Pidato Pengukuhan Prof. Drs. Isnandar Slamet, M.Sc., Ph.D.
Judul Buku : Pidato Pengukuhan Prof. Drs. Isnandar Slamet, M.Sc., Ph.D., "Pemodelan Statistika dan Machine Learning untuk Menangani Kompleksitas Data Bidang Kesehatan" (preorder)
Author : Prof. Drs. Isnandar Slamet, M.Sc., Ph.D.
Publisher : UNS Press
Bulan / Tahun Terbit : Agustus / 2025
Panjang x Lebar Buku : 14,8 x 21 cm
Kertas : Digital (PDF)
ABSTRACT SINGKAT :
Kompleksitas data merujuk pada tingkat kerumitan dalam mengelola, memahami, dan memproses data. Kompleksitas ini bisa timbul dari berbagai aspek seperti volume, ragam, dan kecepatan pengumpulan data. Sektor kesehatan mengalami transformasi signifikan berkat digitalisasi data pasien melalui sistem Electronic Health Record (EHR) dan sistem informasi rumah sakit. Regulasi keamanan dan privasi mendorong percepatan digitalisasi data pasien. Selain itu, kehadiran teknologi seperti telehealth, wearable devices, dan IoT medis memungkinkan pemantauan pasien secara real-time, seperti deteksi tekanan darah dan aktivitas fisik melalui smartwatch. Digitalisasi sektor kesehatan telah membuka peluang revolusioner yang berupa peningkatan quality of care, efisiensi operasional, dan personalisasi pengobatan. Meski tantangannya kompleks, mulai dari fragmentasi data, kualitas, biaya penyimpanan, hingga regulasi privasi, solusi berbasis big data management, interoperabilitas sistem, AI multimodal, serta pendidikan lintas disiplin merupakan jalan keluar nyata. Hasilnya layanan medis yang lebih inklusif, efisien, dan aman. Deep learning dikembangkan sebagai pendekatan yang memanfaatkan neural network untuk memproses data secara lebih mendalam. Model Convolutional Neural Network (CNN) berpotensi sebagai alat bantu diagnosis awal (Computer Aided Diagnosis-CAD) pada citra dermatologi, citra OCT retina, dan citra lainnya secara efisien dan otomatis. Dengan memperhatikan aspek validasi, transparansi, keadilan, dan etika secara menyeluruh, penerapan teknologi dalam pengambilan keputusan medis tidak hanya akan efektif, tetapi juga adil, aman, dan bertanggung jawab secara moral. Penerapan statistika terapan dan machine learning di bidang medis membawa potensi luar biasa dalam mendukung pengambilan keputusan klinis, mempercepat diagnosis, serta meningkatkan efisiensi sistem pelayanan kesehatan. Diperlukan validasi, transparansi, keadilan, dan etika profesi medis, karena keputusan medis menyangkut nyawa manusia.
Author : Prof. Drs. Isnandar Slamet, M.Sc., Ph.D.
Publisher : UNS Press
Bulan / Tahun Terbit : Agustus / 2025
Panjang x Lebar Buku : 14,8 x 21 cm
Kertas : Digital (PDF)
ABSTRACT SINGKAT :
Kompleksitas data merujuk pada tingkat kerumitan dalam mengelola, memahami, dan memproses data. Kompleksitas ini bisa timbul dari berbagai aspek seperti volume, ragam, dan kecepatan pengumpulan data. Sektor kesehatan mengalami transformasi signifikan berkat digitalisasi data pasien melalui sistem Electronic Health Record (EHR) dan sistem informasi rumah sakit. Regulasi keamanan dan privasi mendorong percepatan digitalisasi data pasien. Selain itu, kehadiran teknologi seperti telehealth, wearable devices, dan IoT medis memungkinkan pemantauan pasien secara real-time, seperti deteksi tekanan darah dan aktivitas fisik melalui smartwatch. Digitalisasi sektor kesehatan telah membuka peluang revolusioner yang berupa peningkatan quality of care, efisiensi operasional, dan personalisasi pengobatan. Meski tantangannya kompleks, mulai dari fragmentasi data, kualitas, biaya penyimpanan, hingga regulasi privasi, solusi berbasis big data management, interoperabilitas sistem, AI multimodal, serta pendidikan lintas disiplin merupakan jalan keluar nyata. Hasilnya layanan medis yang lebih inklusif, efisien, dan aman. Deep learning dikembangkan sebagai pendekatan yang memanfaatkan neural network untuk memproses data secara lebih mendalam. Model Convolutional Neural Network (CNN) berpotensi sebagai alat bantu diagnosis awal (Computer Aided Diagnosis-CAD) pada citra dermatologi, citra OCT retina, dan citra lainnya secara efisien dan otomatis. Dengan memperhatikan aspek validasi, transparansi, keadilan, dan etika secara menyeluruh, penerapan teknologi dalam pengambilan keputusan medis tidak hanya akan efektif, tetapi juga adil, aman, dan bertanggung jawab secara moral. Penerapan statistika terapan dan machine learning di bidang medis membawa potensi luar biasa dalam mendukung pengambilan keputusan klinis, mempercepat diagnosis, serta meningkatkan efisiensi sistem pelayanan kesehatan. Diperlukan validasi, transparansi, keadilan, dan etika profesi medis, karena keputusan medis menyangkut nyawa manusia.
