Farida Sibuea, Ketua Tim Kerja Strategi, Analisis, Pemanfaatan Data, dan Informasi, Pusdatin Kemenkes

1. Bagaimana cara Anda memastikan bahwa teknologi dan kebijakan benar-benar inklusif?  

Inklusivitas diukur dari seberapa jauh teknologi dapat menjangkau dan memberdayakan warga di wilayah 3T (Terdepan, Terpencil, Tertinggal). Strategi kami adalah melalui standardisasi dan mandat.  

Pertama, Standar Data Tunggal (FHIR) diwajibkan untuk semua fasillitas kesehatan dalam integrasi SATUSEHAT. Standardisasi ini memastikan data dari puskesmas terpencil sama penting nya dengan data penduduk di rumah sakit yang besar. Tidak ada lagi silo data atau "penduduk kelas dua" dalam sistem digital. 

Kedua, kebijakan offline-first diterapkan untuk Rekam Medis Elektronik (EMR), yang memungkinkan pencatatan data secara offline atau di daerah dengan konektivitas rendah. Data akan tersinkronisasi ke sistem SATUSEHAT ketika jaringan tersedia, sehingga digitalisasi tetap berjalan dengan infrastruktur yang terbatas. 

2. Dalam perjalanan karier Anda, ceritakan momen yang pernah Anda alami ketika teknologi atau kebijakan berhasil mengubah kehidupan warga menjadi lebih baik?  

Momen yang paling memorable adalah pada masa krisis Covid-19. Di tengah ketidakpastian yang tinggi, kami membangun sistem data dan dashboard terpusat untuk memantau kasus harian, tren penyebaran, kematian dan kapasitas rumah sakit secara real-time.

Analisis data ini kemudian kami tampilkan secara transparan di dashboard nasional yang menjadi panduan utama semua pihak, mulai dari Satgas Penanganan Covid-19, pemerintah daerah, hingga masyarakat umum dalam mengambil keputusan pembatasan sosial (social distancing). 

Teknologi tersebut memungkinkan kebijakan pembatasan pergerakan masyarakat di Indonesia dilakukan secara terukur, adaptif, dan berbasis bukti, bukan sekadar asumsi. Ini adalah contoh nyata bagaimana big data dan teknologi dapat secara langsung mempengaruhi kebijakan pemerintah untuk melindungi keselamatan dan kehidupan warga negara. 

3. Apa proyek paling berdampak yang Anda kerjakan tahun ini dalam upaya membangun kepercayaan serta memenuhi kebutuhan publik?

Proyek paling berdampak yang sedang kami kerjakan adalah penguatan Statistik Hayati Nasional melalui pilot Sertifikat Medis Penyebab Kematian (SMPK). Selama ini, Indonesia menghadapi tantangan besar dalam mengetahui penyebab kematian yang akurat, padahal data ini krusial untuk perumusan kebijakan kesehatan. 

Proyek ini bertujuan untuk membuat sistem pelaporan data penyebab kematian secara seragam dan terpusat di seluruh Indonesia. Kami memastikan proses coding penyebab kematian terstandarisasi secara internasional (ICD-10/11) dan terintegrasi ke dalam SIKN yang kedepannya akan menjadi data nasional pelaporan statistik hayati di Indonesia.

Data yang akurat akan memungkinkan kami membuat kebijakan prediktif yang tepat sasaran. Misalnya, mengetahui apakah kematian di suatu daerah disebabkan oleh penyakit menular atau penyakit tidak menular, sehingga alokasi anggaran dapat dioptimalkan.  

Kedua, proyek ini memastikan data epidemiologi yang kami bagi dengan publik dan mitra  adalah data yang sah dan terpercaya, yang menjadi fondasi bagi kepercayaan publik terhadap sistem kesehatan nasional. 

4. Apa pelajaran penting yang Anda dapatkan tahun ini dari projek-projek Anda? 

Kualitas data adalah kemacetan baru "the new bottleneck" transformasi digital. Kami telah berhasil mengatasi fragmentasi data melalui SATUSEHAT.

Tantangan kami sekarang adalah mengatasi garbage in, garbage out. Kami menyadari bahwa inovasi AI dan kebijakan presisi tidak akan pernah berhasil jika data yang masuk dari ribuan fasilitas kesehatan tidak bersih dan tidak konsisten.

Ini menuntut fokus baru pada Data Quality Assurance (DQA) dan reskilling SDM untuk menjadi Data Quality Controller dan Data Annotator. Kualitas data kini menjadi tanggung jawab bersama antara Pusdatin dan tenaga klinis.

Berlangganan bulletin GovInsider di sini. 

5. Bagaimana AI dapat meningkatkan layanan pemerintah menjadi lebih inklusif dan dapat dipercaya?  

AI meningkatkan layanan menjadi inklusif dengan mengatasi bias SDM dan memeratakan akses spesialis.

Pertama, AI dapat membawa keahlian spesialis ke wilayah 3T. Contohnya AI untuk skrining Tuberculosis (TB) yang mampu membaca X-ray di puskesmas pedalaman dengan kecepatan dan akurasi yang hampir setara dengan radiolog di Jakarta.  

