Seminar Rabuan - Peran Kecerdasan Buatan dalam Pelayanan Kesehatan

Hai hai.

[Musik] [Musik] [Musik] [Musik] [Musik] Hai hai.

[Musik] [Musik] [Musik] [Musik] [Musik] [Musik] A hai hai.

[Musik] [Musik] [Musik] Hai hai.

[Musik] [Musik] [Musik] Hai hai.

[Musik] [Musik] [Musik] Ia [Musik] [Musik] menuduh mereka tuh cara cek antara untuk kita semua.

Om Swastiastu, Namo Buddhaya, Salam Kebajikan. Yang terhormat Dokter Guardian Yogi Sanjaya, M.H.O. Info, Dosen Kebijakan dan Manajemen Kesehatan FK-KMK UGM, mewakili dari Ketua Departemen Kebijakan dan Manajemen Kesehatan FK-KMK UGM. Telah hadir pada kesempatan pagi hari ini Bapak Indarto, Founder Steam atau Sio-nya Neurobot Lex. Bapak Farid Yusuf Bachtiar, Sarjana Sains, Master of Computer Science, Vice President of Teknologi Widya Analitik. Dan hormati Bapak Ibu peserta seminar rabuan yang telah hadir pada pagi hari ini.

Puji syukur mari kita panjatkan kehadirat Tuhan Yang Maha Esa karena berkat rahmat-Nya kita dapat berkumpul berdiskusi bersama dalam acara seminar rabuan yang bertajuk "Peran Kecerdasan Buatan dalam Pelayanan Kesehatan" secara virtual pada pagi hari ini.

Bapak dan Ibu yang berbahagia, perkenalkan saya Galuh yang akan memandu acara seminar rabuan pada pagi hari ini sampai usai nanti. Bapak Ibu, untuk selanjutnya mari kita dengarkan bersama sambutan dari Dosen Kebijakan dan Manajemen Kesehatan FK UGM. Untuk itu kepada Dokter God Yogi Sanjaya, M.H.O. Info, kami persilakan.

Ya, baik, makasih Mbak Galuh. Bapak Ibu sekalian, selamat pagi. Assalamualaikum warahmatullahi wabarakatuh. Ya, selamat datang ya kembali ke seminar rabuan. Sebenarnya ini juga acara yang rutin ya dilakukan oleh yang diinisiasi oleh tiga departemen di eh FK-KMK UGM dan kami mewakili dan ngamen kebijakan dan manajemen kesehatan menyentak apa yang menginisiasi untuk mengusung topik ini ya kecerdasan buatan yang sebenarnya isu sebuah isu ini sudah lama ya.

Yadnya kecerdasan buatan itu ilmunya sudah lama, tetapi mungkin menjadi apa ya menjadi populer ya setelah di Dra industri 4.0 dan tentunya akan berdampak juga pada pelayanan kesehatan. Mana saya mengucapkan terima kasih kepada bapak ibu narasumber yang sudah hadir, Pak Lukman dari Fakultas MIPA UGM, Pak Indarto dari Neurobot, dan Paris dari Widya Analitik. Dan saya katakan nanti akan ada pop memang apa ya episode intelijen atau kecerdasan buatan ke di antara kami kami ini di antara kita yang ada di sini barangkali hanya sebatas pada apa ya istilah yang sering kita dengar, tetapi secara praktis itu kayak apa sih bentuknya? Barangkali eh kita akan mempelajarinya ini dari para narasumber ya. Dan tentunya Bapak Ibu, eh kami ucapkan terima kasih juga sudah hadir di sini. Di sini ada yang tentunya ada teman-teman mahasiswa, lalu kemudian ada alumni, ada apa namanya partner ya dari [Musik] yang ikut hadir atau mungkin dari masyarakat praktisi yang ikut hadir di sini. Dan tentunya kita akan sama-sama am dengarkan naik dan mempelajari bersamaan isu tentang artifisial intelijen di sektor kesehatan. Ada mungkin nanti eh salah bisa berdiskusi juga ya, Mbak Galuh, ya dengan narasumber ya untuk secara praktis itu bagaimana sih penerapannya di di pelayanan kesehatan.

Nah, kami berharap juga bahwa apa yang nanti akan disampaikan oleh nah para narasumber akan menginspirasi, terutama untuk mahasiswa nih. Jadi inspirasi untuk penelitian kah? Mungkin nanti suatu saat kalau belum punya topik penelitian, barangkali bisa mengadopsi konsep-konsep artificial intelligence untuk penelitiannya. Pertamanya adalah mahasiswa dari situs resmi dari yang yang apa ya yang fokus pada sistem informasi kesehatan. Baik, mungkin saya tidak akan berlama-lama, Mbak Galuh. Selamat datang kepada semua peserta, terima kasih sudah hadir, dan saya kembalikan ke Mbak Galuh.

Terima kasih, Mbak Galuh. Terima kasih atas sambutan dan juga semangatnya di pagi hari ini. Waton sangat Pak Google dan Bapak Ibu. Untuk selanjutnya, mari kita memasuki acara Mira bulan yang bertajuk "Peran Kecerdasan Buatan dalam Pelayanan Kesehatan" yang pada kesempatan pagi hari ini akan dipandu, gimana dimoderatori oleh Bapak Lukman Heriawan Astagina, Teknik Magister Teknik, PhD. Leo merupakan dosen di Fakultas MIPA Universitas Gadjah Mada. Tidak usah berlama-lama kepada Pak Lukman, kami persilakan. Monggo, Pak.

Terima kasih, Ahmad Allah. Sedang terduduk. Semoga suaranya terdengar ya jelas. Wah, ada di tidak dari di acara ini akan ada dua narasumber yang akan sharing tentang teknologi AI. Dari sini ada Pak Indarto, Pak Indarto ya. Ah, pagi Pak. Ali Lethal biasanja sarat. Kenapa Indarto? Ada juga nanti Pak Faris. Shizuka syiar. Apa kabar Pak Haris? Fauza, semoga sehat selalu. Saya berharap.

[Musik]

Oke, itu makanya kalau enggak. Terima kasih teman deh JG. Jadi acara ini akan dengan 26 sumber. Ini akan dibagi menjadi pertama sesi ini ya, sesi sharing dari Pak Indarto dan Pak Faris. Jadi pertama dari Pak Indarto tubuh tentang platform laboratorium digital dengan teknologi perusahaan kekuatan di ini adalah neurobot lab dengan tipe Anda. Bahkan lebih menjelaskan apa itu yang kedua nanti dari Pak Faris tentang kecil pembuatan dan bidata pada layanan kesehatan modern. Mungkin dari habis nanti kita cukup banyak inisiasi diskusinya 40 menit. Jadi ya mungkin nanti monggo, silakan kalau ada yang mau ditanyakan. Mungkin dari Pak intro dulu waktu dan tempat kami persilakan. Terima kasih.

Mungkin saya akan izin screen ya, Pak ya. Biasa Bapak, asam antrian ya, Pak ya. Sempurna, lulur. Oke, sebelumnya saya ucapkan banyak terima kasih kepada teman-teman detik kwadrat ini. Kami akan mempresentasikan dari neurobot yang pertama terkait apa sih norabet itu? Terus yang kedua terkait AI skies apa yang kita selesaikan pantai Intinya kita akan belajar bersama gitu karena sangat-sangat apa yang sangat berkaitan antara di sektor eh autec atau healthy and portfolio itu antara export peneliti ataupun teman-teman dokter dengan teknologi itu sangat berkaitan gitu karena untuk membangun suatu eh machine-learning ataupun Ciperna itu pada dasarnya itu temen-temen profesi atau tidak halnya seperti itu. Kita itu hanya sebagai sekeliling abstraksi itu sih.

