Preeklampsia merupakan salah satu tantangan serius dalam dunia kesehatan ibu dan anak di Indonesia. Tingkat kejadian diperkirakan mencapai 3-10% di tingkat nasional. Kondisi ini menjadi salah satu penyebab utama kematian ibu bersama perdarahan dan sepsis. Sebuah studi di 11 rumah sakit di Indonesia bahkan mencatat bahwa 42 kasus kematian ibu disebabkan oleh preeklampsia atau eklampsia. Dampaknya pun tidak hanya dirasakan oleh sang ibu, tetapi juga membawa risiko morbiditas yang tinggi pada bayi yang baru lahir.
Melihat tantangan ini, sebuah langkah inovatif telah dilakukan oleh Dwirani Amelia, Mahasiswa Program Doktor Epidemiologi Peminatan Epidemiologi Klinik Fakultas Kesehatan Masyarakat (FKM) Universitas Indonesia (UI). Pada 11 Januari 2025, ia berhasil menyelesaikan sidang promosi doktor dengan disertasi bertajuk “Pemodelan Prediksi Kejadian Preeklampsia pada Ibu Hamil Menggunakan Machine Learning (ML)”. Sidang ini dilaksanakan di Ruang Promosi Doktor Gedung G FKM UI.
Penelitian yang dilakukan oleh Dwirani Amelia bertujuan untuk mengembangkan model prediksi preeklampsia menggunakan ML dengan memanfaatkan data yang serupa dengan data yang tersedia di fasilitas layanan kesehatan primer. Faktor risiko yang dianalisis dalam penelitian ini mencakup riwayat diabetes melitus (DM) dan hipertensi pada ibu maupun keluarganya, riwayat merokok, primigraviditas, rerata tekanan arteri (mean arterial pressure, MAP), serta indeks massa tubuh (BMI) sebelum kehamilan. Dalam proses pemodelan, Promovendus Dwirani menggunakan beberapa algoritma pembelajaran mesin, seperti support vector machine (SVM), decision tree, dan K-Nearest Neighbor (KNN). “Setelah mengevaluasi performa berbagai model—termasuk logistic regression dan random forest—hasil penelitian menunjukkan bahwa algoritma SVM memberikan kinerja terbaik, terutama setelah dilakukan teknik undersampling untuk mengatasi ketidakseimbangan data,” jelas Dwirani.
Model SVM yang dikembangkan mampu mencapai tingkat akurasi sebesar 70,31%, sensitivitas 67,5%, spesifisitas 57,23%, dan nilai area under the curve (AUC) sebesar 0,68. Keberhasilan ini dicapai melalui kombinasi teknik undersampling pada data serta pengaturan parameter (hyperparameter tuning). Hasil ini menandai langkah penting dalam memanfaatkan teknologi pembelajaran mesin untuk mendeteksi risiko preeklampsia secara lebih efektif, terutama di tingkat layanan kesehatan primer.
Fitur-fitur prediktif yang digunakan dalam penelitian ini meliputi riwayat hipertensi dan diabetes melitus (DM) pada ibu dan keluarganya, indeks massa tubuh (BMI) sebelum kehamilan, rerata tekanan arteri (MAP), riwayat merokok, serta primigraviditas. Meskipun model berbasis SVM ini telah menunjukkan hasil yang menjanjikan, penelitian Dwirani menyoroti pentingnya penambahan fitur baru yang memiliki asosiasi kuat dengan kejadian preeklampsia untuk meningkatkan sensitivitas dan spesifisitas model. Hal ini terutama relevan dalam upaya deteksi dini yang lebih akurat dan efektif.
“Dari segi implementasi, pemanfaatan model prediksi ini membutuhkan dukungan infrastruktur data yang memadai. Dinas Kesehatan diharapkan dapat berperan aktif dalam memperkuat sistem informasi kesehatan di puskesmas, termasuk pengelolaan data yang terintegrasi,” ujar Dwirani. Melalui pengelolaan data yang baik, model berbasis ML seperti ini dapat diadaptasi untuk mendukung keputusan klinis di tingkat layanan primer, khususnya di wilayah dengan sumber daya kesehatan yang terbatas. Hasil penelitian ini membuka peluang besar untuk pengembangan lebih lanjut, baik dari segi optimasi model maupun penerapannya dalam sistem kesehatan. Kolaborasi antara akademisi, praktisi kesehatan, dan pembuat kebijakan sangat diperlukan untuk memastikan manfaat maksimal dari inovasi ini.
Dwirani Amelia, seorang konsultan di Kementerian Kesehatan RI sejak 2011, berhasil menyelesaikan studinya dengan hasil yang membanggakan. Berdasarkan hasil disertasinya, Dwirani Amelia dinyatakan lulus dengan predikat Sangat Memuaskan. Dengan Indeks Prestasi Kumulatif (IPK) 3,89, Dwirani resmi menjadi lulusan ke-8 Program Doktor Epidemiologi FKM UI di tahun 2025, lulusan Program Doktor FKM UI ke-123, dan secara keseluruhan menjadi lulusan Program Doktor FKM UI ke-449.
Selama perjalanannya menyelesaikan studi doktoral yang membahas penerapan teknologi machine learning untuk prediksi preeklampsia, Dwirani Amelia mendapatkan bimbingan dari para ahli di bidangnya. Penelitiannya tersebut dipromotori oleh Prof. dr. Asri C. Adisasmita, M.P.H., M.Phill., Ph.D., dengan Ko-Promotor Prof. dr. Kemal N. Siregar, S.K.M., M.A., Ph.D., dan Prof. dr. R. Detty Siti Nurdiati Z., M.P.H., Ph.D., Sp.OG(K). Sidang promosi dipimpin oleh Prof. Dr. dr. Sudarto Ronoatmodjo, S.K.M., M.Sc., selaku Ketua Tim Penguji, dengan anggota tim penguji yang terdiri dari Prof. Dr. dr. Dwiana Ocviyanti, Sp.OG(K), M.P.H.; Prof. Dr. Achmad Nizar Hidayanto, S.Kom., M.Kom.; dr. Siti Nurul Qomariyah, Ph.D.; serta Trisari Anggondowati, S.K.M., M.Epid., Ph.D. (DFD)