:

PDF

References


Inasari Widiyastuti. Analisa aplikasi e-health berbasis website di instansi kesehatan pemerintah dan swasta serta potensi implementasinya di Indonesia. J Penelit Ilmu Pengetah dan Teknol Komun [Internet]. 2008;10(2):113–28. Available from: https://www.researchgate.net/publication/260438219%0AAnalisa

Aditya KB, Setiawan Y, Puspitaningrum D. Sistem Informasi Geografis Pemetaan Faktor-Faktor Yang Mempengaruhi Angka Kematian Ibu (Aki) Dan Angka Kematian Bayi (Akb) Dengan Metode K-Means Clustering (Studi Kasus: Provinsi Bengkulu). J Tek Inform. 2018;10(1):59–66.

Guthold R, Stevens GA, Riley LM, Bull FC. Worldwide trends in insufficient physical activity from 2001 to 2016: a pooled analysis of 358 population-based surveys with 1·9 million participants. Lancet Glob Heal [Internet]. 2018 Oct;6(10):e1077–86. Available from: https://linkinghub.elsevier.com/retrieve/pii/S2214109X18303577

BPS. Statistik Indonesia 2019. Statistik Indonesia 2019 (Indonesian statistics). 2019. Jakarta: Badan Pusat Statistik.

Kemenkes RI. Profil Kesehatan Indonesia 2018 Kemenkes RI [Internet]. Health Statistics. 2019. 207 p. Available from: https://www.kemkes.go.id/downloads/resources/download/pusdatin/profil-kesehatan-indonesia/profil-kesehatan-indonesia-2018.pdf

Soegijoko S. Perkembangan Terkini Telemedika dan EHealth serta Prospek Aplikasinya di Indonesia. Semin Nas Apl Teknol Inf 2010. 2010;1907–5022.

Lupiáñez-Villanueva F, Hardey M, Torrent J, Ficapal P. The integration of Information and Communication Technology into medical practice. Int J Med Inform [Internet]. 2010 Jul;79(7):478–91. Available from: https://linkinghub.elsevier.com/retrieve/pii/S1386505610000936

Hadisiwi, P., & Suminar JR (2017). Literasi kesehatan masyarakat dalam menopang pembangunan kesehatan di Indonesia. Pros Komun [Internet]. 2017; Available from: https://garuda.kemdikbud.go.id/documents/detail/769544 https://garuda.kemdikbud.go.id/documents/detail/769544

Setia P, Tri E, / A. Mapping of Education Quality and E-Learning Readiness to Enhance Economic Growth in Indonesia. Asian J Bus Environ. 2022;12(1):11–6.

Irwan. Etika dan Perilaku Kesehatan. Yogyakarta: Absolute Media. 2017.

Wernhart A, Gahbauer S, Haluza D. eHealth and telemedicine: Practices and beliefs among healthcare professionals and medical students at a medical university. Helve O, editor. PLoS One [Internet]. 2019 Feb 28;14(2):e0213067. Available from: https://dx.plos.org/10.1371/journal.pone.0213067

Lestari W. Telemedik: Sarana Peningkatan Pelayanan Kesehatan Dengan Teknologi Informasi. Jakarta National Institute of Health Research and Development, Indonesian Ministry of Health. 2018;

Alfina T, Santosa B, Barakbah AR. Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data. Tek Its [Internet]. 2012;1(1):521–5. Available from: http://www.ejurnal.its.ac.id/index.php/teknik/article/view/1794

Darmansah DD, Wardani NW. Analisis Pesebaran Penularan Virus Corona di Provinsi Jawa Tengah Menggunakan Metode K-Means Clustering. JATISI (Jurnal Tek Inform dan Sist Informasi) [Internet]. 2021 Mar 19;8(1):105–17. Available from: http://jurnal.mdp.ac.id/index.php/jatisi/article/view/590

Farida A. Sistem Pemetaan Lokasi Penanggulangan Dan Pencegahan Penyakit Demam Berdarah Dengue Dengan Metode K-Means Clustering (Studi Kasus Di Puskesmas Binakal). Politeknik Negeri Jember; 2022.

Villagran, M dan Weathers M.R (2015). Health Communication: Theory, Method and Application. Routledge, New York: Harrington N.G; 2015.

Johnson RA, Wichern D. Applied Multivariate Statistical Analysis. 6th ed. Upper Saddle River: Pearson Prentice Hall; 2007.

Anderberg MR. Cluster Analysis for Applications. New York: Academic Press; 1973.

Zoroja J, Pejić Bach M. Impact of information and communication technology to the competitiveness of European countries-cluster analysis approach. J Theor Appl Electron Commer Res. 2016;1–10.

Agusta YK-M. Penerapan, Permasalahan, dan Metode Terkait. Jurnal Sistem dan Informatika. 2007;

Pramana, Setia et all. Data Mining dengan R: Konsep Serta Implementasi. Bogor: In Media; 2018.

Ridlo MR, Defiyanti S, Primajaya A. Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang. Citee 2017. 2017;426–33.

Farida A. Sistem Pemetaan Lokasi Penanggulangan Dan Pencegahan Penyakit Demam Berdarah Dengue Dengan Metode K-Means Clustering (Studi Kasus Di Puskesmas Binakal) (Doctoral dissertation. Politeknik Negeri Jember; 2022.

Peña J., Lozano J., Larrañaga P. An empirical comparison of four initialization methods for the K-Means algorithm. Pattern Recognit Lett [Internet]. 1999 Oct;20(10):1027–40. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0167865599000690

Arai, K., Barakbah AR. Hierarchical K-Means:an algorithm for centroids initialization for K-Means, the Faculty of Science and Engineering, Saga University. 2007;




DOI: https://doi.org/10.47007/inohim.v10i2.436

Refbacks

  • There are currently no refbacks.


Lembaga Penerbitan Universitas Esa Unggul

Jl Arjuna Utara No 9. Tol Tomang, Kebon Jeruk, Jakarta. 11510

Email : inohim.ueu@esaunggul.ac.id

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

View My Stats