Mungkin anugerah tersendiri itu kita kepanjangan dari neuron Robotics laboratory. Jadi neuronal kita lebih pada fokusnya di Tegal wajib. Terus robotic kita ada robotiknya. Mungkin nanti kita akan share Racing terakhir laboratory. Jadi kita lebih pada platform laboratory importir komunitastogel elaboratory. A mungkin di Indonesia kita salah satu yang pertama di bidang medical imaging. Jadi kalau kita itu memora pot lebih pada platform laboratorium tukang sangat banyak sekali ada yang diedit kene Ki farmakologi di medical imaging kayak sitisken patologi anatomi dan sebagainya. Neurobot itu kita fokus di bidang digital patologi dan medical imaging. Semua data informasi yang berkaitan tentang imagemagick seperti itu. Terus kita lebih Mengapa ya membumingkan dengan teknologi eight disebutkan itu lebih pada kondisi ujarnya sih.

Pak dasarnya itu kita lebih ke platform laboratoriumnya atau kelelawar Hatori yang intinya temen-temen itu bisa mengisap kolaborasi dari rumah itu memiliki laboratorium secara privat. Katakanlah teman-teman ketika mendidih tali saksikan Cancer di rumah sakit ataupun di laboratorium itu nanti patologi anatomis senior itu dia bisa mengakses atau mengomentari memberikan masukan atau office ke laboratorium yang eksisting di apa di rumah sakit ataupun yang disetor pendidikan kurang lebih seperti itu. Jadi kita itu lebih baik lainnya kayak labkom gitu. Jadi intinya menghadirkan laboratorium secara prefer ke rumah seperti itu. Wah, ini eh salah satu kolaborasi kami ataupun kerjasama kami, tapi kerjasama dengan beberapa institusi pemerintah Kementerian, salah satunya kementerian perindustrian. Nagita menjadi salah satu investment program dari Nvidia. Jadi lebih pada kita menggunakan CPU. Biasanya di teman-teman pay itu pada dasarnya lebih ke gimana data yang besar itu bisa kita olah untuk menghasilkan knowledge seperti itu. Nah, kita menggunakan atau menteri Mengapa ya melapisi atas jadi itu menggunakan situ kita kerjasama dengan Nvidia dan kita salah satu instruksi program dari Nvidia. Kita juga sama-sama dengan ke pulau Boracay dengan switch cermin University untuk membangun alat juga ini lebih robotic ke UGM. Kita beberapa sama ilmu komputer juga sama Wafi kita ngerjain DNA dengan kita menjadi salah satu eh malaria platform nasional kerjasama dengan eh apa FK UGM juga di Tropical Magic sama bu Aisyah itu dengan UNICEF untuk membangun sistem m malaria nasional. Jadi dari level yang paling ABC di kecamatan di pedesaan di bisa ngakses apa datanya itu ke pusat gitu pujian pada dasarnya dan Google Kemenkes tutup dengan install kita lebih pada kolaborasi devicenya kamera Samsung. Itu kita kolaborasinya lebih baik versus This is. Jadi kayak kasus-kasus yang tuberkulosis lepra menggunakan HP di MP3 mikroskop. Jadi daerah-daerah pinggiran atau rural area itu bisa bisa melakukan identifikasi menggunakan mesin learning ataupun kolaborasi dengan yang ada di pusat pulang kurang lebih seperti itu. Dengan Brawijaya juga dengan bersih pesawat ke rumah sakit seluruh Indonesia kita kerjasama dengan bersih untuk mengakselerasi atau mendigitalisasi kan laboratorium Rumah Sakit dengan IDP dengan Rumah Sakit apa RSPAU dan masih banyak lagi sebenarnya. Tapi yang paling penting kemarin kita menjadi salah satu bungkus tangga profit. Mungkin nanti saya share sedikit siapa ya.

Oke, yang kita terus secara bersama-sama ini suatu apa ya bentuk konsorsium aspalnya dibentuk oleh bppt. Sekarang titipin itu membangun untuk identifikasi contnh menggunakan data dari segi scan untuk melihat apa cuci punya dari sebagainya. Itu sebenarnya enggak menggantikan proses PCR ataupun streptest. Ini fungsinya itu sebagai skrining yang hari itu dia bisa langsung tapi identifikasi. Tapi gol standarnya itu tetap menggunakan BCA. Tapi ada kekurangan di sitisken altosid nanti ini karena apa ya devices yang terkapar trek sitisken itu kan mahal banget. Jadi sangat eh apa Heroes aslinya itu sangat lambat sekali karena dibaca itu maha kita dengan PCR yang dia setiap stasiun eh apa airport itu ada rompis gitu. Nah, kita memegang paten tubuh medical imaging atau digital patologi. Kita sekitar ada 10 lebih pakai cuma yang paling penting tiga ini. Yang pertama itu terkait larsson laboratorium Citra digital yang kita sebut sebagai teh laboratory. Presiden kedua terkait digitalisasi semi dan goldschlag image. Jadi seluruh lapang pandang di mikroskop itu bisa kita scan menggunakan binokuler ataupun trinocular mikroskopik. Jadi pada dasarnya itu kalau kita menghasilkan worsted image mungkin teman-teman FK paham banget gitu. Jadi kalau kita lihat di mikroskop binokuler itu akhirnya beberapa area aja gitu. Nah, untuk mengidentifikasi Cancer itu harus polished Imagine. Nah, kita itu ada software untuk melakukan scanning seluruh area lapangan pandang itu. Kris yang ketiga terkait eh untuk Kristen share menghitung berapa total immuno positif negatif karena itu untuk penentuan apa namanya dia treatment untuk diagnostiknya dengan patologi anatomi. Tapi di sini kalau menggunakan biasanya itu teman-teman P itu dancer hanya sedikit lapang pandang di lensa okulernya gitu. Nah, kita itu mendidih tali saksikan untuk seluruh lapang pandang kurang lebih seperti itu.

