MAKALAH APLIKASI KESEHATAN YANG MEMANFAATKAN CDSS

2024

PENDAHULUAN

Kemajuan teknologi dalam bidang kesehatan telah membawa perubahan besar dalam
cara perawatan pasien dilakukan, terutama dalam hal pengambilan keputusan klinis. Salah
satu inovasi penting adalah Clinical Decision Support System (CDSS), yaitu perangkat lunak
atau sistem berbasis komputer yang dirancang untuk membantu profesional medis dalam
pengambilan keputusan yang lebih baik dan berbasis bukti. CDSS berperan sebagai alat bantu
yang memberikan rekomendasi diagnosis, perawatan, serta peringatan mengenai potensi
risiko berdasarkan data medis pasien.

Dalam praktik medis, pengambilan keputusan yang tepat waktu dan akurat sangat
penting untuk mencegah kesalahan medis serta memastikan perawatan yang sesuai.
Kompleksitas data medis yang terus meningkat, mulai dari hasil tes laboratorium, riwayat
kesehatan pasien, hingga pengetahuan medis terbaru, sering kali menjadi tantangan bagi
tenaga medis. Oleh karena itu, CDSS diciptakan untuk mempermudah proses ini dengan
menggabungkan teknologi informasi dan basis pengetahuan medis dalam satu sistem
terintegrasi. Dengan demikian, CDSS membantu dokter dan profesional kesehatan lainnya
dalam memberikan perawatan yang lebih baik dan berbasis bukti ilmiah.
 BAB II
CDSS dan Penggunannya

Sistem pendukung keputusan klinis (CDSS) adalah aplikasi yang menganalisis data
untuk membantu penyedia layanan kesehatan membuat keputusan dan meningkatkan
perawatan pasien. CDSS merupakan variasi dari sistem pendukung keputusan ( DSS ) yang
umum digunakan untuk mendukung manajemen bisnis. CDSS berfokus pada penggunaan
manajemen pengetahuan untuk mendapatkan saran klinis berdasarkan berbagai faktor
informasi terkait pasien. Pada akhirnya, informasi yang diberikan memungkinkan mereka
untuk meningkatkan kualitas perawatan yang diterima pasien mereka.
Setelah menganalisis informasi pasien, CDSS dapat memberikan saran tentang dosis
dan frekuensi obat, serta melakukan pemeriksaan alergi obat. Alat CDSS juga menawarkan
pengingat untuk perawatan pencegahan, memberikan peringatan tentang interaksi obat yang
berpotensi berbahaya, dan mencatat saat pasien telah dijadwalkan untuk menjalani tes yang
mungkin berlebihan. Beberapa penyedia layanan menggunakan CDSS untuk menandai pasien
yang didiagnosis secara tidak tepat atau mungkin telah melewatkan pengobatan yang
diresepkan atau diberi dosis obat yang salah. Saat menggunakan CDSS, pencarian informasi
dapat dilakukan untuk memeriksa riwayat medis pasien bersama dengan penelitian klinis
yang relevan. Analisis tersebut kemudian dapat membantu memprediksi kejadian potensial,
seperti interaksi obat, atau menandai gejala penyakit .
 BAB III
APLIKASI-APLIKASI KESEHATAN YANG MEMANFAATKAN CDSS

1. Aplikasi Mycin
Heckerman, 1986 mengatakan MYCIN adalah Sistem Pakar untuk melakukan
diagnosis kesehatan yang telah dikembangkan sejak pertengahan tahun 1970. Sistem pakar
yang digunakan untuk melakukan diagnosis pertama kali dibuat oleh Bruce Buchanan dan
Edward Shortliffe di Stanford University.
Namun secara umum MYCIN merupakan program interaktif yang melakukan
diagnosis penyakit miningitis dan infeksi bacteremia serta memberikan rekomendasi terapi
antimikroba. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam
uji coba, aplikasi ini mampu menunjukkan kemampuan seperti seorang spesialis. Meskipun
MYCIN tidak pernah digunakan secara rutin oleh dokter, tetapi aplikasi MYCIN merupakan
referensi yang bagus dalam penelitian kecerdasan buatan yang lain.
Tahapan yang dilakukan dalam perancangan sistem ini terdapat sub pokok bahasan
yang bertujuan memudahkan pengembangan sistem pakar. Sistem pakar ini mendiagnosa
penyakit TBC pada manusia yang membutuhkan pengetahuan dan mesin informasi untuk
mendiagnosa penyakit yang dialami pengguna. Basis pengetahuan berisikan faktor-faktor
yang dibutuhkan oleh sistem. Sedangkan mesin inferensi digunakan untuk menganalisa faktor
faktor yang dimasukan pengguna, sehingga dapat disimpulkan basis pengetahuan yang
diperlukan oleh sistem terdiri dari gejala penyakit, jenis penyakit dan terapi. Data yang
menjadi input sistem adalah data gejala yang dapat dari pemeriksaan yang dilakukan oleh
para medis. Data tersebut digunakan oleh sistem untuk menentukan jenis penyakit yang
diderita pasien.

