I Ariawan Pemanfaatan Big Data untuk Kes (1)
Pemanfaatan Big Data
dalam Kesehatan
Masyarakat
IWAN ARIAWAN
DEPARTEMEN BIOSTATISTIK, FKM-UI
Apa itu Big Data?
Saat ini banyak data peroranan yg secara sadar atau tidak sadar
dikumpulkan secara manual atau otomatis dan tersimpan di cloud
Data
dasar demograf
Data
pergerakan (Google Map)
Data
pencarian informasi
Data
aktiftas fsik & tidur melalui smartwatch
Data
penggunaan kartu kredit
Data
rekam medis
Dan
lain-lain
Tersedi
data dalam jumlah besar, namun tidak memiliki struktur yg
sama dan sebagian besar belum dimanfaatkan
Apa itu Big Data?
Big
data menggambarkan data besar yg
dikumpulkan secara cepat, dalam satuan tera
byte (1012 byte), petabyte (1015 byte) bahkan
zetta byte (1021 byte)
Big
data juga ditandai dengan 6 sifat: value,
volume, velocity, variety, veracity &
variability
Sifat Big Data
Kesehatan Masyarakat
The
World Health Organisation (WHO, 2014)
defnes public health as all publically or
privately organised measures that promote
good health, prevent diseases, and prolong
life among population groups as a whole.
Kesehatan Masyarakat
Tiga
fungsi utama kesehatan masyarakat
(WHO, 2014):
Menilai
& memantau kesehatan di masyarakat
untuk mengetahui masalah & prioritas kesehatan
Menyusun
kebijakan kesehatan untuk mengatasi
masalah kesehatan lokal, nasional & global
Memastikan
masyarakat memiliki akses yang
sama ke pelayanan kesehatan yang memadai dan
cost effective
Big Data & Kesehatan Masyarakat
Pendekatan
kesehatan masyarakat sudah
sejak lama memanfaatkan data
Mengumpulkan
data tentang kejadian yg
sudah terjadi & membuat kesimpulan
berdasarkan pola yg ada di data tsb
Contoh:
John Snow & Kolera
Big Data & Kesehatan Masyarakat
Dalam
era modern, ketersediaan data telah
berubah menjadi “big data” & kita
memerlukan pendekatan “data science”
untuk memanfaatkannya
Data
science: the science of extracting
insight & meaning from data of any kind for
the purpose of driving change
Big Data & Kesehatan Masyarakat
Dalam
kesehatan masyarakat kita terutama
tertarik terhadap perilaku (& perubahan
perilaku) dari masyarakat, institusi
kesehatan, tenaga kesehatan & politisi
Ketersediaan
data yg besar & cepat dari
segala sumber merupakan alat yg bermafaat
untuk kesehata masyarakat
Beberapa sumber Big Data untuk
Kesehatan Masyarakat
Data
kelahiran, migrasi, perkawinan & kematian
Data
rekam medik elektronik
Data
media sosial
Data
pemantauan dari smart gadget
Data
penelitian
Dan
lain-lain
Transaksi data di Internet dalam 1
menit
Pemanfaatan Beberapa Data untuk
Analisis Kematian Maternal di Indonesia
Hubungan cakupan persalinan nakes, kematian
ibu/100.000 kelahiran hidup & proporsi kematian ibu,
2010
Sulteng
Papuabar
Malut
50% kematian ibu di
Indonesia bukanterjadi
di propinsi dg linakes
terendah atau angka
kematian ibu tertinggi
NTT
Maluku
Jateng
Banten
Jabar
Sumber: Riskesdas 2010, laporan rutin KIA 2010
Jatim
Pemanfaatan Big Data untuk
Evaluasi Program Kesehatan
Maternal
Draf Laporan MDG4
K e p . +B a n g k a +B e l i t u n g
B e n g ku lu
D . I . +Y o g y a k a r t a
G o ro n ta lo
S u l a w e s i +U t a r a
S u l a w e s i +B a r a t
K e p u l a u a n +R i a u
P a p u a +B a r a t
M a l u k u +U t a r a
B a li
S u l a w e s i +T e n g g a r a
M a lu k u
K a l i m a n t a n +T i m u r
Ja m b i
K a l i m a n t a n +T e n g a h
S u m a t e r a +B a r a t
K a l i m a n t a n +B a r a t
R ia u
K a l i m a n t a n +S e l a t a n
1 0 ,0 0 0
S u l a w e s i +T e n g a h
D K I +J a k a r t a
A ce h
S u l a w e s i +S e l a t a n
N u s a +T e n g g a r a +T i m u r
2 0 ,0 0 0
La m pung
3 0 ,0 0 0
Papua+
3 5 ,0 0 0
S u m a t e r a +S e l a t a n
N u s a +T e n g g a r a +B a r a t
B a n te n
S u m a t e r a +U t a r a
J a w a +T i m u r
J a w a +T e n g a h
J a w a +B a r a t
J u m la h ' k e m a t ia n 'B a lita
Dimana kematian Balita terjadi ?
