Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Indo Green Journal Indo Green Journal
Dwi Septi Andria
Universitas Hang Tuah Pekanbaru, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Determinasi Faktor Penghambat Implementasi Sistem Informasi Kesehatan di Fasilitas Pelayanan Kesehatan Dwi Septi Andria; Muthia Prajurita; Telpa Abdi; Budi Hartono
Indo Green Journal Vol. 4 No. 1 (2026): Green 2026
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v4i1.162

Abstract

Implementasi Sistem Informasi Kesehatan (SIK) di fasilitas pelayanan kesehatan merupakan langkah strategis dalam meningkatkan mutu pelayanan, efisiensi operasional, serta pengambilan keputusan berbasis data. Namun, banyak institusi kesehatan masih menghadapi berbagai hambatan yang mengganggu optimalisasi penerapan sistem tersebut. Makalah ini bertujuan untuk menganalisis determinan faktor penghambat implementasi SIK di fasilitas pelayanan kesehatan serta merumuskan strategi penguatan berdasarkan sintesis literatur. Penelitian ini menggunakan pendekatan deskriptif kualitatif melalui telaah pustaka terhadap berbagai studi nasional dan internasional terkini yang membahas hambatan sistem informasi kesehatan, rekam medis elektronik, dan digitalisasi layanan kesehatan. Hasil kajian menunjukkan bahwa faktor penghambat utama meliputi sumber daya manusia, infrastruktur teknologi, dukungan organisasi, kebijakan dan regulasi, interoperabilitas, keterbatasan finansial, serta budaya organisasi. Rendahnya kompetensi digital, resistensi terhadap perubahan, keterbatasan jaringan internet, lemahnya komitmen manajemen, regulasi yang terfragmentasi, belum terintegrasinya sistem, serta minimnya anggaran menjadi kendala dominan. Faktor-faktor tersebut saling berinteraksi dan membentuk tantangan sistemik yang kompleks sehingga tidak dapat diatasi melalui pendekatan parsial. Kajian ini juga menegaskan relevansi model HOT-Fit (Human–Organization–Technology Fit) dan TOE (Technology–Organization–Environment) dalam menjelaskan kompleksitas implementasi SIK. Oleh karena itu, keberhasilan implementasi SIK memerlukan strategi terpadu berupa pelatihan berkelanjutan bagi SDM, penguatan infrastruktur, komitmen kepemimpinan yang kuat, standarisasi kebijakan nasional, pengembangan sistem interoperabel, pendanaan berkelanjutan, serta transformasi budaya digital yang adaptif. Dengan demikian, keberhasilan implementasi SIK sangat bergantung pada pendekatan sistem yang komprehensif dengan memperhatikan dimensi manusia, organisasi, dan teknologi secara simultan.
Pemanfaatan Artificial Intelligence dalam Proses Data to Information untuk Mendukung Pengambilan Keputusan di Fasilitas Kesehatan: Systematic Literature Review Nanda Argaswari Yurez; Evi Desiana; Dwi Septi Andria; M Tsaqif Hendana; Budi Hartono
Indo Green Journal Vol. 4 No. 2 (2026): Green 2026
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v4i2.439

Abstract

Transformasi digital di sektor kesehatan menghasilkan volume data yang sangat besar, namun belum seluruhnya mampu diolah menjadi informasi yang bermakna bagi pengambilan keputusan. Artificial Intelligence (AI), khususnya Machine Learning (ML), dinilai memiliki potensi besar dalam mendukung proses Data to Information (DTI) di fasilitas kesehatan melalui pembersihan data, analisis prediktif, deteksi pola, dan penyediaan informasi berbasis bukti. Penelitian ini bertujuan menganalisis peran, manfaat, hambatan, kelemahan, serta strategi optimalisasi pemanfaatan AI dalam proses DTI untuk mendukung pengambilan keputusan di fasilitas kesehatan. Metode yang digunakan adalah Systematic Literature Review dengan pendekatan naratif terhadap 10 artikel ilmiah terbitan tahun 2017–2025 yang diperoleh dari database PubMed, PubMed Central, SpringerLink, SINTA, JMIR Medical Informatics, dan Frontiers in Artificial Intelligence. Hasil kajian menunjukkan bahwa AI berperan penting dalam meningkatkan kualitas data, memprediksi kebutuhan klinis dan manajerial, serta mendukung evidence-based decision making di fasilitas kesehatan dan fasilitas pelayanan kesehatan primer. Namun, implementasi AI juga memiliki kelemahan, antara lain ketergantungan pada kualitas data, risiko bias algoritma, rendahnya interpretabilitas model, potensi ketergantungan berlebihan terhadap teknologi, serta risiko privasi dan keamanan data pasien. Oleh karena itu, pemanfaatan AI perlu disertai strategi antisipatif berupa penguatan tata kelola data, interoperabilitas sistem, validasi model, penerapan human in the loop, peningkatan literasi digital SDM, serta regulasi internal terkait etik dan keamanan data. Kesimpulannya, AI dapat menjadi instrumen strategis dalam proses DTI apabila diterapkan secara bertahap, kontekstual, aman, dan akuntabel.
Determinasi Faktor Penghambat Implementasi Sistem Informasi Kesehatan di Fasilitas Pelayanan Kesehatan Dwi Septi Andria; Muthia Prajurita; Telpa Abdi; Budi Hartono
Indo Green Journal Vol. 4 No. 1 (2026): Green 2026
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v4i1.162