Hasil dan Pembahasan

A. Struktur Rancangan Menu
Struktur rancangan menu yang dibuat untuk aplikasi sistem pakar untuk mendiagnosa
penyakit pada pencernaan manusia adalah:

B. Form Antarmuka Pemakai

Rancangan form/layar pertama yang didesain adalah menu utama, form ini berisi
beberapa menu yang bisa dipilih oleh user.
Gambar 3. Tampilan menu utama
Menu utama berisi beberapa menu yang bisa dipakai oleh user, yaitu:
● Konsultasi, menu pilihan jika user ingin mengetahui apakah terkena penyakit
TBC atau tidak, melalui pertanyaan-pertanyaan gejala yang dialami, layak
seorang Dokter bertanya pada seorang penderita. Sebagai contoh dapat dilihat
pada gambar berikut:

Gambar 4. Form konsultasi (Pertanyaan I)

Gambar 5. Form konsultasi (Pertanyaan II)

● Daftar penyakit, melalui menu ini dapat diketahui jenis-jenis penyakit TBC
beserta pencegahan dan pengobatanya. Akan tetapi pada sistem pakar ini
belum dikembangkan, untuk pengembangan lebih lanjut.
● Daftar istilah, berisi daftar istilah yang biasa ada dalam penyakit TBC. Dibuat
menu ini karena banyak istilah medis yang jarang dipakai di masyarkat,
sehingga dikuatirkan user akan mengalami hambatan. Dengan adanya menu
ini diharapkan menghilangkan hambatan tersebut.

Gambar 6. Form jenis penyakit TBC

● Bantuan, dibuat untuk mempermudah user dalam menggunakan sistem ini.
 ● Keluar, menu ini dipakai jika sistem sudah tidak digunakan lagi dan user ingin
mengakhiri penggunaannya.
Menu konsultasi berisi gejala-gejala penyakit yang akan dipilih oleh user sesuai
dengan gejala yang dialami. Jika sesuai maka (jawaban “Ya”) user akan diberi pilihan
gejala lagi sampai pada kesimpulan diduga terkena TBC (gambar 8), pengobatan
sampai pencegahannya. Jika tidak maka sistem berhenti dengan suatu kesimpulan
bahwa user diduga tidak mengalami Sakit TBC (gambar 7)

Gambar 7. Form kesimpulan diduga tidak terkena TBC

Menu daftar penyakit, berisi pilihan mengenai jenis penyakit TBC. Menu ini
dibuat untuk user yang ingin mengetahui jenis penyakit, gejala, pencegahan dan
pengobatannya.
Pada form kesimpulan terdapat report button, yang jika ditekan akan muncul
keterangan yang berisi keterangan penyakit TBC, berupa pencegahan dan pengobatan
penyakit.

Gambar 8. Form kesimpulan diduga terkena TBC

Gambar. 9 Tampilan report Report dibuat berupa file notepad, dikarenakan ukuran
data/ teks yang besar.

Manfaat
Aplikasi MYCIN memiliki beberapa manfaat dan dampak yang signifikan dalam
bidang medis, terutama dalam diagnosis dan pengobatan penyakit menular. Berikut
adalah beberapa manfaat dan dampaknya:
A. Meningkatkan Efisiensi Diagnosis
 MYCIN dapat membantu dokter dalam diagnosis penyakit menular
dengan lebih cepat dan akurat. Sistem ini menggunakan data pasien dan gejala
untuk memberikan indikasi sementara tentang organisme yang paling mungkin
bertanggung jawab atas penyakit pasien.
B. Mengurangi Waktu Penyembuhan
Dengan memberikan indikasi sementara tentang penyakit, MYCIN
dapat membantu dokter dalam menyarankan pemberian obat yang tepat untuk
mengendalikan infeksi. Ini dapat mengurangi waktu yang dibutuhkan untuk
menentukan penyakit dan mulai pengobatan.
C. Menggunakan Certainty Factor (CF)
MYCIN menggunakan Certainty Factor (CF) untuk menggambarkan
tingkat keyakinan dokter terhadap suatu hipotesis. CF ini membantu mengatasi
ketidakpastian dalam menentukan penyakit yang memiliki gejala sama.
D. Mengintegrasikan Data Pasien
Sistem MYCIN memungkinkan penggunaan data pasien untuk
membuat diagnosis. Hal ini memudahkan dokter dalam mengumpulkan dan
menganalisis data pasien untuk membuat keputusan medis yang lebih tepat

Dampak
Dampak Aplikasi MYCIN :
A. Peningkatan Akurasi Diagnosis
Dengan menggunakan metode Certainty Factor, MYCIN dapat
meningkatkan akurasi diagnosis penyakit menular. Sistem ini dapat
memberikan hasil yang lebih akurat berdasarkan data gejala dan klinis pasien.
B. Mengurangi Kesalahan Diagnosis
MYCIN membantu mengurangi kesalahan diagnosis dengan
menggunakan CF untuk menggambarkan tingkat kepercayaan terhadap suatu
hipotesis. Hal ini dapat menghindari kesalahan dalam menentukan penyakit
yang mempunyai gejala sama.
C. Mengembangkan Teknologi Pakar
Sistem MYCIN merupakan salah satu contoh awal dalam
pengembangan teknologi pakar. Pengembangan ini telah meninggalkan jejak
pada sistem pakar yang dikembangkan setelahnya, termasuk dalam bidang
medis dan kesehatan.