Wah, ini sedikit informasi dari neorago. Nanti bisa dicat ini apa namanya informasi dari Ventura. Kita menjadi pemain apa halted landscape untuk Southeast Asia Asia Tenggara. Bisa dicek di apa namanya di output dan pura.com ini. Eh, pada dasarnya ini mungkin nanti bisa menjadi opportunity atau peluang bagi teman-teman yang sektornya itu di Healthcare. Jadi pada dasarnya bisa kita lihat dikit kelincinya sini. Jadi existing Solutions from haltech itu pada dasarnya mencuri Titi dominasi ada empat yang berkata-kata si biasanya kondimen. Yang pertama itu terkait digital health solution. Ini biasanya qmr electronic medical record dan sebagainya. Online Farmasi ini bisa biasa dikerjakan Allah dog dan teman-teman yang lainnya. Allah dokter yang sebagainya. Telemedicine juga sama. Terus yang terakhir lebih keseringan diagnostic tools gitu. Nah, kalau robot itu kita lebih di sini. Kita itu sektornya diskrining. Kita menyebutnya bukan diagnostik. Diagnostik itu hanya dipegang oleh temen-temen dokter. Itu hanya sekeliling keputusan untuk mendiagnosis Pasien itu dipegang oleh temen-temen loker. Terus yang kedua kita lebih ke digitalisasi. Karena untuk menggigit alisasi Apa mikroskopik itu sangat susah di Indonesia. Jadi challenge nya itu bisa menggunakan scanner kayak mereknya like periode Hamamatsu dan lain sebagainya. Tapi itu harganya mahal banget. Itu bisa sampai 4-5 5 Miliar untuk untuk membeli devices itu. Nah, itu gimana caranya ia solusi yang seperti saya ceritakan di atas tadi untuk kita lestarikan worsted imaging dengan harga yang lebih over tebel yang lebih terjangkau. Jadi nggak usah menggantikan Microsoft nuklir yang ada di laboratorium seperti itu. Nah, untuk sektornya New raport itu kita teki2. Jadi yang pertama itu kita mencuri di lebih sekitar 78/79 itu kita dibidang dibidang digital patologi. Bisa patologi anatomi bisa patologi klinik. Karena disini kenapa kita lebih memperbesar solusinya dibidang pegawai jika karena patologi itu pertama terkait gold standard beda kayak di radiologi itu radiologi tuanya ketika kita untuk mendiang Nasik please Cancer itu skrining. Tapi ketika Nazi dia sudah teridentifikasi biar pasti ketika biopsi pemotongan jaringan untuk treatment itu dia pasti deh dimasukkan ke patologi anatomi itu. Itu yang pertama. Yang kedua itu tantangannya sangat besar atau Loji anatomi itu di Indonesia sama sedikit sekitar 400. Tetapi pasiennya sangat gede sekali dengan geografis Indonesia kepulauan. Jadi ketika ada kanker dari Papua itu kan disitu enggak ada patologi anatomik atau ada patologi anatomi dia masih junior. Biasanya yaitu konsultasi ke teman-teman senior. Nah, sekitar 80% lebih itu teman-teman P itu berdomisili atau kerja prakteknya itu dijawab. Nah, itu tantangan yang kedua. Jadi sangat banyak sekali tantangannya di bidang patologi makanya kita lebih majority menspesifikasi menspesifikkan sektor kita di bidang patologi. Presiden kedua terkait laboratorium Citra lainnya atau medical imaging. Ini bisa sitisken bisa ultrasound vaskuler bisa di punggu speed dental dan sebagainya. Biasanya data-data daikom DCM kalau temen-temen apa melihat file-nya itu itu eh itu enggak rumit karena sudah dibantu dengan device kayak sitisken atau radiologi itu menggigit alis aslinya Gampang itu beda dengan patologi. Cuman untuk menghandle file datanya itu sangat susah karena dari komedo biasanya kalau sitisken satu Pasien itu bisa 100 Wars tengah gede sekali kayak kayak diberi begitu. Kalau picture itu biasanya porak itu dia bisa maksimal 10 flash itu. Tapi kalau ular dental kondisi cuma ini tantangannya kurang lebih seperti saya ceritakan di atas. Jadi prevalensi kanker itu setiap tahunnya meningkat ini bahkan di dunia apalagi di Indonesia. Jadi untuk angkanya ini sangat guys kali saya enggak mencantumkan di sini. Terus yang kedua itu terkait geografis Indonesia itu ke pulau-pulau sangat beda sekali dengan negara-negara lainnya. Di Indonesia itu yang paling tinggi untuk cewek wanita itu dipress Cancer lebih laki-laki itu apa ular gangster kanker paru gitu kurang lebih. Nah, ini salah satu tantangan yang sangat fundamental juga di Indonesia untuk kita softwarenya apa. Yang kedua terkait main power atau OLX ternyata. Jadi di Indonesia itu patologi anatomi itu sangat sedikit sekitar 470 orang. Dan kalau di luar negeri itu sebenarnya pea itu patologi anatomi itu Suatu profesi yang sangat tinggi sekali dikagumi gitu. Tapi kalau di Indonesia itu kurang diminati itu. Kalau kita lihat grupnya diem paling pertama itu dokter anak dan lain sebagainya gitu. Kalau profesi kalau gitu sekitar Urutan ke-6 atau ke-7 gitu. Nah, ini menjadi suatu tantangan yang harapannya dengan solusi neurobat itu dan teman-teman FK-KMK nabi Semoga bisa ngasih masukan untuk sama-sama kita apa yang membuat suatu ekosistem agar bisa berjalan dengan baik seperti itu. Beda kalau di patologi klinik itu lebih mengedepankan devices atau alat-alatnya itu canggih-canggih. Kalau cepat oleh klik kalau teman-teman ke Prodia ataupun di laptop swasta itu itu sudah pakai alat semua untuk menghitung 50 PINnya Pak Bapak leukositnya dari sebagai sudah ada semua otomatik klik itu. Tapi kalau patologi anatomi itu full konvensional parameternya itu benar-benar experience sama intelijen sedari petelagi anatomi lebih seperti itu.

Wah, ini yang kita berikan solusinya robot. Jadi kalau konvensional itu secara sakitin itu sangat sangat sangat sangat panjang sekali alur kerjanya. Jadi ketika [Musik] katakan spesimen apa ya toples Cancer ketika dibiopsi dibuat preparat itu kita nggak usah ngomong luar Jawa. Katakanlah tadi Jogja aja gitu. Jadi kalau kita ngomong kayak Jiha khas Jogja International Hospital itu dia nggak ada eh apa Oh pusat kankernya itu kisah cinta. Jadi ketika ada pasien dicuri hari itu diarahkan ke Cito di itu aja sudah memakan waktu sebenernya. Gede harus di packing dikirimkan untuk diagnostik identik Identifikasilah teman-teman di rumah sakit Sardjito apalagi di luar Jawa itu semakin lama pengiriman jaringannya semakin rusak. Kalau semakin lama habis itu sampai di laboratorium itu masih bertumpuk-tumpuk. Jadi nanti mungkin kalau sampainya satu minggu satu minggu lebih bisa di dekat mengetik gitu. Nah, habis itu lagi analisis dikasihkan informasinya ke dokter penanggungjawab untuk dikasih informasi ke pasien. Terus lettre parahnya itu ditumpuk di rumah sakit. Nah, ini sebut Ini Ra apa ya Ra detail disini karena teman-temanku step Arab itu kan fisik aja gitu. Jadi setelah disimpan selama beberapa tahun 105 ton dihancurkan karena memenuhi apa almari di laboratorium itu. Kecuali kalau data-data dia karier kita ada kerjasama dengan Rumah Sakit Dharmais pusat Kanker Dharmais itu karier itu kasus langka itu enggak dihancurkan. Tapi kalau kartu kasih yang biasa itu biasanya dihancurkan itu kan sebenernya data yang ingin kita. Nah, kalau dengan yang rapuh solusinya spray para kita vitalisasi kan. Jadi kalau menggunakan HP itu lebih tegas infectious disease. Kita enggak merekomendasikan kasus untuk Cancer karena harta itu kurang powerfull untuk mengidentifikasi dari sisi agama bar yang itu. Kita merekomendasikan menggunakan kamera digital menggunakan software kita yang posted image manual itu atau menggunakan scanner dari beberapa produk luar negeri. Cuman harganya ini biasanya mahal sekali kalau scanner YouTube udah sampai 4-5 kayak like periode itu kisah 50 Flag harganya 5m seperti itu. Nah, habis itu kita digitalisasi kan di sini. Kita kolaborasi padatannya tidak saving plus kita lakukan kolaborasi antar patologi ataupun anu penelitian atau untuk media pendidikan itu sangat positif sekali. Nah, ekosistem ini kita sebut sebagai milik atau elaboratory atau pelet patologi seperti itu. Nah, setelah nanti dilakukan digitalisasi baru nanti Koreanya lebih bekas kita mengerjakan beberapa East solution itu kayak breast Cancer ABS itu stroke juga dengan dengan rumah sakit terus GNR DN itu dengan Luffy sama Kedokteran Gigi dan masih banyak lagi seperti itu. Lebih tegas them tapi di dalamnya kita punya pulsa untuk membangun heard.

Nah, ini untuk mile.com nya kurang lebih seperti ini. Jadi ini yang kita sebut sebagai kolaborasi. Jadi teman-teman eh dokter ataupun teman-teman pendidikan penelitian untuk industri itu bisa melakukan kolaborasi banyak bus ini. Kalau teman-teman FK itu mungkin kalo kayak dimebsi mirip kayak image. Cuman kelebihannya kita itu bebas cor akses ke internet dan plus ini sebagai tools untuk data labelling. Jadi tulis ini bisa membangun. Tapi kalau untuk teman-teman image itu biasanya dia softwarenya ke di lokal. Jadi dia enggak bisa ketika ditandai itu enggak bisa dilakukan klinik. Tapi kalau di plafon kita itu ini bisa kita pilih export ke SMA ataupun chen-chen antibisa kita bangun model ini sebenarnya bisa pendekatannya lebih ke kolaborasi juga bisa. Katakanlah makhluk Man dengan teman-teman MIPA fakultas di Kyle Open data mainnya atau kakinya pelabelan nya menggunakan neurobot. Tinggal di Plaza teman-teman MIPA itu sangat possible seperti itu. Perang lebih ini. Jadi dimiliki Itu tantangan yang utama yaitu terkait digitalisasi. Karena slide fullset imaging untuk menghasilkan website mencium satu flight itu sangat rumit sekali untuk mencuci tali saksikan. Yang pertama itu yang kedua datanya itu sangat gede sekali. Satu slide Itu bisa sampai 1 Giga. Katakanlah kita punya 500 Pasien itu Rp500 sangat gede sekali. Nah, kita ada software. Jadi cukup menggunakan binocular microscope beras nanti ditempel bingung Muller apa namanya kamera digital disambungkan ke survei SBY itu. Terus nanti tinggal teman-teman dokter khususnya patologi anatomi itu geser-geser seperti itu. Jadi boleh gesernya itu waste time diseluruh lapang pandang atau hanya area kankernya aja gitu. Dan nanti hasilnya ini bisa kita upload ke file untuk melakukan analisis secara bersama-sama seperti itu.