J umlah Kematian Balita Menurut Propinsi, 2012
4 0 ,0 0 0
Estimasi jumlah kematian tahun 2012: 197.767 kematian balita
100.979 kematian balita (51%) terjadi pada 5 propinsi ini
2 5 ,0 0 0
49.918 kematian balita (25%) terjadi pada 8 propinsi ini
1 5 ,0 0 0
46.870 kematian balita (24%) terjadi pada 20 propinsi ini
5 ,0 0 0
0
9
Pemodelan/Simulasi Angka
Kematian Neonatal
Big data untuk analisis dampak
Insufficientsupply
Insufficient distribution
Failuretoempower
KAPs/
Failuretoovercome
structural obstaclesto
negotiatesafersex
Problemsinnegotiating
safersex
Failureof BCCtoreach
partnersof KAPs
Strong religious/moral
objections and
sensitivities about
condoms unmoved
Insufficient
increasein
regular
condomuse
toaffect
prevalence
HIV
unchanged
inmost
KAPs(FSW,
Waria, High
RiskMen)
Failure to overcome
cultural bias against
condoms
RED=plausible, BLUE=notplausible, BLACK = not enough information
Pemanfaatan Big Data di Kesehatan
Masyarakat: Penyakit Infeksi
Untuk
memahami penyakit infeksi, kita perlu mengetahui
kapan, di mana & siapa
Pada
pendekatan konvensional, data dikumpulkan setelah
penyebaran penyakit terjadi & berdasarkan ingatan pasien
Tersedianya
time-location data pada perangkat seluler
dapat dimanfaatkan untuk mengetahui pola pergerakan
pasien
Pemanfaatan
data tidak langsung, misal pencarian
informasi ttg influenza (Google Flu)
Pemanfaatan Big Data di Kesehatan
Masyarakat: Penyakit Kronik
Penyakit
kronik disebabkan oleh banyak faktor yg saling
terkait
Sumber
informasi tentang faktor risiko pada umumnya
berasal dari penelitian longitudinal besar
Perilaku
pada umumnya juga terkait dengan jejaring sosial
Informasi
ttg diskusi dalam jejaring sosial merupakan data
yg dpt digunakan untuk prediksi penyakit kronis
Kegemaran
masyarakat untuk upload foto kegiatan &
makanan merupakan sumber data ttg perilaku mereka
Pemanfaatan Big Data di Kesehatan
Masyarakat: Pencegahan
Informasi
tentang kegiatan pencegahan
(misal imunisasi, suplementasi vit A) dlm
bentuk elektronik dpt digunakan untuk
memetakan pencapai program &
permasalahan yang ada
Pelaporan
real time ttg lokasi & topik edukasi
tentang promosi & edukasi kesehatan
Manajemen Big Data
Open data commons: data umum yg bebas
diakses (peta, hasil penelitian) & umumnya
data agregat
Personal data: data pribadi perorangan yg
memerlukan inform consent untuk
penggunaannya. Informasi personal (nama,
alata lengkap) akan ditiadakan untuk
penggunaan uum
Government data: data pemerintah, spt
program, anggaran, dll
Tantangan Pemanfaatan Big Data
dalam Kesehatan Masyarakat
Ketersediaan
Struktur
Privasi
Data
Bias
& akses data
& klasifkasi data
& kerahasiaan data perorangan
Science
dalam analisis faktor risiko
Terima Kasih
Q&A
Kamal: Agregat kematian, jika ingin melihat analisis, tantangan:
mengurangi bias, data kematian absolut denominator kelahiran hidup,
Bagaimana meminimalkan isu bias ? Daerah yg rajin lapor kinerja
buruk, yg tidak pernah lapor kinerja baik
May Nora: SKDN sudah sangat lama, skedar ada, hasil tdk pernah
diadvokasi ke pemerintahan. Usul agar UI menciptakan software SKDN
yg mampu memetakan masalah gizi yg dpat digunakan TTG
Puskesmas utk advokasi kebijakan (software posyanduku rosihan
anwar) UI bisa melengkapi dan digunakan di seluruh Indonesia
Rangkuman
Tangantan BIG Data sangat besar, potensi sangat besar
dalam Kesehatan
Masyarakat
IWAN ARIAWAN
DEPARTEMEN BIOSTATISTIK, FKM-UI
Apa itu Big Data?