Abstract

Implementasi Sistem Informasi Kesehatan (SIK) di fasilitas pelayanan kesehatan merupakan langkah strategis dalam meningkatkan mutu pelayanan, efisiensi operasional, serta pengambilan keputusan berbasis data. Namun, banyak institusi kesehatan masih menghadapi berbagai hambatan yang mengganggu optimalisasi penerapan sistem tersebut. Makalah ini bertujuan untuk menganalisis determinan faktor penghambat implementasi SIK di fasilitas pelayanan kesehatan serta merumuskan strategi penguatan berdasarkan sintesis literatur. Penelitian ini menggunakan pendekatan deskriptif kualitatif melalui telaah pustaka terhadap berbagai studi nasional dan internasional terkini yang membahas hambatan sistem informasi kesehatan, rekam medis elektronik, dan digitalisasi layanan kesehatan. Hasil kajian menunjukkan bahwa faktor penghambat utama meliputi sumber daya manusia, infrastruktur teknologi, dukungan organisasi, kebijakan dan regulasi, interoperabilitas, keterbatasan finansial, serta budaya organisasi. Rendahnya kompetensi digital, resistensi terhadap perubahan, keterbatasan jaringan internet, lemahnya komitmen manajemen, regulasi yang terfragmentasi, belum terintegrasinya sistem, serta minimnya anggaran menjadi kendala dominan. Faktor-faktor tersebut saling berinteraksi dan membentuk tantangan sistemik yang kompleks sehingga tidak dapat diatasi melalui pendekatan parsial. Kajian ini juga menegaskan relevansi model HOT-Fit (Human–Organization–Technology Fit) dan TOE (Technology–Organization–Environment) dalam menjelaskan kompleksitas implementasi SIK. Oleh karena itu, keberhasilan implementasi SIK memerlukan strategi terpadu berupa pelatihan berkelanjutan bagi SDM, penguatan infrastruktur, komitmen kepemimpinan yang kuat, standarisasi kebijakan nasional, pengembangan sistem interoperabel, pendanaan berkelanjutan, serta transformasi budaya digital yang adaptif. Dengan demikian, keberhasilan implementasi SIK sangat bergantung pada pendekatan sistem yang komprehensif dengan memperhatikan dimensi manusia, organisasi, dan teknologi secara simultan.
Pemanfaatan Artificial Intelligence dalam Proses Data to Information untuk Mendukung Pengambilan Keputusan di Fasilitas Kesehatan: Systematic Literature Review Nanda Argaswari Yurez; Evi Desiana; Dwi Septi Andria; M Tsaqif Hendana; Budi Hartono
Indo Green Journal Vol. 4 No. 2 (2026): Green 2026
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v4i2.439

Abstract

Transformasi digital di sektor kesehatan menghasilkan volume data yang sangat besar, namun belum seluruhnya mampu diolah menjadi informasi yang bermakna bagi pengambilan keputusan. Artificial Intelligence (AI), khususnya Machine Learning (ML), dinilai memiliki potensi besar dalam mendukung proses Data to Information (DTI) di fasilitas kesehatan melalui pembersihan data, analisis prediktif, deteksi pola, dan penyediaan informasi berbasis bukti. Penelitian ini bertujuan menganalisis peran, manfaat, hambatan, kelemahan, serta strategi optimalisasi pemanfaatan AI dalam proses DTI untuk mendukung pengambilan keputusan di fasilitas kesehatan. Metode yang digunakan adalah Systematic Literature Review dengan pendekatan naratif terhadap 10 artikel ilmiah terbitan tahun 2017–2025 yang diperoleh dari database PubMed, PubMed Central, SpringerLink, SINTA, JMIR Medical Informatics, dan Frontiers in Artificial Intelligence. Hasil kajian menunjukkan bahwa AI berperan penting dalam meningkatkan kualitas data, memprediksi kebutuhan klinis dan manajerial, serta mendukung evidence-based decision making di fasilitas kesehatan dan fasilitas pelayanan kesehatan primer. Namun, implementasi AI juga memiliki kelemahan, antara lain ketergantungan pada kualitas data, risiko bias algoritma, rendahnya interpretabilitas model, potensi ketergantungan berlebihan terhadap teknologi, serta risiko privasi dan keamanan data pasien. Oleh karena itu, pemanfaatan AI perlu disertai strategi antisipatif berupa penguatan tata kelola data, interoperabilitas sistem, validasi model, penerapan human in the loop, peningkatan literasi digital SDM, serta regulasi internal terkait etik dan keamanan data. Kesimpulannya, AI dapat menjadi instrumen strategis dalam proses DTI apabila diterapkan secara bertahap, kontekstual, aman, dan akuntabel.
Co-Authors Budi Hartono Evi Desiana M Tsaqif Hendana Muthia Prajurita Nanda Argaswari Yurez Telpa Abdi