Dalam keseluruhan, aplikasi MYCIN telah memberikan kontribusi signifikan

dalam meningkatkan efisiensi dan akurasi diagnosis penyakit menular, serta
mengembangkan teknologi pakar yang lebih canggih dan akurat.

2. Aplikasi DOQ-IT
DOQ-IT adalah aplikasi yang dirancang untuk membantu dokter dan tenaga
medis dalam membuat keputusan medis yang lebih baik dan tepat. Sebagai Sistem
Pendukung Keputusan Klinis (CDSS), aplikasi ini menggunakan data medis pasien
untuk memberikan saran yang didasarkan pada informasi terbaru dan terpercaya.
Dengan mengolah informasi secara langsung, DOQ-IT memberikan rekomendasi
yang relevan dan akurat tentang diagnosis, perawatan, dan pengelolaan risiko
kesehatan pasien.
Aplikasi OQ-IT membantu profesional kesehatan membuat keputusan medis
yang lebih tepat dan akurat dengan analisis data real-time dan panduan berbasis
bukti. Meskipun pengembangan RME menggunakan CDSS sudah menjadi tren
global, namun banyak layanan kesehatan di Indonesia yang masih menggunakan
rekam medis kertas dan berisiko korupsi.

Hasil dan Pembahasan

Gambar 1. Pendaftaran Pasien Baru

Gambar 2. Pendaftaran Pasien Lama

Pendaftaran pasien dilakukan oleh petugas pendaftaran atau perawat. Untuk

pasien baru, data mereka akan dimasukkan ke dalam basis data pasien utama. Pasien
yang sudah memiliki rekam medis sebelumnya hanya perlu menyerahkan Kartu
Indeks Berobat (KIB) atau Kartu Tanda Penduduk (KTP) mereka. Ketika proses
pendaftaran berlangsung, petugas pendaftaran akan menginputkan informasi
mengenai alergi pasien terhadap obat-obatan tertentu. Selain itu, data anamnesis dan
hasil pemeriksaan fisik seperti tekanan darah sistolik dan diastolik akan dicatat.
Sistem komputer secara otomatis akan memberikan hasil evaluasi tekanan darah
pasien, yang dapat mengindikasikan apakah tekanan darah tersebut berada dalam
kisaran normal, hipotensi (tekanan darah rendah), atau hipertensi (tekanan darah
tinggi). Selain itu, petugas juga akan mencatat berat badan dan tinggi badan pasien,
yang kemudian akan dievaluasi oleh sistem untuk menentukan status gizi pasien,
apakah dalam kisaran normal, kekurangan gizi, atau kelebihan gizi. Pasien juga akan
ditanya mengenai riwayat keluarga mereka terkait riwayat penyakit stroke, Diabetes,
serta kebiasaan merokok dan aktivitas olahraga. Tujuannya adalah untuk memprediksi
kemungkinan pasien terkena penyakit stroke atau Diabetes di masa depan.

Gambar 3. Pendukung Keputusan Klinis untuk Risiko Stroke

Fitur Pendukung Keputusan Klinis untuk Risiko Stroke pada aplikasi DOQ-IT
dirancang untuk membantu tenaga medis dalam mengidentifikasi dan mengelola
risiko stroke pada pasien. Pendukung Keputusan Klinis untuk Risiko Stroke pada
aplikasi DOQ-IT berperan penting dalam meningkatkan kualitas pelayanan kesehatan
dan keselamatan pasien, serta membantu tenaga medis dalam pengambilan keputusan
yang lebih baik terkait pencegahan stroke

Gambar 4. Menu Pemeriksaan oleh Dokter.

Gambar ini menunjukkan antarmuka menu pemeriksaan yang digunakan oleh

seorang [Link] dapat melihat hasil pemeriksaan penunjang laboratorium dan
radiologi yang dimasukkan oleh petugas laboratorium dan [Link] hasilnya
menyimpang dari normal, sistem akan mengeluarkan peringatan berupa pernyataan
risiko. Ini akan membantu dokter Anda memutuskan langkah pengobatan selanjutnya.