Saat ini banyak data peroranan yg secara sadar atau tidak sadar
dikumpulkan secara manual atau otomatis dan tersimpan di cloud
Data
dasar demograf
Data
pergerakan (Google Map)
Data
pencarian informasi
Data
aktiftas fsik & tidur melalui smartwatch
Data
penggunaan kartu kredit
Data
rekam medis
Dan
lain-lain
Tersedi
data dalam jumlah besar, namun tidak memiliki struktur yg
sama dan sebagian besar belum dimanfaatkan
Apa itu Big Data?
Big
data menggambarkan data besar yg
dikumpulkan secara cepat, dalam satuan tera
byte (1012 byte), petabyte (1015 byte) bahkan
zetta byte (1021 byte)
Big
data juga ditandai dengan 6 sifat: value,
volume, velocity, variety, veracity &
variability
Sifat Big Data
Kesehatan Masyarakat
The
World Health Organisation (WHO, 2014)
defnes public health as all publically or
privately organised measures that promote
good health, prevent diseases, and prolong
life among population groups as a whole.
Kesehatan Masyarakat
Tiga
fungsi utama kesehatan masyarakat
(WHO, 2014):
Menilai
& memantau kesehatan di masyarakat
untuk mengetahui masalah & prioritas kesehatan
Menyusun
kebijakan kesehatan untuk mengatasi
masalah kesehatan lokal, nasional & global
Memastikan
masyarakat memiliki akses yang
sama ke pelayanan kesehatan yang memadai dan
cost effective
Big Data & Kesehatan Masyarakat
Pendekatan
kesehatan masyarakat sudah
sejak lama memanfaatkan data
Mengumpulkan
data tentang kejadian yg
sudah terjadi & membuat kesimpulan
berdasarkan pola yg ada di data tsb
Contoh:
John Snow & Kolera
Big Data & Kesehatan Masyarakat
Dalam
era modern, ketersediaan data telah
berubah menjadi “big data” & kita
memerlukan pendekatan “data science”
untuk memanfaatkannya
Data
science: the science of extracting
insight & meaning from data of any kind for
the purpose of driving change
Big Data & Kesehatan Masyarakat
Dalam
kesehatan masyarakat kita terutama
tertarik terhadap perilaku (& perubahan
perilaku) dari masyarakat, institusi
kesehatan, tenaga kesehatan & politisi
Ketersediaan
data yg besar & cepat dari
segala sumber merupakan alat yg bermafaat
untuk kesehata masyarakat
Beberapa sumber Big Data untuk
Kesehatan Masyarakat
Data
kelahiran, migrasi, perkawinan & kematian
Data
rekam medik elektronik
Data
media sosial
Data
pemantauan dari smart gadget
Data
penelitian
Dan
lain-lain
Transaksi data di Internet dalam 1
menit
Pemanfaatan Beberapa Data untuk
Analisis Kematian Maternal di Indonesia
Hubungan cakupan persalinan nakes, kematian
ibu/100.000 kelahiran hidup & proporsi kematian ibu,
2010
Sulteng
Papuabar
Malut
50% kematian ibu di
Indonesia bukanterjadi
di propinsi dg linakes
terendah atau angka
kematian ibu tertinggi
NTT
Maluku
Jateng
Banten
Jabar
Sumber: Riskesdas 2010, laporan rutin KIA 2010
Jatim
Pemanfaatan Big Data untuk
Evaluasi Program Kesehatan
Maternal
Draf Laporan MDG4
K e p . +B a n g k a +B e l i t u n g
B e n g ku lu
D . I . +Y o g y a k a r t a
G o ro n ta lo
S u l a w e s i +U t a r a
S u l a w e s i +B a r a t
K e p u l a u a n +R i a u
P a p u a +B a r a t
M a l u k u +U t a r a
B a li
S u l a w e s i +T e n g g a r a
M a lu k u
K a l i m a n t a n +T i m u r
Ja m b i
K a l i m a n t a n +T e n g a h
S u m a t e r a +B a r a t
K a l i m a n t a n +B a r a t
R ia u
K a l i m a n t a n +S e l a t a n
1 0 ,0 0 0
S u l a w e s i +T e n g a h
D K I +J a k a r t a
A ce h
S u l a w e s i +S e l a t a n
N u s a +T e n g g a r a +T i m u r
2 0 ,0 0 0
La m pung
3 0 ,0 0 0
Papua+
3 5 ,0 0 0
S u m a t e r a +S e l a t a n
N u s a +T e n g g a r a +B a r a t
B a n te n
S u m a t e r a +U t a r a
J a w a +T i m u r
J a w a +T e n g a h
J a w a +B a r a t
J u m la h ' k e m a t ia n 'B a lita
Dimana kematian Balita terjadi ?
