.webp)
Dalam sebuah kesempatan berbicara di TED Conference Vancouver, Amerika Serikat pada 2015, Bill Gates, pendiri Microsoft menyampaikan bahwa dunia belum siap menghadapi pandemi berikutnya --mengacu pada kejadian pandemi sebelumnya yaitu SARS dan Ebola). Selanjutnya, Gates mengingatkan agar dunia menginvestasikan lebih besar untuk mempersiapkan, membangun, membuat inovasi dalam bentuk fasilitas dan alat-alat kesehatan.
Hanya berselang kurang dari 5 tahun prediksi Gates menemukan konteksnya. Hingga artikel ini ditulis, pandemi Covid-19 telah menginfeksi 1,6 juta orang dengan tingkat kematian sebanyak 95 ribu orang di seluruh dunia. Luar biasa. Tidak peduli negara maju dan berkembang, semua dibuat kelimpungan menghadapi pandemi ini.
Di Indonesia, setali tiga uang, pandemi Covid-19 sudah memasuki bulan kedua sejak kasus pertama diumumkan Presiden pada 2 Maret. Tiap hari juru bicara Gugus Tugas Covid-19 meng-update data jumlah kasus baru, kasus meninggal, dan kasus sembuh. Terakhir, sebanyak 3.293 kasus positif, 280 kasus kematian, dan 252 kasus sembuh.
Kembali kepada cerita Gates, mungkin ada yang bertanya bagaimana Gates seolah-olah bisa memprediksi masa depan? Jawabannya adalah data. Dalam artikel yang berjudul Why I think we can predict the future di laman blog-nya, Gates menjelaskan secara gamblang data yang dia temukan dan pelajari terkait dengan pandemi dan bidang kesehatan.
Lebih lanjut dalam artikel tersebut Gates mencontohkan, ketika melihat data kematian berdasarkan wilayah dan umur (2017), Gates menemukan bahwa kematian tertinggi terletak di wilayah Sub-Sahara di Afrika dengan kelompok umur di bawah 5 tahun (kasus diare). Dikombinasikan dengan data malnutrisi di Afrika, Gates menemukan bahwa solusi paling efektif untuk mencegah kematian adalah dengan perbaikan nutrisi anak.
Pada akhirnya, solusi itu mampu memotong separuh tingkat kematian pada anak di Afrika. Data yang representatif membantu kita menemukan solusi yang tepat.
Keterbukaan
Sejatinya peran data yang lebih utama adalah proyeksi dan prediksi; keduanya berorientasi ke depan. Angka hari ini bukanlah angka untuk menggambarkan masa lalu, tetapi sebagai dasar untuk memprediksi keadaan di masa depan. Kemampuan analisis data saat ini telah sampai pada level yang tidak pernah dibayangkan sebelumnya, terutama dengan perangkat Artificial Intelligence (AI, Kecerdasan Buatan).
Dengan algoritma AI, simulasi dan prediksi bisa dilakukan dengan sangat cepat dengan tingkat keakuratan mendekati 100%. Namun, sehebat-hebatnya algoritma AI tidak akan bermanfaat jika data input-nya tidak tersedia atau datanya salah (tidak menggambarkan kondisi sebenarnya).
SCROLL TO CONTINUE WITH CONTENT
Maka, diperlukan transparansi dalam hal data sehingga masyarakat mengetahui secara persis situasi dan kondisi yang sedang dihadapi oleh bangsa ini. Transparansi bukan dimaksudkan untuk menakut-nakuti, namun menumbuhkan kewaspadaan di setiap level masyarakat. Hal ini juga sejalan dengan UU No. 14/2008 tentang Keterbukaan Informasi Publik. Prinsipnya, lebih baik preventif daripada kuratif.
Saya mengapresiasi beberapa daerah yang mempublikasikan data situasi terakhir pandemi Covid-19 secara online sehingga bisa diketahui oleh masyarakat secara real-time. Namun, alangkah baiknya jika data tersebut tidak hanya tentang penderitanya, namun juga dari aspek lain seperti jumlah dokter, perawat, ketersediaan ruang di RS, ketersediaan APD, masker, dan data lainnya.
Keterkaitan
Di mana pun, data memiliki sifat sama, yaitu saling terkait satu sama lain (linked-data). Untuk menganalisisnya diperlukan aspek multidimensi, yaitu melihat data dari berbagai sudut pandang. Sebagai contoh, penderita kasus positif pasti terkait dengan data lokasi, data lokasi terkait dengan data ketersediaan fasilitas dan tenaga kesehatan, sedangkan data tenaga kesehatan terkait dengan data ketersediaan alat kerja (APD, masker), dan seterusnya.
Dengan demikian, kita memiliki alat yang komprehensif (dalam bentuk data) untuk menggambarkan situasi yang sedang dihadapi saat ini.
Menggunakan analogi perang, data ibarat peta. Peta berfungsi sebagai panduan. Seorang komandan perang harus memegang peta untuk mengetahui posisi dan keadaan lawan untuk kemudian menentukan strategi yang tepat. Begitu pula dalam situasi pandemi ini. Para pengambil kebijakan, baik di level pusat maupun daerah, pemerintah maupun LSM harus memiliki data sebelum menentukan kebijakan apa yang akan diambil. Jangan sampai hanya asal bergerak tanpa memiliki peta.
Contoh sederhananya, jumlah APD dan masker sudah terbatas, maka harus diberikan kepada rumah sakit yang paling membutuhkan dan kekurangan. Skala prioritas menjadi penting, dan itu hanya bisa diketahui jika kita mempunyai data. Data yang representatif membantu kita bergerak lebih terarah.
Data-data multidimensi inilah yang kita butuhkan saat ini untuk kemudian digunakan sebagai dasar pengambilan kebijakan yang lebih baik. Di sinilah menurut saya Kementerian Komunikasi dan Informatika (Kemkominfo) bisa mengambil peran lebih besar. Kemkominfo bisa mengintegrasikan data dari berbagai lembaga untuk dianalisis dengan berbagai metode yang ada. Hasil analisis inilah yang hari-hari ini dibutuhkan baik oleh pemerintah pusat maupun daerah untuk menentukan strategi yang tepat.
Taiwan mencontohkan dengan cara mengintegrasikan tiga basis data yaitu data asuransi kesehatan, data imigrasi, dan data rumah sakit. Dengan menggunakan AI dan Big Data, Taiwan melakukan tracing untuk memetakan orang yang paling berisiko berdasarkan pengalaman perjalanan dan rekam mediknya. Hasilnya, Taiwan berhasil melakukan mitigasi dengan kasus positif sebesar 380 orang dengan "hanya" 5 kasus kematian.
Penanganan Covid-19 ini adalah kerja bersama antara pemerintah dan seluruh elemen masyarakat. Sikap gotong royong sebagai karakter bangsa semakin menguat dengan munculnya berbagai gerakan masyarakat untuk membantu penyediaan APD bagi tenaga kesehatan sebagai garda terdepan dan rakyat kecil yang terdampak akibat pembatasan wilayah. Karenanya, ada begitu banyak sumber daya yang bisa dikelola untuk meringankan beban pemerintah dalam bekerja.
Maka, seyogianya kebijakan publik yang dihasilkan harus berbasis pada data (data-driven policy) agar semua memiliki peta dalam bergerak. Sebab, data yang komprehensif membantu kita mengalokasikan sumber daya dengan lebih baik.
Anang Kunaefi pengajar di UINSA Surabaya, mahasiswa doktoral di Kumamoto University Jepang