Gambar 5. Pendukung keputusan klinis untuk reaksi alergi obat

Gambar ini menunjukkan fungsionalitas aplikasi untuk memperingatkan ketika obat
yang diberikan berpotensi menyebabkan reaksi alergi pada [Link] sistem
mendeteksi kemungkinan reaksi alergi berdasarkan data pasien dan obat yang
diresepkan, sistem akan menampilkan peringatan untuk mengingatkan dokter akan
potensi risiko sehingga mereka dapat menyesuaikan keputusan pengobatan untuk
menghindari efek samping yang tidak diinginkan.

Manfaat
Penggunaan aplikasi DOQ-IT dalam konteks Rekam Medis Elektronik (RME) dan
Pendukung Keputusan Klinis (CDSS) menawarkan berbagai manfaat, antara lain:

1. Peningkatan Akurasi Diagnosis: Aplikasi DOQ-IT membantu tenaga medis

dalam membuat keputusan yang lebih tepat dan akurat dengan menyediakan
analisis data real-time dan rekomendasi berbasis bukti. Ini mengurangi
kemungkinan kesalahan diagnosis dan pengobatan .
2. Efisiensi Proses Pendaftaran dan Pengelolaan Data: Aplikasi ini
mempermudah proses pendaftaran pasien dan pengelolaan data medis,
sehingga mengurangi waktu yang diperlukan untuk menginput dan mengakses
informasi pasien. Hal ini meningkatkan efisiensi operasional di klinik .
3. Peningkatan Keselamatan Pasien: Dengan adanya fitur peringatan risiko,
aplikasi dapat memberikan notifikasi kepada tenaga medis tentang potensi
masalah kesehatan, seperti risiko alergi obat atau kondisi medis yang
memerlukan perhatian segera. Ini berkontribusi pada keselamatan pasien .
4. Dukungan untuk Pengambilan Keputusan Klinis: Aplikasi ini menyediakan
panduan dan rekomendasi yang didasarkan pada data dan pedoman klinis
terkini, yang mendukung tenaga medis dalam pengambilan keputusan yang
lebih baik dan berbasis bukti .
 5. Peningkatan Kualitas Pelayanan Kesehatan: Dengan memanfaatkan teknologi
RME dan CDSS, aplikasi DOQ-IT berpotensi meningkatkan kualitas
pelayanan kesehatan secara keseluruhan, termasuk dalam hal kecepatan,
akurasi, dan efektivitas perawatan .

Dampak
1. Transformasi Digital dalam Layanan Kesehatan

DOQ-IT menggantikan catatan medis kertas dengan sistem digital, membuat

pengelolaan data pasien lebih modern dan [Link] kesehatan yang
memakai DOQ-IT dapat mengurangi penggunaan catatan kertas yang mudah
hilang dan meningkatkan cara kerja mereka.

2. Peningkatan Kualitas Layanan Kesehatan

Aplikasi ini menggunakan panduan berbasis bukti dan analisis data untuk
meningkatkan kualitas perawatan [Link] seperti analisis risiko stroke dan
peringatan alergi obat membantu dokter memberikan perawatan yang lebih
sesuai dengan standar medis terkini.

3. Penurunan Risiko Kesalahan Medis

DOQ-IT memberikan peringatan dan rekomendasi yang membantu

mengurangi kesalahan dalam diagnosis dan [Link] tentang
hasil tes yang tidak normal memungkinkan dokter melakukan tindakan
pencegahan lebih awal, sebelum masalah kesehatan memburuk.

4. Mendukung Penelitian dan Pengembangan

Data yang dikumpulkan oleh DOQ-IT dapat digunakan untuk penelitian dan
pengembangan teknologi medis [Link] tentang risiko penyakit dan
reaksi obat membantu dalam studi epidemiologi dan pengembangan terapi
yang lebih baik

