Tim peneliti dosen dan mahasiswa dari Sekolah Vokasi Universitas Gadjah Mada (UGM) yang dipimpin oleh Dinar Nugroho Pratomo, S.Kom., M.IM., M.Cs. dari Program Studi Teknologi Rekayasa Perangkat Lunak, bersama mahasiswa Ghifari Nafhan Muhammad Zhafarizza dan Edeline Felicia Dharmawan telah mengembangkan sistem inovatif untuk memprediksi wabah penyakit tular vektor menggunakan teknologi Graph Neural Network (GNN). Sistem ini diharapkan dapat menjadi solusi strategis dalam menghadapi tantangan kesehatan masyarakat terkait penyakit seperti demam berdarah, malaria, dan chikungunya yang masih menjadi ancaman serius di Indonesia.
Penelitian yang berfokus pada “Sistem Prediksi Spatio-Temporal Wabah Penyakit Tular Vektor Menggunakan Graph Neural Network” ini memanfaatkan kemampuan advanced machine learning untuk memodelkan hubungan spasial dan temporal secara simultan. Pendekatan ini sangat relevan mengingat karakteristik penyebaran penyakit tular vektor yang dipengaruhi oleh faktor geografis dan waktu.
Tim peneliti mengintegrasikan berbagai sumber data komprehensif dalam pengembangan sistem prediksi ini, termasuk data historis kasus penyakit, data iklim, data tutupan lahan, data sosio-ekonomi, dan data mobilitas penduduk dari berbagai wilayah di Indonesia. Model GNN yang dikembangkan mampu mempelajari pola kompleks dari data multidimensional tersebut untuk menghasilkan prediksi risiko wabah penyakit pada periode dan lokasi tertentu dengan tingkat akurasi tinggi.
Sistem ini dirancang dengan kemampuan evaluasi yang komprehensif untuk memastikan akurasi dan keandalan prediksi yang dihasilkan dalam dimensi spasial dan temporal.
Penelitian ini memiliki dampak strategis dalam mendukung Tujuan Pembangunan Berkelanjutan (SDGs) khususnya SDGs 3 tentang “Kehidupan Sehat dan Sejahtera” serta berkontribusi pada flagship program “Kemandirian Bahan Baku Obat dan Alat-alat Kesehatan”. Sistem prediksi ini dapat membantu pemangku kebijakan kesehatan dalam meningkatkan kesiapsiagaan dan mengoptimalkan respons terhadap potensi wabah penyakit tular vektor.
Selain memberikan solusi praktis untuk challenges kesehatan masyarakat, penelitian ini juga membuka peluang pengembangan metodologi pembelajaran mesin untuk pemodelan fenomena spatio-temporal dalam bidang kesehatan masyarakat. Tim peneliti optimis bahwa sistem ini dapat segera diimplementasikan oleh instansi kesehatan untuk memperkuat sistem surveillance dan early warning penyakit tular vektor di Indonesia.
Penelitian interdisipliner ini menggabungkan keahlian dalam Bidang Kesehatan dan Obat serta Teknologi Informasi dan Komunikasi, menunjukkan komitmen Sekolah Vokasi UGM dalam menghasilkan inovasi yang berdampak nyata bagi masyarakat melalui kolaborasi yang solid antara dosen dan mahasiswa.
