Liputan6.com, Bandung - Kepala Pusat Riset Sains Data dan Informasi Badan Riset dan Inovasi Nasional (PRSDI BRIN), Esa Prakasa, mengatakan studi epidemiologi bertujuan untuk memahami pola penyebaran penyakit, faktor-faktor yang mempengaruhi penyebaran tersebut, dan cara-cara untuk mencegah atau mengendalikan penyakit memerlukan teknologi sains data.
Menurut Esa, teknologi sains data memungkinkan dapat membantu studi epidemiologi dalam melakukan pengolahan serta analisis big data untuk mengungkapkan wawasan yang dapat ditindaklanjuti oleh para pemegang kepentingan. "Tantangannya dalam era Big Data mencakup kualitas data, privasi, dan interpretasi model yang kompleks. Sains data memungkinkan integrasi berbagai sumber data sehingga kajian epidemiologi menjadi lebih cepat, akurat, dan berbasis bukti,” jelas Esa dalam webinar dengan tema “Digital Epidemiology: Transformasi Kajian Kesehatan dengan Sains Data” ditulis Senin (19/5/2025).
Advertisement
Esa mengatakan studi epidemiologi memerlukan analisis yang komprehensif untuk melakukan prediksi wabah dan deteksi dini penyakit, pemodelan penyebaran penyakit secara spasial dan temporal, serta identifikasi faktor risiko. Esa menuturkan hal ini membuka peluang kolaborasi interdisipliner antara bidang kesehatan dan sains data. "Kolaborasi ini juga diharapkan mempercepat adopsi teknologi sains data untuk meningkatkan respons kesehatan, dan mengembangkan inovasi dalam penelitian dan kebijakan kesehatan, khususnya inovasi dalam surveilans dan prediksi kesehatan," tegas Esa.
Esa menjelaskan bahwa pemanfaatan data administratif kesehatan menjadi kunci penting dalam studi epidemiologi, terutama dalam mendeteksi penyakit menular secara lebih cepat dan akurat. "Kajian epidemiologi membutuhkan analisis menyeluruh. Dengan pendekatan pemodelan dan sains data, keputusan berbasis bukti bisa diambil lebih baik, terutama di tingkat nasional," kata Esa.
Penjelasan Kelompok Riset
Sementara itu Peneliti sekaligus Ketua Kelompok Riset Temu Kembali Informasi PRSDI BRIN, Purnomo Husnul Khotimah, menyebutkan pentingnya big data analytics dalam mentransformasi layanan kesehatan. Data seperti rekam medis elektronik, klaim asuransi, hingga registri penyakit dapat digunakan untuk memahami distribusi penyakit dan faktor risikonya secara lebih komprehensif. “Ini bukan hanya persoalan teknologi, tetapi tentang bagaimana data dapat diterjemahkan menjadi kebijakan nyata,” ujar Purnomo.
Purnomo memaparkan hasil analisis bibliometrik yang menunjukkan bahwa studi epidemiologi digital masih didominasi oleh negara-negara maju seperti Amerika Serikat, Taiwan, Korea Selatan, Prancis, dan Jepang. Sementara itu, penyakit tropis seperti demam berdarah dan malaria justru masih minim mendapat perhatian. "Dibutuhkan sistem surveilans berbasis teknologi digital. Machine learning dapat menjadi solusi untuk analisis data kesehatan yang kompleks. Namun, implementasinya masih terbatas dan perlu dikembangkan lebih lanjut,” ucap Purnomo.
Purnomo menyoroti bahwa metode tradisional dalam pengumpulan data epidemiologi melalui catatan medis, laboratorium, dan survei terbukti kurang efisien bila diterapkan pada skala besar. Namun, Purnomo menegaskan pula pentingnya menjaga keseimbangan antara keterbukaan akses data dan perlindungan privasi. “Pengembangan sistem database harus mempertimbangkan aspek keamanan dan teknik sampling. Contohnya, Prancis menerapkan teknik pseudo-identification untuk menjaga kerahasiaan identitas pasien,” jelas Purnomo.
Purnomo menyampaikan bahwa kajian epidemiologi seringkali membutuhkan dana yang besar, terutama untuk penelitian yang melibatkan skala besar dan kompleks. Hal ini dikarenakan berbagai faktor, seperti pengumpulan data yang luas dan juga perluasan cakupan penelitian ke berbagai daerah atau kelompok populasi. “Dengan memanfaatkan data administratif kesehatan, kajian epidemiologi dapat dilakukan lebih cost-effective karena data tersedia secara rutin,” jelas Purnomo.
Purnomo berharap beberapa output dapat diperoleh dari pemanfaatan data administratif kesehatan beberapa diantaranya diperolehnya informasi tren dan distribusi penyakit, peta risiko relatif dan visualisasi spasial, dan rekomendasi kebijakan berbasis data. Purnomo menuturkan data administratif kesehatan adalah data yang dikumpulkan dalam proses operasional atau administratif sistem pelayanan kesehatan. “Data ini bukan secara khusus untuk tujuan penelitian, tetapi bisa digunakan untuk analisis kesehatan, misalnya data klaim asuransi kesehatan,” terang Purnomo.
Penyakit Menular
Sedangkan, Peneliti Pusat Riset Sains Data dan Informasi (PRSDI) BRIN, Andre Sihombing, menerangkan telah melakukan riset penyakit yang berkaitan dengan air. Mereka mengeksplorasi kemungkinan adanya korelasi antara infeksi penyakit menular dengan faktor lingkungan terkait dengan adanya perubahan iklim. "Perubahan iklim yang terdiri dari perubahan temperatur, perubahan kelembapan, dan peningkatan curah hujan akan menyebabkan perubahan air permukaan, baik itu sungai, danau, aliran sungai, dan lahan basah, sehingga berkaitan dengan infeksi penyakit menular yang disebabkan oleh air,” ujar Andre.
Andre menguraikan, penyakit menular yang disebabkan oleh air antara lain water borne (penyakit yang ditularkan melalui air seperti kolera, tifus, hepatitis A), water based (penyakit yang disebabkan oleh cacing parasit yang hidup di air tercemar), water related (penyakit yang disebabkan oleh vektor/perantara seperti malaria dan demam berdarah), water washed (penyakit yang disebabkan oleh kekurangan akses air bersih seperti infeksi kulit/mata), dan water dispersed (penyakit yang disebabkan oleh air/kuman yang masuk ke tubuh manusia melalui saluran pernapasan).
Tinjauan literatur pada riset terdahulu, jelas Andre, ditemukan beberapa riset dengan menggunakan analis spasio temporal untuk memahami pola, tren, atau informasi mengenai risiko penyakit dalam perspektif geografis. “Namun, penelitian terdahulu lebih berfokus pada penyakit terkait air yang ditularkan oleh vektor dan belum meliputi semua klasifikasi penyakit yang disebabkan oleh air,” terang Andre.
Adapun riset ini dilakukan meliputi area Jawa Barat yang dinilai sebagai daerah dengan curah hujan nomor tiga tertinggi di Indonesia, sehingga memiliki dampak besar pada dinamika air permukaan. Dataset dalam riset ini menggunakan data kesehatan BPJS, data iklim (ERA5 dan GSMAP), dan citra satelit Copernicus. “Signifikasi riset ini diharapkan dapat memberikan informasi mengenai distribusi geografis penyakit menular terkait air dan korelasinya dengan faktor sosial lingkungan dan perubahan air permukaan. Informasi ini dapat berguna bagi pemerintah dalam pencegahan dan prediksi penyebaran penyakit menular secara khusus terkait air dengan lebih komprehensif,” pungkas Andre.