Ini kurang lebih contoh dimamo scan owlcrate imaging. Jadi kita ada dua. Kalau untuk HP itu kita rekomendasikan untuk infectious diseases kayak malaria lepra o70 OSIS kalian sebagainya. Tapi kalau kanker itu kita sarankan menggunakan kamera digital. Cukup menggunakan mikroskop yang ada di laboratorium menggunakan kamera digital dari kami atau kamera digital yang ada di laboratorium plus menggunakan software kami. Terus kita geser-geser secara manual ia menghasilkan apa beberapa scanning area yang kita inginkan seperti itu. Nah, ini contoh apa mudah untuk melakukan analisis. Jadi intinya nggak menggunakan nggak melihat dari lensa okuler lagi. Jadi udah full menggunakan monitor monitor PC itu untuk. Terus yang duduk diam kedua yaitu kita sedang membangun microskin Robotics. Jadi pada dasarnya kalau ini bukan manual. Kalau yang atasnya lebih The Manual. Jadi menggunakan mikroskop binokuler kita geser-geser secara manual keinginan dari user. Tapi kalau yang mikro scanner yang kita temui itu secara full otonom. Jadi tinggal sleep 4free kita masukkan ke dalam device otomatis dia menjadi secara otomatis seperti itu. Biasanya kalau di website itu terbesarnya 20-40 kali untuk teman-teman pay itu mengidentifikasi suatu kasus kanker seperti itu. Mungkin saya naik saja karena terlalu teknis untuk informasinya. Bisa dicek di Hannover vs ini sih link-nya nanti saya kirimkan kalau teman-teman ingin apa ya Melihat lebih jauh tentang teknologi robotik Jami ini yang kita sebut sebagai My Life. Enggak hanya kita itu mau minus ada ada Citra. Jadi kita itu juga mengkolaborasikan informasi yang ada di spesimen apa namanya Roger atau kanker itu. Katakanlah ketika ada pasien kita Anom anonimisasi menggunakan kode. Setiap normality nya kita intuk eh samping Kresna didata ini bisa diakses oleh IMF di masa di Ia sekarang itu teman-teman di rumah sakit itu ketika aman tea patologi anatomi melakukan identifikasi itu hanya berupa kayak surat gitu ke dokter penanggungjawab atau pun dikasih ke dokter bedah. Nah, kita itu ingin merevolusi sektor digital laboratorik itu lebih-lebih tips Lebih Detail. Jadi ada informasi gambarnya plus ada informasi terkait keterangan dari patologi anatomik. Dan ini bisa dieksekusi oleh teman-teman laboratorium lain ataupun dokter penanggungjawab seperti itu. Dan ini ya seperti kita oh fakhrurrazi. Jadi Katakanlah mencuci kalisasi tanya di laboratorium kristadi diakses oleh teman-teman di rumah di cafe di rumah atau dimanapun berada sangat-sangat bisa sekali seperti itu. Terlebih ini untuk kolaborasinya. Jadi teman-teman user itu bisa kita kondisikan bisa kita jadikan admin atau reviewer. Jadi ini fungsinya hanya untuk eh security itu. Jadi Ed Ia nggak berhak dia untuk melakukan penandaan. Dia fokusnya hanya untuk mencuci tali sasikan aja. Ya udah dia proposal digitalisasi. Nanti yang melakukan identifikasi atau masukkan itu dari dokter part oleh itu sangat dengan bisa sekali kita atur Didi apa visibilitas usernya seperti itu. Kurang lebih ini ada beberapa tools tools ini sebenarnya enggak hanya berfungsi untuk menandai tapi disamping itu sebenarnya tulis ini sebagai pembangun halo ah membangun solusi eight. Jadi karena pada dasarnya itu semacam kayak transfer penulis seperti itu. Jadi kalau teman-teman daripada melakukan identifikasi penandaan. Nah, dari proses penandaan ini bisa kita lakukan training atau pelatihan gagasan dengan digital bangun model ia sesuai dengan eh apakah sukira pangan hasil itu. Eh yang kedua kita masuk ke solusi Eagle platform. Jadi ini lebih ketat com each kami. Jadi misi kita itu menghadirkan Hai untuk teman-teman dokter ataupun peneliti bisa membangun model eyes secara mandiri. Mungkin kalau skema ea yang ada di sekarang itu meledakkan dari a sampai z Itu dikenal ke dilakukan oleh developer. Itu mulai dari pentet penagmen penandaan. Terus apa training habis itu validasi akurasi a sampai z dikenalkan sama developer. Kalau di sektor help itu tidak bisa seperti itu. Jadi seperti Katakanlah smart city itu ketika saya Indarto yang mencium teman-teman developer itu bisa karena saya itu obyeknya jelas gitu. Nah, kalau di bidang medis khususnya di p35gk itu hanya menyediakan tools yang melakukan penagihan atau penandaan itu dari teman-teman dokter-dokter P ataupun radiologi. Press nanti kita transfer penulisnya ke dalam eh kalajengking ini. Terus kita tren menggunakan algoritma kita. Dan itu sebenarnya yang melakukan training dari pihak dokter itu bisa. Tapi kita menyediakan ditipu untuk untuk memotret model yang sudah kita Tandem dan tembakau seperti itu. Ini lebih transfer transfer apa ya penulis natural penulis seperti itu. Jadi disini lebih kita main biarkan tools yang dimana tools ini eh solusi untuk mempermudah secara visual visual ketika teman-teman itu mengidentifikasi suatu objek. Katakanlah kalau diberi sensor untuk xxyyxx Seven immunohistochemistry Itu kan berapa total immuno positif negatif itu kan counting gitu. Nah, counting itu ya bisa berupa bonding box itu. Katakanlah iman positif Berapa jadi berapa ataupun di malaria Plasmodium Vivax plasmodium malaria totalnya berapa itu istilahnya counting seperti itu. Ini bisa kita gunakan tools Untuk counting seperti itu. Kalau di breast Cancer kayak tumor grading itu kita menggunakan classification atau segmentasi. Jadi membentuk Cancer nya seperti jadi ini kita kembalikan ke teman-teman user ataupun dokter ataupun peneliti untuk membangun suatu solusi yang diinginkan oleh teman-temannya seperti itu. Nah, solusi itu ada beberapa bisa digital patologi bisa di semua image kayak daikom. Terus apa namanya full-size sebagainya. Ati extratorrents.cd Scan ultrasound muskuler mr.roy dan medical imaging lainnya Raffi seperti itu. Nah, intinya untuk membangun machine-learning atau tipe learning atau East Junior robot itu bukan menggantikan temen-temen profesi KYT neurobot itu lebih pada mengkolaborasikan ciuman intelligence kecerdasan manusia dengan artificial intelligence. Jadi Oke kita itu lebih pakai meski lengkap. Bukan menggantikan ketika disusun making untuk kalau diagnostik ke pasien tiap nasib Pasien itu tetap dipegang oleh PH cuma kelebihannya kita itu untuk mempercepat proses aja gitu. Kita dengan dermatitis itu biasanya konvensionalnya yang kita tahun itu biasanya ketika menggunakan kasus-kasus karya itu sampai berhari-hari bisa tiga hari 4 hari itu harapannya dengan Hai itu hitungannya enggak hanya jam tapi menit itu mempercepat proses biasanya ketika pasiennya banyak kalau waktu identifikasinya lama akan otomatis astajim keselnya akan tinggi meningkat. Harapannya dengan teknologi ini bisa kita bisa kita tekan untuk membantu dalam diagnostik untuk teman-temannya pea radiologi dan sebagainya banget seperti itu. Nah, Jadi intinya di Ini orang begitu lebih pada heboh. Mungkin 2 menit lagi deh. Oke, ini lebih Transfer aja ini contohnya Ini pelabelan di beberapa sektor kayak dicetak patologis apa scan ultrasound sekolah dan sebagainya. Ah, ini lebih kolaborasi packing atau pelabelan antar patolah. Karena kalau melakukan pelabelan 14 oleh itu sangat impor daging bisa kolaborasi antar pea ataupun radiologi itu untuk kolaborasi secara bersama-sama untuk kita breakdown dan asetnya itu. Nah, ini contoh yang kita bangun Oh untuk autotext. Jadi mengkaji itu nggak usah 11. Jadi salah satu parameter. Jadi nanti sisanya ini membantu untuk memproses pelabelan. Kita Sweep ini contoh pelatihan data. Jadi teman-teman dokter itu nggak usah bisa kode. Jadi model itu sudah bisa untuk melakukan ngetren secara otomatis. Modal yang kita inginkan dan nanti divalidasi oleh teman-teman dokter itu. Misalnya saja teknis ini perang lebih hanya jikalau kita itu kayak kasih satunya penipu ox keduanya kita segmentasi beberapa apa morfologi strategi. Nah, ini untuk validasi hati itu gimana intelijen dengan. Jadi divalidasi oleh dokter sudah akurat atau belum. Kalau belum kita lakukan reprint ulang itu. Ini lebih ke security-nya. Jadi intinya disini itu lebih ke ethical clearance. Jadi sebelum platform dimasukkan ke kita sudah ada ethical clearance ke dokter dengan pasien seperti dalam platform kita itu hanya berupa data imaging dan informasi Pasien itu enggak ada. Kita anonim nasi pakai kode seperti itu. Kurang lebih mungkin sekian Pak Lukman. Nanti bisa kita apa ya belajar bersama dan tanya-jawab. Mungkin sekian Pak Lukman. Monggoh.