3. Aplikasi EMALA-LISA
Deskripsi dan Fitur Aplikasi
Aplikasi EMALA-LISA merupakan aplikasi berbasis android (android system
based) yang dapat diunduh secara online. Aplikasi digital EMALA-LISA berisi 5
kamar yaitu info umum, tanda gejala, managemen gejala, video managemen gejala,
serta quizz. Tampilan awal dari aplikasi video ini seperti ruangan hemodialisa, dan
setiap home berisi materi serta video penjelasan, untuk melanjutkan materi berikutnya
pengguna aplikasi harus mengisi sebuah quiz untuk mengukur pengetahuan yang
diperoleh dari materi dan video edukasi yang telah ditonton. Penciptaan dan
pengembangan aplikasi ini melalui 6 proses Research & Development (R&D) method
Multimedia Development Life Cycle (MDLC) (Purwanti & Astuti, 2021).
 Di dalam aplikasi EMALA-LISA responden mendapat informasi lengkap
tentang manajemen cairan. Pertanyaan mengenai tujuan managemen cairan dan
komplikasi akibat ketidakpatuhan dalam restriksi cairan dijawab dengan benar oleh
hampir sebagian besar responden (70% dan 80%) dan setelah belajar dengan aplikasi
EMALA-LISA semua responden mengalami peningkatan pengetahuan. Namun hanya
sebagian responden (50%) yang telah menjawab dengan benar mengenai managemen
dalam mengurangi haus, dan pada hasil post test didapatkan terjadi peningkatan
pengetahuan hingga 90%. Pengetahuan mengenai manajemen atau restriksi cairan
sangat penting bagi pasien-pasien hemodialisis (Lindberg, 2010; Untuk & Kualitas,
2012; Yangoz et al., 2020).
Pasien yang menerima perawatan hemodialisis akan mengalami kesulitan
merawat diri mereka sendiri setiap hari. Oleh karena itu adanya edukasi kesehatan
yang adekuat akan sangat membantu pasien mengelola gejalanya. Diharapkan dengan
adanya pengetahuan akan memberi dampak pada perilaku managemen kesehatan
hemodialisa (Pavithra et al., 2018)(Flythe et al., 2019)(Aini & Maliya, 2020).
Pengobatan hemodialisis dengan manajemen gejala, diharapkan mendorong pasien
untuk memanfaatkan sumber daya yang tersedia untuk mengobati gejalanya.
Manajemen gejala menggunakan aplikasi smartphone membantu pasien secara aktif
terlibat dalam kegiatan perawatan diri. Selain itu pendidikan kesehatan akan
mendorong kemandirian pasien. Pemberian informasi kesehatan melalui media,
seperti aplikasi edukasi kesehatan berbasis Android EMALA-LISA, merupakan salah
satu cara untuk meningkatkan pemahaman pasien (Ayu et al., 2019; Cheng et al.,
2020; Damanik et al., 2020).

Tujuan
Dalam studi ini“Aplikasi Edukasi Manajemen Gejala Pada Pasien Gagal
Ginjal Yang Menjalani Hemodialisa (EMALA-LISA) : Android System Based” bisa
menjadi alat edukasi kesehatan yang modern, menarik, interaktif dan terjangkau oleh
banyak orang khususnya pasien dan keluarga pasien gagal ginjal yang menjalani
hemodialisa. Aplikasi ini dapat menjadi salah satu solusi untuk mengatasi kurangnya
waktu perawat dalam memberikan edukasi, serta pelibatan klien. Dari berbagai hasil
kemajuan teknologi, aplikasi video animasi ini menjadi teknologi yang dapat
dimanfaatkan sebagai media edukasi kesehatan yang menarik dan dapat
mempermudah penyampaian materi kepada pasien dan keluarga pasien.

Manfaat dan Dampak

Manfaat :

● Peningkatan Kualitas Perawatan: Aplikasi kesehatan dapat membantu dalam

pemantauan kesehatan pasien secara real-time, memungkinkan deteksi dini
masalah kesehatan dan perbaikan intervensi.
● Kemudahan Akses: Pengguna dapat dengan mudah mengakses informasi
medis, hasil tes, dan riwayat kesehatan mereka dari mana saja, yang
mempermudah komunikasi dengan profesional medis.
 ● Efisiensi: Aplikasi ini dapat mengotomatisasi banyak proses administratif,
mengurangi waktu yang dibutuhkan untuk manajemen data medis, dan
meningkatkan efisiensi operasional di fasilitas kesehatan.
● Pendidikan dan Kesadaran: Dapat menyediakan informasi pendidikan tentang
kesehatan dan penyakit, membantu pengguna untuk membuat keputusan yang
lebih baik mengenai gaya hidup dan perawatan kesehatan.
● Pengelolaan Penyakit Kronis: Membantu pasien dalam mengelola penyakit
kronis dengan menyediakan pengingat obat, pelacakan gejala, dan rencana
perawatan yang dipersonalisasi.

Dampak:

● Keamanan Data : Risiko keamanan data medis pribadi jika tidak ada proteksi
yang memadai. Kebocoran data bisa menimbulkan masalah privasi dan
keamanan.
● Ketergantungan Teknologi : Ketergantungan pada aplikasi bisa menyebabkan
masalah jika ada gangguan teknis atau jika pengguna terlalu bergantung pada
aplikasi daripada konsultasi langsung dengan dokter.
● Aksesibilitas: Tidak semua orang memiliki akses yang sama terhadap
teknologi, sehingga aplikasi mungkin tidak menjangkau mereka yang kurang
mampu atau kurang terampil secara digital.
● Validitas Informasi: Kualitas informasi yang diberikan harus dipastikan akurat
dan terkini. Informasi yang tidak valid atau usang bisa menyesatkan pengguna.
● Regulasi dan Kepatuhan: Perlu ada kepatuhan terhadap regulasi kesehatan
yang berlaku, seperti HIPAA di AS atau GDPR di Eropa, untuk memastikan
bahwa data pasien dikelola dengan benar.

