Kesadaran akan pentingnya penanganan medis darurat pada kasus stroke terus menjadi perhatian akademisi di Malang. Baru-baru ini, mahasiswa Program Studi Informatika dari Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW (ITSK Soepraoen) Malang mempublikasikan riset berjudul “Linkage Comparison in Agglomerative Hierarchical Clustering for Clustering Students’ Knowledge of First Aid for Stroke Emergencies”. Penelitian ini disusun oleh tim peneliti yang terdiri dari Ivana Aikozora Putrinugroho, Mochammad Anshori, dan Wahyu Teja Kusuma, dan telah terbit secara resmi di RIGGS: Journal of Artificial Intelligence and Digital Business, Volume 4 Nomor 2, Mei 2025.
Penelitian ini berfokus pada upaya pemetaan tingkat pengetahuan siswa SMA terhadap tindakan pertolongan pertama pada serangan stroke. Mengingat stroke adalah penyebab kecacatan dan kematian yang tinggi, pemahaman dini sangatlah krusial. Metode yang diusulkan dalam studi ini adalah Agglomerative Hierarchical Clustering (AHC), sebuah teknik pembelajaran mesin tak terawasi yang bekerja dengan membangun hierarki kelompok secara bottom-up. Cara kerjanya dimulai dengan menganggap setiap data siswa sebagai satu klaster individu, kemudian secara bertahap menggabungkan pasangan klaster terdekat berdasarkan perbandingan linkage (kaitan). Riset ini secara spesifik membandingkan tiga teknik linkage: Single Linkage, Complete Linkage, dan Ward’s Method. Hasil evaluasi menggunakan Davies-Bouldin Index menunjukkan bahwa Ward’s Method adalah yang paling unggul dalam menciptakan kelompok yang padat dan terpisah secara optimal, berhasil mengidentifikasi empat kategori tingkat pengetahuan siswa.
Kesimpulan dari penelitian ini menegaskan bahwa penggunaan algoritma pengelompokan (clustering) sangat efektif untuk mengidentifikasi celah pengetahuan spesifik di kalangan remaja. Implikasi praktisnya adalah sekolah atau lembaga kesehatan dapat menggunakan peta data ini untuk merancang program edukasi yang lebih personal dan tepat sasaran, alih-alih memberikan penyuluhan yang bersifat umum. Sebagai further work atau pengembangan ke depan, tim peneliti menyarankan perluasan jangkauan dataset dengan melibatkan responden yang lebih beragam serta mencoba algoritma clustering alternatif untuk melihat dinamika pola pengetahuan yang lebih kompleks di masyarakat.
Informasi tambahan yang memperkaya substansi riset ini menyoroti bahwa stroke sering kali dianggap sebagai “penyakit orang tua”, padahal gejalanya bisa terjadi kapan saja dan siapa saja bisa menjadi saksi mata pertama. Dengan membekali siswa sekolah menengah dengan pengetahuan yang tepat, mereka dapat menjadi lini terdepan dalam mengenali gejala awal seperti wajah terkulai, kelemahan lengan, atau kesulitan bicara (FAST – Face, Arm, Speech, Time). Pemanfaatan Machine Learning dalam riset pendidikan kesehatan seperti yang dilakukan Ivana dkk. membuktikan bahwa teknologi informasi memiliki peran vital dalam mendukung kampanye kesehatan masyarakat secara preventif dan berbasis data.
Penggunaan metode AHC dalam konteks ini juga menunjukkan betapa fleksibelnya ilmu informatika dalam menyelesaikan masalah di bidang lain, khususnya kesehatan (Kesehatan Digital). Dengan metode Ward’s Method yang terbukti paling akurat dalam studi ini, proses pengolahan data kuesioner dari 112 siswa menjadi informasi yang bermakna menjadi lebih cepat dan objektif. Data ini bukan sekadar angka, melainkan cerminan kesiapan generasi muda Indonesia dalam menghadapi situasi darurat medis yang dapat menyelamatkan nyawa seseorang di masa depan.
Keberhasilan publikasi ini memperkuat reputasi ITSK RS dr. Soepraoen Malang sebagai institusi yang aktif mendorong mahasiswanya untuk melakukan riset kolaboratif yang berdampak sosial. Melalui sinergi antara teknik informatika dan kebutuhan medis, diharapkan akan muncul lebih banyak inovasi digital yang mampu meningkatkan standar kesehatan masyarakat. Langkah kecil melalui pemetaan pengetahuan ini adalah fondasi besar bagi terciptanya masyarakat yang lebih tanggap dan cerdas terhadap ancaman penyakit tidak menular seperti stroke.
Pranala luar:
- https://journal.ilmudata.co.id/index.php/RIGGS/article/view/564/311
- https://journal.ilmudata.co.id/index.php/RIGGS/article/view/564
- https://doi.org/10.31004/riggs.v4i2.564
I. A. Putrinugroho, M. Anshori, and W. T. Kusuma, “Linkage Comparison in Agglomerative Hierarchical Clustering for Clustering Students’ Knowledge of First Aid for Stroke Emergencies ”, RIGGS, vol. 4, no. 2, pp. 937–944, May 2025.