J umlah Kematian Balita Menurut Propinsi, 2012
4 0 ,0 0 0
Estimasi jumlah kematian tahun 2012: 197.767 kematian balita
100.979 kematian balita (51%) terjadi pada 5 propinsi ini
2 5 ,0 0 0
49.918 kematian balita (25%) terjadi pada 8 propinsi ini
1 5 ,0 0 0
46.870 kematian balita (24%) terjadi pada 20 propinsi ini
5 ,0 0 0
0
9
Pemodelan/Simulasi Angka
Kematian Neonatal
Big data untuk analisis dampak
Insufficientsupply
Insufficient distribution
Failuretoempower
KAPs/
Failuretoovercome
structural obstaclesto
negotiatesafersex
Problemsinnegotiating
safersex
Failureof BCCtoreach
partnersof KAPs
Strong religious/moral
objections and
sensitivities about
condoms unmoved
Insufficient
increasein
regular
condomuse
toaffect
prevalence
HIV
unchanged
inmost
KAPs(FSW,
Waria, High
RiskMen)
Failure to overcome
cultural bias against
condoms
RED=plausible, BLUE=notplausible, BLACK = not enough information
Pemanfaatan Big Data di Kesehatan
Masyarakat: Penyakit Infeksi
Untuk
memahami penyakit infeksi, kita perlu mengetahui
kapan, di mana & siapa
Pada
pendekatan konvensional, data dikumpulkan setelah
penyebaran penyakit terjadi & berdasarkan ingatan pasien
Tersedianya
time-location data pada perangkat seluler
dapat dimanfaatkan untuk mengetahui pola pergerakan
pasien
Pemanfaatan
data tidak langsung, misal pencarian
informasi ttg influenza (Google Flu)
Pemanfaatan Big Data di Kesehatan
Masyarakat: Penyakit Kronik
Penyakit
kronik disebabkan oleh banyak faktor yg saling
terkait
Sumber
informasi tentang faktor risiko pada umumnya
berasal dari penelitian longitudinal besar
Perilaku
pada umumnya juga terkait dengan jejaring sosial
Informasi
ttg diskusi dalam jejaring sosial merupakan data
yg dpt digunakan untuk prediksi penyakit kronis
Kegemaran
masyarakat untuk upload foto kegiatan &
makanan merupakan sumber data ttg perilaku mereka
Pemanfaatan Big Data di Kesehatan
Masyarakat: Pencegahan
Informasi
tentang kegiatan pencegahan
(misal imunisasi, suplementasi vit A) dlm
bentuk elektronik dpt digunakan untuk
memetakan pencapai program &
permasalahan yang ada
Pelaporan
real time ttg lokasi & topik edukasi
tentang promosi & edukasi kesehatan
Manajemen Big Data
Open data commons: data umum yg bebas
diakses (peta, hasil penelitian) & umumnya
data agregat
Personal data: data pribadi perorangan yg
memerlukan inform consent untuk
penggunaannya. Informasi personal (nama,
alata lengkap) akan ditiadakan untuk
penggunaan uum
Government data: data pemerintah, spt
program, anggaran, dll
Tantangan Pemanfaatan Big Data
dalam Kesehatan Masyarakat
Ketersediaan
Struktur
Privasi
Data
Bias
& akses data
& klasifkasi data
& kerahasiaan data perorangan
Science
dalam analisis faktor risiko
Terima Kasih
Q&A
Kamal: Agregat kematian, jika ingin melihat analisis, tantangan:
mengurangi bias, data kematian absolut denominator kelahiran hidup,
Bagaimana meminimalkan isu bias ? Daerah yg rajin lapor kinerja
buruk, yg tidak pernah lapor kinerja baik
May Nora: SKDN sudah sangat lama, skedar ada, hasil tdk pernah
diadvokasi ke pemerintahan. Usul agar UI menciptakan software SKDN
yg mampu memetakan masalah gizi yg dpat digunakan TTG
Puskesmas utk advokasi kebijakan (software posyanduku rosihan
anwar) UI bisa melengkapi dan digunakan di seluruh Indonesia
Rangkuman
Tangantan BIG Data sangat besar, potensi sangat besar