4. Aplikasi INA-CBGs
Deskripsi dan Fitur Aplikasi
Dasar pengelompokan dalam INA-CBGs menggunakan system kodefikasi dari
diagnosis akhir dan tindakan/prosedur yang menjadi output pelayanan, dengan acuan ICD-10
untuk diagnosis dan ICD-9-CM untuk tindakan/prosedur. (Permenkes,No.27 tahun 2014).
Tarif Indonesian-Case Based Groups yang selanjutnya disebut Tarif INA-CBGs adalah
besaran pembayaran klaim oleh BPJS Kesehatan kepada Fasilitas Kesehatan Rujukan Tingkat
Lanjutan atas paket layanan yang didasarkan kepada pengelompokan diagnosis penyakit dan
prosedur. (Permenkes, No 52 tahun 2016).
INA-CBG’s adalah sistem software yang digunakan dalam pembayaran klaim jamkesmas,
skema pembiayaan yang digunakan adalah casemix sehingga yang menjadi perhatian utama
adalah bauran kasus,
INA-CBGs dapat diartikan sebagai sebuah sistem dalam mengelompokkan penyakit
berdasarkan ciri klinis yang sama serta sumber daya yang digunakan dalam pengobatan.
Biasanya pengelompokan ini ditujukan dalam pembiayaan kesehatan JKN sebagai pola
pembayaran yang bersifat prospektif. Dasar pengelompokan dalam INA-CBGs menggunakan
sistem kodifikasi dari diagnosis akhir dan tindakan/prosedur yang menjadi output pelayanan,
dengan acuan ICD-10 untuk diagnosis dan ICD-9-CM untuk tindakan/prosedur dan
pengelompokan menggunakan grouper INA-CBG

Tujuan
Tujuan Umum Untuk mengetahui Pengaruh Ketepatan Pengkodean Diagnosa dan
Tindakan Medis Pada Penyakit Diabetes Mellitus Tipe II Terhadap Tarif INA-CBG’s Unit
Rawat Inap Di Rumah Sakit Umum Kota Makassar Sulawesi Selatan. Tujuan khusus Untuk
mengetahui gambaran ketepatan pengkodean diagnosa dan tindakan medis pada penyakit
diabetes mellitus rumah sakit yang memberikan tipe II unit rawat inap di Rumah Sakit
pelayanan dengan outcome yang baik. Untuk itu keterlibatan rumah sakit dalam
pengumpulan data koding dan data costing yang lengkap dan akurat sangat diperlukan dalam
proses updating tarif. (Permenkes, 27 tahun 2014).

Manfaat
1. Standarisasi Pembiayaan Kesehatan: INA-CBG (Indonesian Case-Based Groups)
membantu menstandarisasi biaya perawatan kesehatan berdasarkan diagnosis dan
prosedur medis, sehingga memudahkan proses klaim asuransi kesehatan, termasuk
BPJS Kesehatan.
2. Efisiensi Pengambilan Keputusan: Dalam CDSS, penggunaan INA-CBG dapat
membantu tenaga medis dalam mengambil keputusan terkait perawatan yang efisien
dan sesuai dengan standar pembiayaan yang ada.
3. Transparansi Biaya dan Pengobatan:* Dengan standarisasi biaya, pasien dan penyedia
layanan kesehatan memiliki gambaran yang jelas mengenai estimasi biaya
pengobatan.
4. Analisis Data Kesehatan: INA-CBG dapat digunakan untuk menganalisis data
kesehatan dan pola penyakit, yang berguna untuk penelitian dan pengembangan
kebijakan kesehatan.

Dampak:
1. Pengendalian Biaya Kesehatan: Dengan penerapan INA-CBG, CDSS dapat
membantu rumah sakit mengendalikan biaya layanan kesehatan agar tetap sesuai
dengan standar pembiayaan, sehingga mengurangi risiko overbilling.
2. Peningkatan Kualitas Layanan: CDSS yang terintegrasi dengan INA-CBG membantu
memastikan bahwa keputusan klinis didasarkan pada panduan dan pembiayaan yang
tepat, sehingga meningkatkan kualitas layanan kesehatan.
3. Kemungkinan Under-treatment: Salah satu dampak negatif adalah kemungkinan
terjadinya under-treatment, karena rumah sakit mungkin membatasi layanan
berdasarkan batasan biaya yang ditetapkan oleh INA-CBG.
4. Kompleksitas Administrasi: Integrasi INA-CBG dalam CDSS dapat menambah
kompleksitas administrasi dalam pengelolaan klaim dan pembiayaan, memerlukan
pelatihan tambahan bagi staf medis dan administrasi.
 Integrasi INA-CBG dalam CDSS diharapkan dapat meningkatkan efisiensi,
efektivitas, dan transparansi dalam sistem pelayanan kesehatan di Indonesia,
meskipun tetap perlu pengawasan agar tidak menurunkan kualitas perawatan pasien.