[Musik]

Dan founder dari crack mata pompa Indarto. Berikutnya langsung ke narasumber kedua, Pak you Paris Yusuf Bachtiar dari Uchiha Analitik. Untuk Pak cinnarizine siap. Izin share scanned, Pak Lukman. Gheamichio12 sudah disampaikan banyak ya oleh Pak Indarto mengenai teknologi yaitu dan deteksi deteksi Best Western kesehatan sudah banyak disampaikan. Jadinya saya sedikit memberikan overview jadi tentang hadapi kita pada dunia kesehatan modern. Eh, jadi kami dari Widya Analitik. Jadi sedikit perkenalan dulu. Kami dari dan antik merupakan sebuah startup yang bergerak dibidang epidata. Nanti ketika ia memang spesialisasi kami biasanya di harta Made online cash. Kemudian ada di pendidikan. Ayo kita dapat juga dengan Kementerian kependidikan kebudayaan untuk untuk nbk 2021. Menerima dari bareskrim untuk digital forensik. Kemudian ada Pemkot Yogya untuk pengembangan sistem informasi untuk kerjasama teknologi terkait dengan identik data. Kemudian ada dari udah dari pusat studi energi untuk pengembangan geospasial mapping. SP dengan untuk untuk Restoran Big data. Kemudian dengan tamtek ini ada terkait dengan sistem informasi rumah sakit ya. Eh, untuk bidang kesehatan memang kita eh ada kerjasama juga dengan Ice dan emery di UI untuk pengembangan eh identik data untuk kesehatan ya. Oke, ah next.

Jadi ini saya mengutip sebuah perkataan sok modern kecukupan bulel kayaknya di kalangan para dokter. Jadi seperti yang disampaikan sebelumnya, Attention please, Note the Battery dokter, tapi untuk memperkuat ke jazmen dokter untuk bisa memberikan pelayanan terbaik gitu ya. Membantu intinya membantu bukan menghentikan. Jadi mungkin sedikit menegaskan tangga itu apa sih gitu. Jadi mungkin Bapak Ibu mungkin yang ada di sini Aku tetap Mungkin ada yang familiar yang belum familiar dengan Hai. Jadi itu sebenarnya adalah sebuah metode untuk membuat sebuah intelijen Saigon itu. Jadi mesin atau sebuah entitas yang kita sebut mesin komputer atau ataupun perangkatnya itu dapat meraih input dari informan. Dapat merespon secara Madrid. Jadi istilahnya dalam tanda kutip bisa berpikir. Maka dari itu disebut artificial intelegence. Mesin bisa berpikir secara mandiri. Metode respon berpikir ini menduduki urutan makhluk hidup. Jadi ada dari manusia. Mungkin dari semut bukan dari apa lebah itu kan dibuat metode kita apa namanya Apa sih akibatnya dibuat untuk bisa ketikin sama diri mesin seperti itu. Di bagaimana bisa berpikir? Nah, tentunya dengan inputan data yang besar. Kemudian kita ada proses training tadi yang sudah sampaikan replace staining untuk bisa memberikan hasil yang lebih baik. Jadi kita memasukkan training memasukkan kecerdasan dalam mesin akan mesin bisa berpikir secara mandiri gitu ya. Kemudian eh, three mesin kenapa ke identitas sebuah kaitan yang sangat erat karena biasanya e apapun metode yang baik mesin maupun di planning itu membutuhkan eh data yang besar. Jadi untuk pembelajaran mesin kita butuh data besar. Dan di dunia kesehatan mungkin saya pribadi saya sudah beberapa makan beberapa kali Februari set mengenai deteksi adalah. Kemudian ada juga mengenai mereka voting. Kemudian ada sedikit membantu mengenai aku namanya genome sequencing. Ini datanya so raksasa semua. Jadi yang perlu kita Consider adalah data-data dunia kesehatan ini hamster dan juga bentuknya sangat besar gaya ternyata image nggak ada kirim sekenceng. Bahkan cuma huruf-huruf doang gitu. Kemudian ada I Max juga dari HDX dan gak ada struktur dari protein dan juga molekul di bidang kimia molekular GTA. Wisata Processing untuk pemproses sing Dela kecil biasanya tetap kita butuh komputer. Tetapi untuk data besar ini juga nanti akan saya sampaikan dia akan sebagai konsideran bahwa saat ini kita nggak bisa lagi kita bergantung pada sistem 1 komputer komputer tunggal. Tapi kita harus bisa membuat sebuah Cluster grade teknik yang bisa mengakomodasi besar besarnya data yang ada saat ini.

