Departemen Layanan dan Informasi Kesehatan (DLIKES), Sekolah Vokasi, Universitas Gadjah Mada (UGM), melalui Kelompok Bidang Keilmuan (KBK) Sains dan Teknologi Informasi Kesehatan menyelenggarakan pemaparan hasil riset pengembangan surveilans berbasis Geospatial Artificial Intelligence (GeoAI) pada Senin (12/10/2026) di Kabupaten Sleman. Inisiatif riset ini difokuskan pada pemanfaatan pemodelan Explainable Machine Learning guna mendukung deteksi dini serta prediksi pola sebaran penyakit Demam Berdarah Dengue (DBD).
Pengembangan keilmuan ini dilatarbelakangi oleh tingginya tantangan penanganan DBD di Indonesia yang dipengaruhi oleh faktor iklim, lingkungan, dan pergerakan penduduk. Sistem surveilans konvensional sering kali menghadapi keterbatasan dalam memetakan interaksi variabel geospasial secara real-time. Oleh karena itu, riset ini bertujuan membangun sistem analitik data yang mampu menggambarkan pola risiko spasial secara presisi. Manfaat utamanya adalah memberikan dasar ilmiah bagi pemerintah daerah dan pemangku kebijakan dalam merencanakan langkah pencegahan wabah yang lebih efektif.
Rangkaian kegiatan pemaparan riset berlangsung secara terstruktur. Acara diawali dengan sambutan pimpinan departemen, dilanjutkan dengan pemaparan metodologi riset oleh tim peneliti, sesi diskusi interaktif bersama akademisi dan mahasiswa Sarjana Terapan Manajemen Informasi Kesehatan (MIK) SV UGM, serta demonstrasi pengujian model visualisasi interaktif. Kegiatan ditutup dengan perumusan rekomendasi teknis untuk pengembangan sistem riset terapan selanjutnya.
Materi utama riset ini mencakup integrasi data spasial-temporal menggunakan algoritma machine learning tingkat lanjut, seperti Random Forest, XGBoost, dan Spatio-Temporal Graph Neural Network (STGNN). Untuk memastikan model komputasi tidak menjadi sistem yang tertutup (black box), tim peneliti menerapkan metode Shapley Additive exPlanations (SHAP). Integrasi tersebut memungkinkan peneliti dan praktisi menganalisis sejauh mana variabel suhu, curah hujan, hingga kepadatan penduduk berkontribusi terhadap potensi lonjakan kasus di suatu wilayah.
Ketua tim peneliti, Dr. Marko Ferdian Salim, S.K.M., M.P.H., menegaskan pentingnya transparansi algoritma dalam teknologi kesehatan masyarakat. “Inovasi GeoAI ini tidak hanya dirancang untuk menghasilkan prediksi komputasi yang akurat, tetapi juga menyajikan penjelasan variabel risiko yang transparan. Dengan demikian, tenaga kesehatan dan pengambil kebijakan dapat memahami alasan di balik gambaran risiko tersebut serta mengambil tindakan intervensi yang cepat dan tepat sasaran,” ujar Dr. Marko.
Riset terapan ini menghasilkan luaran utama berupa prototipe model prediksi presisi tinggi, peta risiko spasial interaktif, dan draf publikasi ilmiah pada jurnal internasional bereputasi. Dampak dari kegiatan ini adalah terwujudnya penguatan kapasitas akademik mahasiswa MIK SV UGM dalam mengolah data geospasial kesehatan, sekaligus menyediakan sarana teknologi yang siap diujicobakan untuk mendukung operasional dinas kesehatan terkait.
Inisiatif penguatan surveilans digital ini secara langsung mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDGs Poin 3 (Kehidupan Sehat dan Sejahtera) melalui upaya penguatan deteksi dini dan pengendalian penyakit menular. Selain itu, kegiatan ini sejalan dengan SDGs Poin 9 (Industri, Inovasi, dan Infrastruktur) melalui pemanfaatan riset teknologi informasi modern dalam mentransformasi infrastruktur kesehatan berbasis data.
Melalui pengembangan KBK Sains dan Teknologi Informasi Kesehatan, DLIKES SV UGM berkomitmen untuk terus memelopori riset terapan yang aplikatif dan relevan dengan kebutuhan masyarakat. Rencana tindak lanjut dari riset ini mencakup evaluasi berkala terhadap performa model serta perluasan kolaborasi lintas disiplin guna mendukung penguatan sistem ketahanan kesehatan nasional di masa depan.