5. Aplikasi Visual Dx
VisualDx adalah alat pendukung keputusan berbasis JAVA. Alat ini dikembangkan
sebagai referensi point-of-care, seperti atlas atau buku teks. dengan foto berwarna, untuk
merujuk pada presentasi visual dan mengkonfirmasi diagnosis. Tujuan utama dari perangkat
lunak ini adalah memfasilitasi tugas pencocokan gambar untuk pengguna akhir dengan
menggabungkan alat pencarian grafis, pengetahuan terkomputerisasi dasar hubungan antara
temuan dan diagnosis, dan ribuan gambar digital.
VisualDx memiliki 3 pilihan instalasi: instalasi mandiri pada komputer pribadi
individu, dengan halaman server aktif (sebuah aplikasi yang dihosting oleh Logical Images,
diakses melalui Internet oleh perangkat lunak klien di komputer pribadi pengguna), dan
melalui Server Web (aplikasi yang dihosting di server pengguna dan diakses melalui intranet
oleh perangkat lunak klien di komputer pribadi pengguna). Meskipun VisualDx mudah
digunakan dan tidak memerlukan terlalu banyak pengalaman komputer, visualdx juga
menawarkan pelatihan penggunaan dengan berbagai pilihan dan format, yang meliputi
pelatihan mandiri, pelatihan daring, dan pelatihan di tempat.

Hasil dan Pembahasan

Gambar 1. Sistem pendukung keputusan klinis VisualDx, yang memungkinkan

presentasi pasien yang kompleks untuk dimasukkan. A, Pemilihan lokasi tubuh atau pola
distribusi. B, Pemilihan morfologi lesi. C, Pemilihan temuan pasien lainnya (gejala, tanda,
riwayat perjalanan, paparan, dll.)
 Gambar 2. Diagnosis VisualDx. Saat temuan pasien dimasukkan, sistem VisualDx
secara dinamis memperbarui dan menampilkan diagnosis diferensial bergambar,
memungkinkan perbandingan berdampingan gambar penyakit dalam diferensial. Pengguna
dapat mengklik dua kali bagian untuk penyakit apa pun di diferensial untuk melihat foto yang
mengilustrasikan variasi penyajian dalam penyakit.

Gambar 3. Diagnosis VisualDx. Jika pengguna memasukkan morfologi alternatif,

terjadi pergeseran diagnosis diferensial, dan varian gambar berpindah ke bagian atas setiap
tampilan diagnosis. Daripada menampilkan satu gambar atau beberapa gambar, beberapa
gambar dari setiap penyakit menangkap variasi dalam penyajiannya.
 Gambar 4. Diagnosis leishmaniasis oleh VisualDx. Diagnosis dapat dicari dengan
cepat berdasarkan nama untuk akses cepat ke gambar dan panduan tekstual, termasuk
informasi tentang sinopsis, mutiara diagnostik, diagnosis banding, tes terbaik, manajemen,
dan terapi—semuanya ditulis oleh dokter kulit dan dokter penyakit menular.

Gambar 5. Halaman VisualDx tentang demam dan ruam. VisualDx dapat digunakan
untuk memeriksa satu temuan atau beberapa temuan untuk membuat daftar kemungkinan
diagnosis. Pekerjaan, pengobatan, perjalanan (geografis), gejala, tanda, hasil laboratorium,
dan semuanya dapat dimasukkan. Dalam contoh ini, seorang dokter hewan telah memasuki
modul Demam & Ruam; penyakit zoonosis dengan diferensial demam dan ruam ditampilkan
dengan cepat.
 Gambar 6. Modul VisualDx Drug Eruptions. Data mengenai 1800 obat generik dapat
dicari, dengan tautan ke halaman mengenai 170 penyakit dan erupsi. Di sini, hubungan
temporal telah dimasukkan, untuk membatasi temuan pada erupsi yang akan terjadi 6–10 hari
setelah obat digunakan.
Gambar 1–6 merangkum berbagai cara penggunaan perangkat lunak. Diagnosis
spesifik dapat dicari dengan menggunakan “Look up ikon” “Diagnosis”. Sebagai contoh,
seseorang dapat memilih Modul VisualDx yang relevan secara klinis dengan presentasi
pasien setelah riwayat klinis yang diperoleh setelah pemeriksaan fisik selesai. Morfologi dan
distribusi lesi kulit dapat dimasukkan. Kemudian, pencarian berdasarkan satu atau beberapa
temuan klinis (seperti riwayat medis, paparan, gejala, tanda-tanda, pengobatan, pekerjaan,
perjalanan, dll.) dapat dilakukan pada tabel 2. Pencarian akan menampilkan diagnosis
diferensial bergambar saat hasil pasien dimasukkan. Selanjutnya, diagnosis yang paling
relevan dipilih, dan disertai teks yang dapat dibaca untuk menentukan tindakan yang tepat
untuk masing-masing penyakit.

