2775-0574">
  •  
  •  
 

Abstract

Skrining kesehatan dini berperan penting dalam upaya pencegahan penyakit dan peningkatan kualitas hidup masyarakat. Namun keterbatasan akses layanan kesehatan serta rendahnya kesadaran masyarakat masih menjadi tantangan utama. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem skrining risiko penyakit berat berbasis web yang dilengkapi kecerdasan buatan sebagai pendukung rekomendasi dan respon hasil skrining kesehatan. Sistem SagaHealth dikembangkan menggunakan arsitektur aplikasi yang terdistribusi dengan perbedaan antara antarmuka pengguna, server aplikasi, dan basis data. Proses skrining dilakukan berdasarkan data kesehatan pengguna dan menghasilkan kategori risiko penyakit. Selanjutnya, kecerdasan buatan digunakan untuk menyajikan narasi rekomendasi kesehatan yang informatif dan mudah dipahami. Verifikasi sistem dilakukan menggunakan Decision Table Testing, sedangkan validasi dilakukan menggunakan State Transition Testing. Hasil pengujian menunjukkan bahwa fungsi utama sistem, khususnya modul skrining kesehatan dan penyajian rekomendasi berbasis AI, berjalan sesuai dengan tujuan yang dirancang. Sistem ini diharapkan dapat digunakan sebagai alat bantu skrining kesehatan awal dan pendukung pengambilan keputusan, tanpa menggantikan diagnosis medis profesional.

References

  1. Cho I, Kim Y, Lee S. Aplikasi skrining kesehatan dan penerimaan pengguna. Healthc Inform Res. 2020;26(4):289–297.

  2. Xue J, Zhang B, Zhao Y, dkk. Evaluasi kondisi terkini chatbot untuk kesehatan digital: tinjauan cakupan. J Med Internet Res. 2023;25:e47217.

  3. Abd-Alrazaq A, Safi Z, Alajlani M, dkk. Metrik teknis yang digunakan untuk mengevaluasi chatbot perawatan kesehatan: tinjauan cakupan. J Med Internet Res. 2020;22(6):e18301.

  4. Li YH, Li YL, Wei MY, Li GY. Inovasi dan tantangan teknologi kecerdasan buatan dalam perawatan kesehatan personal. Sci Rep. 2024;14:18994.

  5. Wan D, dkk. Model bahasa besar di bidang kedokteran dan perawatan kesehatan: aplikasi dan tantangan. J Healthc Eng. 2024.

  6. Wang D, Zhang S. Model bahasa besar di bidang kedokteran dan perawatan kesehatan: aplikasi, kemajuan, dan tantangan. Artif Intell Rev. 2024;57(11):299.

  7. Kim Y, dkk. Halusinasi medis dalam model dasar. arXiv. 2025;2503.05777.

  8. Zhang M, dkk. Batasan konsistensi faktual dalam model bahasa besar medis: evaluasi sistematis. 2024.

  9. Zuo Y, Jiang Y. MedHallBench: menilai halusinasi di LLM medis. arXiv. 2024;2412.18947.

  10. Fareed M, dkk. Pertimbangan etis model bahasa besar dalam perawatan kesehatan. Front Digit Health. 2025;7.

  11. Strudwick G, dkk. Sistem skrining kesehatan digital untuk deteksi dini. J Med Syst. 2023;47(2).

  12. Oliveira D, dkk. Prediksi diagnosis berdasarkan artefak openEHR. Sci Rep. 2022;12:12549.

  13. Polessa D, dkk. Pembelajaran mesin untuk prediksi multimorbiditas. PLOS One. 2022;17(10):e0275619.

  14. Uddin S, dkk. Prediksi komorbiditas menggunakan pembelajaran mesin. Expert Syst Appl. 2022;205:117761.

  15. Woodman RJ, dkk. Menerapkan prinsip-prinsip pengobatan presisi pada multimorbiditas. Front Med. 2024;10.

  16. Fielding RT. Gaya arsitektur dan desain arsitektur perangkat lunak berbasis jaringan [disertasi]. Irvine (CA): Universitas California; 2000.

  17. Newman S. Membangun layanan mikro. Edisi ke-2. Sebastopol (CA): O'Reilly; 2021.

  18. Richards M, Ford N. Dasar-dasar arsitektur perangkat lunak. Sebastopol (CA): O'Reilly; 2020.

  19. Dragoni N, dkk. Layanan Mikro: kemarin, hari ini, dan besok. Dalam: Rekayasa Perangkat Lunak Masa Kini dan Masa Depan. Springer; 2017. Hlm. 195–216.

  20. Pressman RS, Maxim BR. Rekayasa perangkat lunak: pendekatan praktisi. Edisi ke-9. New York (NY): McGraw-Hill; 2020.

  21. Sommerville I. Rekayasa perangkat lunak. Edisi ke-10. Boston (MA): Pearson; 2016.

  22. ISO/IEC/IEEE 29119-1. Pengujian perangkat lunak—konsep dan definisi. Jenewa: ISO; 2013.

  23. ISO/IEC/IEEE 29119-2. Pengujian perangkat lunak—proses pengujian. Jenewa: ISO; 2013.

  24. IEEE Std 1012. Verifikasi dan validasi sistem dan perangkat lunak. New York (NY): IEEE.

  25. Kokol P. Pengembangan perangkat lunak Agile dalam perawatan kesehatan: tinjauan cakupan. Appl Sci. 2022;12(19):9462.

Bahasa Abstract

Skrining kesehatan dini berperan penting dalam upaya pencegahan penyakit dan peningkatan kualitas hidup masyarakat. Namun keterbatasan akses layanan kesehatan serta rendahnya kesadaran masyarakat masih menjadi tantangan utama. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem skrining risiko penyakit berat berbasis web yang dilengkapi kecerdasan buatan sebagai pendukung rekomendasi dan respon hasil skrining kesehatan. Sistem SagaHealth dikembangkan menggunakan arsitektur aplikasi yang terdistribusi dengan perbedaan antara antarmuka pengguna, server aplikasi, dan basis data. Proses skrining dilakukan berdasarkan data kesehatan pengguna dan menghasilkan kategori risiko penyakit. Selanjutnya, kecerdasan buatan digunakan untuk menyajikan narasi rekomendasi kesehatan yang informatif dan mudah dipahami. Verifikasi sistem dilakukan menggunakan Decision Table Testing, sedangkan validasi dilakukan menggunakan State Transition Testing. Hasil pengujian menunjukkan bahwa fungsi utama sistem, khususnya modul skrining kesehatan dan penyajian rekomendasi berbasis AI, berjalan sesuai dengan tujuan yang dirancang. Sistem ini diharapkan dapat digunakan sebagai alat bantu skrining kesehatan awal dan pendukung pengambilan keputusan, tanpa menggantikan diagnosis medis profesional.

Additional Files
Perancangan dan Implementasi Sistem Skrining Risiko Penyakit Berat Berbasis Web dengan Fitur Rekomen.result_2.pdf (746 kB)
Similarity Report (Turnitin) – Indeks kemiripan 9%
Download

Share

COinS
 
 

To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.