Oke, mungkin eh untuk di dunia kesehatan ya. Sudah lama dikenal. Pertama kali diperkenalkan di Stanford University di USB tahun 1977 oleh Sutcliffe. Jadi pertama kali dibuat oleh namanya mesin. Jadi sebuah LED Space ini merupakan salah satu Atek lagi paling primitif untuk kayu menggunakan tool best untuk pengobatan infeksi thesis yang berdasar dari bakteri. Iya. Jadi sistemnya murahan expert system disebut exposition. Pada tahun 1977 itu sudah sangat canggih. Namun pada saat ini merupakan salah satu teknologi yang sudah paling primitif menggunakan voltase. Jadi cash yang ada itu dimasukkan kedalam sebuah preseden jin. Jadi bahasanya Apabila ada gesper Tini jawabannya apa ya? Jadi detail mesin detail. Kemudian bisa berpikir secara mandiri. Bagaimana menemukan Kesa jawabannya harusnya b gitu ya. Jadi itu salah satu sejarah. Kemudian ada internet untuk klik medical report. Ini juga sebuah perkembangan dari micin di Hip inspect edit di ajukan oleh metode dan kawan-kawan Batak pada tahun 186. Daniel merupakan salah satu marston. Gimana the performance by pada saat itu sudah mencapai 72 persen. Jadi kalau minta di sekitar 60% eh heheh sintetis ini sudah 700n. Sementara di perkembangane modern kita mengenal bahwa akurasi yang dibutuhkan itu di atas 80% agar bisa masuk ke production production segitu ya gunakan oleh bidang industri. Gitu. Bahkan industri bisa menuntut di kadang-kadang dikasih kami itu 94 persen akurasinya. Use. Jadi kita langsung didatangi usai didata. Dan pada kesehatan. Jadi sudah disampaikan di depan oleh Pindad Om. Jadi ada deteksi Cancer dengan menggunakan medical imaging recognition. Itu saya pernah makan riset yang meneliti Partition desain konvensional Network. Jadi bagaimana sebuah komputer bisa mengenali mana normal futsal mana yang lebih kimia i. Salah satu kalau sekarang jadi sales di medical imaging. Salah satu yang dasarnya untuk bisa kita eh packing mana yang like nya mana yang normal website. Kemudian eh diperusahaan kami juga salah satu rekan kami juga melakukan penelitian mengenai briantomo detection besok senen ini dengan Distinguish image. Mana yang terdeteksi adanya sebuah masa di dalam otak menggunakan gambar radiologi mana yang tidak. Kemudian ada ini yang sedang kami kembangkan juga diperusahaan kami di salah satu sister company kami di Widya imersif itu ada namanya tradisi tradisional chinese medicine yang akan kita kembangkan menjadi namanya tradisional Indonesia medicine atau sistem operasi informasi obat ternyata grasi Indonesia gitu ya. Jadi kita menggunakan 4nd didahului bisa mendeteksi adanya tanda-tanda penyakit ke kondisi kesehatan seseorang bisa dideteksi menggunakan sudah ini masih tahap riset. Jadi masih cukup panjang. Karena kita mengekstraksi pengetahuan yang ada dari pengobatan Cina kuno menggunakan lidah itu ya. Kemudian ada yang cukup populer sekarang ini juga ada struktur commission menggunakan medical imaging juga. Jadi kebanyakan memang kalau di untuk Lab memang kita banyak bermain dengan data-data yang bersifat image itu ya. Kemudian yang pernah saya lakukan juga untuk membantu salah satu rekan saya di HH Liverpool itu adalah untuk legenda nelayan. Jadi agen omspans ingini eh Kemarin kasihnya adalah nyamuk Malaria. Bagaimana kita bisa mendeteksi adanya eh baleria dalam darah menggunakan perubahan DNA yang ada dalam darah. Jadi eh adanya apa namanya zat-zat tertentu yang ada dalam darah ini bisa kita keluarkan hasil genomnya. Kemudian kita deteksi ya menggunakan pattern recognition. Ki kalau kini isinya datanya adalah data-data bentuknya value dan juga bentuknya string. Dan ini juga besar sekali karena satu orang Mungkin kemarin cash kita di eh malaria kita bisa dari satu data bisa 100 Mega bakal. Padahal kita harus mendeteksi lebih dari 1000-10000 jenis genre untuk bisa melakukan pattern recognition gitu. Jadi data yang dimainkan besarnya sudah tera byte itu dalam cash kecil. Belum lagi pada ke sebesar seperti pada digital forensik DNA DNA yang dimainkan tentu saja jauh lebih besar pria untuk Canon scan sing. Kemudian Ia juga salah satu Project yang kami lakukan kemarin di copied. Jadi eh apa Pak kita membantu dalam postingan Hong juga kami. Kita Partnership dengan Evi dia untuk bisa melakukan komputasi untuk disebutkan putih. Ya, karena kami juga partner produk di Nvidia untuk bisa melakukan eh simulasi pembuatan obat covert gitu ya distributor yang menggunakan platform video dan juga kita ikut di Performing at home itu. Jadi kawan kita sudah sudah analisis datanya gila luar biasa besarnya gitu ya. Habib kita kalau bahasanya dari dari cash kita dipolink ekonominya itu masih segalanya segalanya sudah masuk terabyte. Kemarin kita ada casting Universitas Universitas Diponegoro dengan salah satu paket kami datanya cukup besar 10 terabyte hanya untuk ke anaknya molekuler simulation gitu ya deteksi penyakit. Jadi eh big-data tnya sudah sangat terlihat itu untuk cash-cash macam ini. Kemudian ini kerjasama kami dengan laboratorium sistem komputer di jaringan di Universitas Gadjah Mada di FK UGM. Jadi kami kemarin membantu untuk membuat sebuah dashboard dan suka atletik data dari respon kofithar 19 peta epidemiologis untuk respon paling awal. Salah satu respon paling awal ketika kita copy tadi awal bulan April sudah sudah memulai inisiasi pengembangan analisis epidemiologi ini gitu menggunakan data-data yang masuk terus-menerus dari berbagai relawan di 34 provinsi seperti itu. Sampai hari ini alhamdulillah ini masih berjalan dan kami cukup bangga menjadi salah satu pioner di Indonesia dan juga di Yogyakarta yang untuk sebelum ada sistem yang saat ini sudah sangat terintegrasi. Kita sudah mendahului temen-temen untuk buat salah satu akan epidemiologi analisis ini gitu. Oke, berikutnya Ada hal monitoring dan cuman computer interface. Nah, ini yang pernah saya kerjakan salah satunya adalah PCI yaitu Grand computer interface. Jadi bagaimana kita menggunakan sebuah eight kering untuk bisa mendeteksi pergerakan yang ada dalam pakai akan keputusan pengawet urusan dalam dalam menggunakan gelombang kotak gitu ya. Jadi gelombang otak ini kita kita proses menggunakan ini kering. Kemudian kita meminta responden untuk bisa menentukan arah kanan dan kiri. Kemudian menentukan warna merah dan biru. Hasilnya juga eh masih ini ya. Karena Egi kering ini merupakan teknologi yang masih cukup baru. Tidak seakurat DG basah yang harus menggunakan Jl Dalam penggunaannya. Eh, ini masih apa namanya masih banyak noise. Masih banyak galatnya dalam pengambilan data. Jadi biasanya akurasinya masih diantara 50-60 persen. Jadi belum begitu bagus untuk prosesnya. Kita juga menggunakan yay untuk bagaimana kita melihat tren dari gelombang-gelombang Eyang khas sebenarnya. Padahal state otak tertentu gelombang-gelombang yang dihasilkan akan ke bertepatan berlokasi pada frekuensi tertentu gitu. Kemudian yang sekarang lagi populer eh sebanyak temen-temen sedang anak-anakan bapak ibu semua eh menggunakan Apple watch. Jadi evaluasi ini sekarang lagi populer karena saving lives gitu ya. Mereka menggunakan teknologi salah satunya adalah drop detection. Jadi dimana ketika dia terjatuh dia bisa merekam bulan gitu otomatis. Jadi banyak beberapa sudah ada beritanya. Salah satunya saya ambil di sini itu ketika ketika si korban mengalami kecelakaan cfw ini dia mendeteksi adanya benturan dan juga jatuh sehingga bisa collection untuk pelayanan kesehatan terdekat. Kemudian juga saat ini kan Smartwatch sudah dilengkapi dengan banyak sensor. Salah satunya Eka geh4 suka sekarang Fatoni kakinya di Smartwatch bisa mendeteksi adanya anomali aritmia serangan jantung juga Mulai mulai diperkenalkan gitu ya. Untuk bisa memberikan awet kepada pengguna ada yang tidak beres masalah Dika Abadi jantungnya gitu. Cukup populer saat ini. Kemudian ada emas not4x sekarang yang cukup popular brand fesyen di berbagai tempat. Jadi kami juga kemarin membantu teman-teman juga disetor company di BNR shift dalam pengembangan jumping. Jadi di Widya grup sendiri kami di Widya grup itu ada produk juga jam pintar ya namanya wis. Jadi sekarang yang sedang kita kembangkan ada kios sehat itu. Jadi semacam ATM tapi bisa mendeteksi kondisi kesehatan gitu ya. Di antara putih itu diduga masih dalam proses development ini dengan sister company kami kesehatan kami. Kami dalam hal pengolahan data tapi cepet sistem dari croce Hat gitu ya. Karena mereka berisikan dokter-dokter. Jadi ekspornya ada di sana. Kemudian kami juga pengembangan dari sister company kami dengan produk mereka yang namanya wis. Jadi jangan kesehatan. Dimana jemur setan ini utamanya bisa mengukur layaknya jam Smartwatch yang pintar saat ini. Ya, mereka bisa mengukur eh komponen-komponen kesehatan yang ada dalam badan kita. Mulai dari temperatur, melihat tekanan darah, mulai dari detak jantung, kemudian bab laju pernapasan dan kemudian ada spo2 gitu ya. Yang sekarang populer dan ini masih dalam pengembangan. Kemudian kita juga sedang mengembangkan sebuah telekonsultasi untuk dokter herbal. Jadi karena tadi kita sedang fokus juga untuk pengembangan sistem informasi obat asli Indonesia. Sehingga salah satu platform yang kami gunakan adalah menggunakan ycat God untuk bisa rencana kutip kita memiliki kecerdasan seorang dokter untuk ke Chase Alpha telepati ni. Agan nanti chatnya bisa lebih alamiah. Meskipun saat ini kita masih menggunakan dokter asli ya. Itu tapi kedepan kita sedang mengembangkan untuk bisa bagaimana kita bisa memikat dokter dalam hal melayani pasien di tahap awal. Bukan lokal diagnosis tapi bagaimana kita bisa melakukan pertanyaan-pertanyaan sederhana untuk bisa menanyakan kondisi pasien pada tahap awal observasi kesehatan. Kemudian eh dengan banyaknya data saat ini dikarenakan data cukup besar Yap lagi eh dengan pemrosesan yang serba serba digital serba teknologi seperti yang disampaikan pasintel tadi dengan produknya di neola for dinner Alex luar biasa sekali. Jadi yang jadi jadi kosan kita salah satunya kasus kita juga dibeberapa Rumah Sakit cuman membantu untuk pembuatan sistem informasi massaged adalah personil yang Siapkan dengan adanya ecafe ini. Gitu. Jadi enggak seorang pelayan Kesehatan tidak bisa lagi lepas dengan apa teknologi. Gitu. Jadi perlu adanya training kursus atau persiapan khusus bagi usaha-usaha kesehatan kita untuk bisa memanfaatkan teknologi ini gitu. Eh penanganan konflik juga kemarin bisa diperparah Ambilah bisa di cukup baik ditangani dalam waktu yang cukup cepat dan sebuah Kan demi itu dengan dengan adanya teknologi icsas ternyata di dengan perkembangan simulasi molekuler. Kemudian ada kirimkan sing itu sangat membantu dari peneliti dan juga pelayanan kesehatan untuk bisa segera menanggulangi kasus-kasus yang ada di lapangan. Jadi kami lihat memang untuk Indonesia ini secara umum memang perlu adanya persiapan personil yang memang familiar dengan Hai dan big data seperti itu. Jadi Insya Allah kami harapkan memang kami juga Bergerak dalam bidang training dan identik terjadi mungkin nanti bisa mulai kerjasama dengan yang bener-bener kesehatan. Jadi win-ht tiada kecil kita bisa diskusi dan mungkin bisa membangun kerjasama dengan Eva kmk UGM nantinya untuk bisa eh kita bisa membangun awareness. Sekarang kita lagi sedang membangun awareness kepemerintahan cavendish sistem pemerintahan berbasis elektronik. Tidak kami ingin suatu saat ke bisa ada channel dan bisa ada kesempatan untuk bisa membangun wellness ke teman-teman pelayanan kesehatan itu. Kemudian eh tentu saja yang kedua dari sisi infrastruktur. Tadi dari Mas Indarto juga mulai lagi saya ada sudah menyiapkan berbagai infrastruktur yang sangat membantu sekali untuk temen-temen yang ada di depan laboratorium. Karena memang tentu saja dalam pemrosesan data yang ada dalam dunia kesehatan ini besar sekali. Sebagai contoh gambar-gambar radiografi itu ukurannya besar. Apalagi dalam skala belum tentu dalam skytech bisa kita Aa diagnosis yang mungkin kita butuh 10.000 atau Rp100 image untuk bisa melakukan sebuah penentuan keputusan dalam. Itu pun juga masih butuh bantuan seorang kita butuh kita eh tidak bisa secara mandiri bentukan sebuah diagnosis gitu ya. Itu eh bayangan saja 30 Mega kita butuh 1000 data. Jadi sekali Processing bisa 33 yang Tentu saja itu membutuhkan sebuah mesin dan enzim yang cukup personal yang cukup ke mempunyai untuk bisa melakukan pemesanan ini gitu. Kemudian data-data eight juga karena ini kan bentuknya streaming Bentuknya apa sinyal itu juga butuh penanganan khusus dengan infrastruktur khusus. Karena data-data ini juga sangat sangat rentan dengan noise. Karena powernya juga rendah ya di data-data bentuknya sinyal ini. Kemudian catat agen omspans ini bentuknya sudah sangat besar. Jadi skalanya pekan satu orang manusia bisa kalau di dalam satu genus konser tuh bisa memetakan South Sumatera seluruh DNA dalam kromosom. Itu bisa mencapai 100-200 Tiga Dalam Satu Manusia. Kalau sekitar kita mau membandingkan berbagai apa beberapa ratus orang.