Manfaat
1. Diagnosis yang Lebih Akurat :
VisualDx membantu dokter dalam mengidentifikasi penyakit dengan menyediakan
gambar klinis, deskripsi, dan informasi diagnostik. Ini sangat berguna dalam
menangani kondisi yang memiliki manifestasi kulit atau gejala visual lainnya.
2. Pencarian Berdasarkan Gejala : Pengguna dapat memasukkan gejala yang dialami
pasien, dan aplikasi akan memberikan daftar kemungkinan diagnosis yang sesuai,
membantu dalam proses diagnostik.
3. Mendukung Keputusan Medis : VisualDx menyediakan informasi terkini mengenai
pengelolaan kondisi kesehatan, sehingga membantu dokter dalam membuat keputusan
yang lebih tepat terkait perawatan pasien.

Dampak

1. Ketergantungan pada Teknologi: Ada risiko ketergantungan yang berlebihan pada

teknologi, yang mungkin mengurangi keterampilan diagnostik manual dan penilaian
klinis dari dokter.
 2. Risiko Kesalahan Diagnosis: Meskipun VisualDX menawarkan panduan dan
gambar, ada kemungkinan informasi yang diberikan tidak selalu 100% akurat atau
sesuai dengan kasus spesifik pasien, yang dapat menyebabkan kesalahan diagnosis
jika digunakan secara sembarangan.
3. Privasi Data: Penggunaan aplikasi berbasis cloud dapat menimbulkan masalah terkait
privasi dan keamanan data medis pasien jika tidak dikelola dengan benar.
4. Biaya: Aplikasi seperti VisualDX sering kali memerlukan langganan atau biaya, yang
mungkin tidak terjangkau untuk semua institusi medis atau individu.
5. Keterbatasan Aplikasi: Aplikasi ini mungkin tidak mencakup semua kondisi medis
atau gejala yang jarang terjadi, sehingga tetap penting untuk melakukan evaluasi
menyeluruh dan konsultasi medis yang mendalam.

BAB IV
KESIMPULAN

Aplikasi-aplikasi yang memanfaatkan Clinical Decision Support Systems (CDSS)

seperti MYCIN, EMALALISA, DOQ-IT, INA-CBG'S, dan VisualDX, secara signifikan
berperan dalam meningkatkan kualitas pelayanan kesehatan. Dengan dukungan teknologi
berbasis data dan algoritma, CDSS membantu tenaga medis dalam membuat keputusan klinis
yang lebih tepat dan efisien. Misalnya, MYCIN dan VisualDX memfasilitasi diagnosa
penyakit secara lebih akurat melalui analisis gejala dan riwayat medis, sementara
EMALALISA dan DOQ-IT mendukung pengelolaan data kesehatan serta penerapan standar
medis dalam praktik klinis. Di Indonesia, aplikasi seperti INA-CBG'S mengoptimalkan
proses klaim asuransi kesehatan dengan mengklasifikasikan diagnosis dan prosedur ke dalam
kelompok-kelompok pembayaran yang sesuai. Secara keseluruhan, aplikasi-aplikasi CDSS
berkontribusi terhadap penurunan kesalahan medis, efisiensi kerja, serta peningkatan akurasi
dalam perawatan pasien, menjadikannya bagian penting dari sistem kesehatan modern.
 DAFTAR PUSTAKA

Kusnadi, A. (2013). Perancangan aplikasi sistem pakar untuk mendiagnosa penyakit pada manusia.
Ultimatics: Jurnal Teknik Informatika, 5(1), 1-8.

Qodariyah, Y., Yulius, L. A. F., Stefani, S., Sari, V. A., Rahayu, N., & Paramarta, V. (2023).
Pelaksanaan Clinical Decision Support System Pada Rekam Medis Elektronik di Klinik Pendidikan
UPT Poliklinik Politeknik Negeri Jember: Literature Review. Madani: Jurnal Ilmiah Multidisiplin, 1(10).

Widyaningsih, S., & Chandra, S. D. (2024). UJI EFEKTIFITAS APLIKASI DIGITAL EDUKASI
MANAGEMEN GEJALA PASIEN GAGAL GINJAL YANG MENJALANI HEMODIALISA (EMALA-
LISA). Jurnal Kesehatan Tambusai, 5(2), 3369-3378.

Sukawan, A., & Meilany, L. (2020). Pengaruh Ketepatan Pengkodean Diagnosa dan Tindakan Medis
pada Penyakit Diabetes Mellitus Tipe II terhadap Tarif Ina-Cbgs Unit Rawat Inap Di Rumah Sakit
Umum Daerah Kota Makassar Sulawesi Selatan. Jurnal Mitrasehat, 10(1), 112-120.

Tleyjeh, I. M., Nada, H., & Baddour, L. M. (2006). VisualDx: decision-support software for the
diagnosis and management of dermatologic disorders. Clinical infectious diseases, 43(9), 1177-1184.