Kedua, kepercayaan dibangun melalui AI yang transparan dan dapat diaudit, sesuai dengan panduan Komite AI Kesehatan kami. Kepercayaan dibangun ketika masyarakat tahu bahwa keputusan diagnosis didukung oleh data yang valid dan algoritma yang adil. 

6. Bagaimana Anda mempersiapkan diri menghadapi gelombang perubahan? Keterampilan, pendekatan, atau teknologi baru apa yang paling Anda nantikan tahun depan? 

Persiapan difokuskan pada pembangunan talenta strategis dan pengamanan data jangka panjang. 

Dari sisi keterampilan, penting untuk menguasai tata kelola data, Undang-Undang Perlindungan Data Pribadi, dan standar FHIR, serta memahami cara kerja Large Language Models (LLM) yang akan menjadi asisten bagi tenaga kesehatan di masa depan.

Dari sisi teknologi, saya menantikan adopsi Post-Quantum Cryptography (PQC) di sektor publik untuk menjamin keamanan data sensitif selama puluhan tahun ke depan, serta inovasi LLM yang dapat berinteraksi dalam Bahasa Indonesia, sehingga dapat melayani masyarakat secara lebih personal dan akuntabel. 

7. Apa saran yang ingin Anda berikan kepada para inovator yang ingin membangun karir di bidang layanan publik?  

Saran saya terbagi menjadi dua aspek yaitu mentalitas dan pendekatan praktis. 

Mentalitas dan Visi 

• Pahami masalah, bukan hanya teknologi. Jangan fokus pada gadget atau teknologi yang sedang tren, tetapi fokuslah pada masalah mendasar yang dihadapi warga negara atau inefisiensi birokrasi. Inovasi yang paling dihargai di sektor publik adalah inovasi yang memberikan kualitas layanan yang lebih baik kepada masyarakat 
• Miliki grit (daya tahan). Sektor publik bergerak lebih lambat daripada startup. Anda akan menghadapi birokrasi, perubahan anggaran, dan perubahan mindset. Keberhasilan di sini membutuhkan kesabaran, daya tahan, dan seni negosiasi yang tinggi. 

Pendekatan Praktis 

• Kuasai “plumbing” (infrastruktur dasar). Sebelum membangun aplikasi yang tampak keren, pahami dan kuasai standar data dan infrastruktur dasar yang berlaku di lembaga tersebut. Bangunlah solusi yang terintegrasi di atas fondasi yang sudah ada, jangan membangun sistem yang terpisah. 
• Fokus pada standarisasi data agar untuk memastikan informasi yang mereka gunakan dapat dipertukarkan secara nasional dan menjadi aset bagi kebijakan yang lebih besar. 
• Mulai pilot project yang bertanggung jawab: Mulailah dari skala kecil yang cepat, tetapi tetap patuh hukum dan etika. Hal Ini akan membangun kepercayaan di antara pemangku kebijakan. 

8. Siapa yang menjadi inspirasi Anda dalam mengembangkan layanan publik yang inklusif dan tepercaya? 

Inspirasi saya bukanlah individu tunggal, melainkan semangat gotong royong dan ketahanan para pekerja kesehatan di garis depan. Mereka adalah para bidan, perawat, dan dokter di Puskesmas 3T yang terus melayani dengan data yang terfragmentasi, koneksi internet yang terbatas, dan birokrasi yang rumit.

Komitmen mereka untuk melayani, meskipun sistemnya tidak sempurna, mendorong kami di Pusdatin untuk membangun infrastruktur SATUSEHAT yang layak mereka dapatkan, sistem yang menghilangkan hambatan administratif mereka dan mempercayai data yang mereka input. 

9. Apabila Lembaga Anda mempunyai anggaran tak terbatas, apa proyek impian yang ingin Anda kerjakan?  

Proyek impian saya adalah  mewujudkan kedaulatan data kuantum dan AI fairness nasional. 

Infrastruktur PQC Nasional untuk melindungi data pasien SATUSEHAT, menjamin kerahasiaan data pasien selama 100 tahun ke depan, terlepas dari kemajuan teknologi komputasi.

Pusat AI etis, yang melatih model AI bebas bias yang secara default akan memberikan diagnosis yang setara, adil, dan akurat untuk setiap kelompok etnis dan geografis di Indonesia. 

10. Apa yang menarik perhatian Anda di luar sektor teknologi?

Di luar sektor teknologi, perhatian saya tertuju pada dampak program kesehatan ibu dan anak. 

Bagi saya, teknologi adalah alat. Keberhasilan transformasi digital kesehatan tidak dilihat dari seberapa cepat Antarmuka Pemrograman Aplikasi (API) bekerja, tetapi seberapa cepat angka stunting anak Indonesia turun, dan seberapa aman ibu dapat melahirkan.  

Kesehatan ibu dan anak adalah barometer kemanusiaan, dan keberhasilan di sini adalah bukti final bahwa teknologi kami telah memberikan hasil yang inklusif dan berarti bagi kehidupan manusia.