Itu Bayangkan saja data yang ditoreh versus Berapa sudah seberapa besar biaya. Kemudian eh dengan adanya ini maka perlu adanya sebuah integrasi, sebuah kebijakan khusus yang dikembangkan dalam hal Smart Health. Smart Health sini ya, jadi karena kita membutuhkan sebuah infrastruktur yang cukup besar, Australia cukup-cukup ahli, maka tidak menutup kemungkinan bahwa stakeholder harus bisa membuat sebuah respon yang cukup baik dan mendapat memikirkan adanya dicapai ini gitu ya karena pengamanan data yang besar gitu. Jadi tidak lagi sekedar riset, saat ini AI digunakan sudah dalam posisi practical seperti itu ya. Makasih mungkin itu dari Akademi selesai saya.

Jadi dalam journal medicine besok memang sains yaitu unsur tertib dan PPSSPP CD itu. Terima kasih saya kembalikan Bapak Lukman. Matur nuwun. Matur nuwun Mas Faris. Much sekarang sudah Fahrizal. Oke sini sphecidae menjadi teknologi Widiana. Baik emangnya sekarang sesi diskusi ini dari tiga pertanyaan dulu nunggu. Silahkan yang mau bertanya ke Pak Indarto atau ke Mas Faris. Bahkan ada yang langsung atau mungkin langsung open open open. Mungkin sambil nunggu wajah pertanyaan ya. Oke saya depan untuk bersama mengawali pertanyaan garam mungkin yang lain masih apa ragu-ragu untuk bertanya itu karena istilahnya juga sangat pepaya sangat tidak mungkin beberapa diantara kita tidak familiar ya dengan istilah-istilah tadi. Nah tetap apa-apa Indah ketemu ke Paris ini pengalaman eh apanya robot atau ide analitik yang terkait dengan ada training itu sebenarnya seberapa banyak ya data training yang dibutuhkan. Memang semakin banyak semakin bagus, cuma kan ada konsekuensi terkait dengan infrastruktur dan terkait juga dengan kemampuan analitik dan seterusnya. Tetapi idealnya itu seberapa besar ya data training yang dibutuhkannya untuk untuk apa ya setidaknya minimal bisa mendekati dari apa yang kau expert ya lakukan kampanye. Terus kemudian seberapa susah mendapatkan data-data itu. Tidak mungkin kau di Kedokteran itu isinya ada privasi confidentiality terus kemudian ada apa namanya ya ya kalau data-data pasien yang yang M ya banyak-banyak aturan-aturannya yang terkait dengan mengakses data tersebut. Mungkin dua pertanyaan itu Barangkali Pak Indarto Paris punya pengalaman.

