Depok, 6 Juli 2026 – Fakultas Kesehatan Masyarakat Universitas Indonesia (FKM UI) kembali menghasilkan inovasi berbasis data untuk mendukung penguatan sistem kesehatan nasional melalui Sidang Terbuka Promosi Doktor Program Studi Doktor Ilmu Kesehatan Masyarakat. Pada sidang tersebut, Ambo Sakka berhasil mempertahankan disertasinya yang berjudul “Model Prediksi Utilisasi Pelayanan Rumah Sakit pada Pasien Kanker Payudara Menggunakan Machine Learning Berbasis Data Longitudinal BPJS Kesehatan Tahun 2017–2024.”
Penelitian ini dilatarbelakangi oleh meningkatnya beban kanker payudara terhadap sistem pembiayaan Jaminan Kesehatan Nasional (JKN). Selama ini, pengelolaan layanan kanker masih mengandalkan pendekatan yang bersifat reaktif, sementara pemanfaatan data longitudinal BPJS Kesehatan untuk memprediksi kebutuhan pelayanan pasien belum dilakukan secara optimal. Kondisi tersebut mendorong pengembangan model prediksi yang mampu mendukung perencanaan layanan kesehatan dan pembiayaan yang lebih tepat sasaran.
Menggunakan desain kohort retrospektif berbasis data sampel BPJS Kesehatan periode 2017–2024, penelitian menganalisis 3.186 pasien kanker payudara melalui pendekatan Latent Class Analysis (LCA), XGBoost, dan SHapley Additive exPlanations (SHAP). Kombinasi metode ini memungkinkan identifikasi pola utilisasi pelayanan rumah sakit sekaligus menjelaskan faktor-faktor yang memengaruhi prediksi secara transparan sehingga lebih mudah diterjemahkan menjadi rekomendasi kebijakan.
Hasil penelitian berhasil mengidentifikasi empat kelompok pola utilisasi pelayanan yang berbeda, yaitu Low Utilizer (33,5%), Moderate Outpatient (26,4%), High Inpatient Complex (21,6%), dan High Outpatient (18,6%). Temuan ini menunjukkan bahwa pasien kanker payudara memiliki kebutuhan pelayanan yang sangat beragam sehingga pendekatan pelayanan dan pembiayaan tidak dapat lagi disusun dengan asumsi bahwa seluruh pasien memiliki karakteristik yang sama.
Model prediksi berbasis machine learning XGBoost yang dikembangkan menunjukkan performa yang sangat baik dengan akurasi 67,8% dan macro-average AUC sebesar 0,889, serta mampu mengidentifikasi kelompok pasien dengan kebutuhan layanan paling kompleks dengan AUC mencapai 0,910. Hasil ini menunjukkan bahwa data klaim administratif BPJS Kesehatan memiliki potensi besar untuk dimanfaatkan sebagai dasar prediksi utilisasi pelayanan tanpa memerlukan tambahan data rekam medis yang kompleks.
Analisis menggunakan metode SHAP mengungkap bahwa episode kemoterapi menjadi faktor yang paling berpengaruh dalam menentukan pola utilisasi pelayanan, diikuti oleh radioterapi, transfusi darah, riwayat mastektomi, dan status mortalitas. Temuan tersebut memperkuat bahwa faktor kebutuhan klinis (need factors) memiliki kontribusi yang lebih besar dibandingkan dengan faktor sosial maupun pembiayaan dalam menentukan kebutuhan layanan pasien kanker payudara.
Kebaruan penelitian ini terletak pada pengembangan kerangka analitik yang mengintegrasikan Latent Class Analysis (LCA), XGBoost, dan SHAP dalam satu model prediktif berbasis data longitudinal BPJS Kesehatan. Pendekatan tersebut tidak hanya mampu mengelompokkan pasien berdasarkan pola utilisasi pelayanan secara empiris, tetapi juga menghasilkan model prediksi yang interpretatif sehingga dapat digunakan sebagai dasar pengambilan keputusan klinis maupun kebijakan pembiayaan kesehatan.
Berdasarkan temuan penelitian, Ambo Sakka merekomendasikan pengembangan sistem peringatan dini (early warning system) untuk mengidentifikasi pasien berisiko tinggi sejak awal, penerapan case management dan PROLANIS Onkologi berbasis outreach, reformasi tarif pelayanan berdasarkan kompleksitas kasus, serta integrasi data BPJS Kesehatan dengan Registri Kanker Nasional. Langkah tersebut diharapkan mampu meningkatkan efisiensi layanan sekaligus memperkuat implementasi Rencana Kanker Nasional 2024–2034.
Sidang promosi doktor ini dipimpin oleh Prof. Dr. drg. Wachyu Sulistiadi, M.A.R.S. selaku Ketua Tim Penguji. Bertindak sebagai promotor Prof. Dr. Ede Surya Darmawan, S.K.M., M.D.M., dengan kopromotor Prof. Dr. Dra. Dumilah Ayuningtyas, M.A.R.S. dan Dr. Dewi Gayatri, S.Kp., M.Kes. Tim penguji terdiri atas Dr. Martya Rahmaniati M., S.Si., M.Si.; Dr. Syahrir A. Pasinringi, M.S.; Dr. dr. Sutopo Patria Jati, M.M., M.Kes., serta Dr. dr. Farida Briani Sobri, Sp.B., Subsp.Onk.(K).
Melalui penelitian ini, FKM UI kembali menunjukkan kontribusinya dalam menghasilkan inovasi berbasis kecerdasan artifisial dan analitik data yang mendukung transformasi sistem kesehatan Indonesia. Model prediksi yang dikembangkan diharapkan menjadi landasan bagi pengelolaan layanan kanker payudara yang lebih proaktif, efisien, dan berbasis bukti, sehingga mampu meningkatkan kualitas pelayanan sekaligus menjaga keberlanjutan pembiayaan JKN. (wrk)