Ah mungkin saya yang pertama. Terima kasih ah Bapak. Jadi mungkin kalau hari kami neurobot yang pertama kita akan share terkait pengalaman kami sih kemarin kita menjadi salah satu kustanto fitnah intim konsorsium dengan bppt Kemenkes YKT Farma. Jadi tiap menggabungkan institusi apa namanya swasta atyrmln dan pemerintah seperti itu. Kita fokusnya lebih pada konflik naikin untuk konsernnya itu sebenarnya menscreening Pasien itu dia profit atau nggak tapi menggunakan data dari sitisken mirip kayak hinose nakal jelaskan dari hembuskan nafas. Kalaupun standarnya tetap menggunakan syiar. Nah kita itu mirip kayak Chinese tapi menggunakan data dari ct-scan dan toraks tepang taruh situ. Jadi yang diambil yang dianalisis itu data barunya itu kita Kebetulan kami itu di divisi timdata mailing jadi yang mengerjakan Gatot Ying yang mengambil data Gimana caranya dari sebagainya Itu kebetulan dari neurobot seperti kalau untuk model bareng-bareng gitu. Nah itu datanya kita Kemarin sekitar A500 dataset pasien 500 Pasien itu kalau disini scan itu sangat sangat menantang karena datanya itu korbannya gai.com kalau temen-temen radiologi mungkin kalau kita lihat time tanda tanya itu namanya DCM itu. Nah itu kalau saat kalau sitisken itu kan dia modelnya kayak modal idenya kritis itu gede banget jadi satu pasti itu bisa serat bisa ratusan Slice jadi kayak roti dipecah itu jadi kita bisa melihat kondisi abnormal itunya gimana dan sebagainya ketika kita putar dari software itu. Nah itu kita lakukan dan pengambilan datanya itu sangat-sangat susah karena di Indonesia itu rata-rata dianggap mempunyai x-server x-server itu kayak server yang dia fokusnya itu untuk eh memilih atau mengkondisikan data.com itu secara Sentral. Jadi kita itu ke masing-masing rumah sakit untuk ngambil senjata ada yang datanya digital ada yang belum digital lupa sedikit kita digitalisasi kan manual kita latih datanya yang pertama terkait digitalisasi yang kedua itu terkait tethering ini King pernah pelabelan datanya. Jadi untuk melabeli datanya itu dilakukan oleh remora deollong hadiah Udah spesial semua dari rumah sakit Bunda dan rumah sakit RSCM itu dia itu melakukan pelabelan berdasarkan visualisasi top warna gitu jadi pencuci punya sebelah mana console DPnya berapa persen dari sebagainya. Nah data dari Imagine itu diparkir sama data simtoma jadi daerah symptom itu kayak semacam informasi pasien ini kelelahan atau nggak dia punya pop betapa dan sebagainya didata dari Imagine digabungkan dengan dana symptom perdata itu ditraining seperti itu terus dilakukan validasi oleh radiologi itu sekitar 90-an Basten 995 saya lupa itu terus habis itu baru di testing ke rumah sakit rumah sakit rekanan kami itu gratis dan itu sampai sekarang juga gratis karena itu kan ojek sosial seperti itu cuman hanya memang terkait device harus Pasien itu harus ke rumah sakit terus itu enggak semua itu mempunyai sitisken Rezky mahal banget beda dengan PCR yang dipasang di beberapa Rumah Sakit kurang lebih seperti itu kalau pengalaman dari kami jadi kita itu dataset sekitar 500 itu 500 500 pasien kali kalau satu pasal 103 diberikan tapi kita melihatnya itu dari bekas yaitu orang itu seperti itu kalau dari kami.

Oke Mungkin sedikit tambahan dari saya kemarin ada pengalaman juga di IMEI di pusat mahadata kesehatan di UI kemarin kita juga sobat dardak oleh untuk pengolahan datanya eh cukup besar Pak Jadi kemarin kita memang Masih masih ke arahnya riset yang untuk untuk deteksi photocopied itu kemarin eh itu kemarin kita training hampir Rp10.000 data radiologi karena cepatnya sudah dibentuk image untuk bisa Processing itu besarnya sudah hampir 10-20 Tera untuk untuk keseluruhan gambar. Jadi eh mesin yang kita gunakan juga untuk bisa melakukan ke apa namanya segmentasi dan juga preprocessing terhadap gambar tersebut juga agendakan data tersebut harus dipecah-pecah hadiah seperti yang masih jatuh katakan bentuknya beberapa slide untuk bisa melihat dari perspektif bentuk paruh yang mana gitu ya yang mengalami kerusakan dalam konflik seperti itu. Itu butuh waktu cukup lama dan kita terkendala kembali pada data packing sebenarnya pada data kesehatan itu kalau menurut beberapa dokter di emery itu eh paling tantangan paling besarnya adalah mesra leveling data. Jadi data-data kesehatan ini kan datanya berupa struktur bentuk image untuk bentuk string dan value itu datanya belum tertera label padahal apa yang dilakukan di dunia kesehatan dan kebanyakan adalah faktor recognition gitu jadi the dan juga melihat sebuah pola gitu. Nah itu membutuhkan kode isi menseting dan yaitu butuhkan data yang terlampir itu kalau ingin bagus hasil yang kita ya kecuali memang ada dua metode jenis misalnya supervisor untuk melakukan clustering kemudian baru nanti kita proses dengan service learning gitu untuk bisa mendapatkan hasil Tapi tentu saja data-data yang berlabel oleh ekspertis jauh lebih baik daripada kita menggunakan clustering baru kita proses menggunakan apa namanya supervisor link itu. Jadi infrastrukturnya tentu saja harus siap. Kita kemarin kalau kalau ini kita kalau masa investor di merek kemarin kita disediakan engine dari Nvidia dj.exe apa ampera itu juga trainingnya ya Iya ternyata nyamain Lumayan deh sekitar kita putus kita 12 jam sampai satu hari untuk bisa melakukan satu cycle pelatihan data seperti itu. Itu yang pernah kami temukan di Pak dilihat di Kediri email hidup kemarin untuk membantu dalam hal analisis data farruko Fit. Ya makasih Pak Vespa Indarto cukup besar ya artinya memang harus siap juga dari Siti satu datanya terus kemudian dari sisi infrastrukturnya juga ya untuk mengolah data tersebut.

Bapak Lukman saya kembalikan. Masih eh Maturnuwun tepuk. Eh ini ada pertanyaan dari Depok ini ya mungkin ini sebenarnya juga bertanya bertanya kepada Pak Hendarso dan Mas Faris sudah jelaskan bahwa kita setelah teknis yang membuat itu susah gak diceritakan pengalaman untuk kesulitan nonteknis. Nonteknis.

Terima kasih Pak Lukman. Kalau dari sisi teknis yang pertama ada dua suka Mima apa ya secara lebih besar yang pertama itu terkait regulasi. Regulasi itu yang pertama itu mengharuskan kalau data medis itu harus concert di Indonesia gitu safarnya. Tapi sekarang sudah banyak beberapa cloud computing yang ada di Indonesia untuk menghindar data itu kayak semacam Alibaba terus habis itu Google Amazon Microsoft itu di Indonesia kecuali oleh PM sama Oracle tahu saya. Jadi sebenarnya enggak enggak masalah sih menurut kami karena data yang sudah dimasukkan ke cloud computing itu sebenarnya urusan-urusan cloud computing itu sudah disertifikasi hebat hahai double tape betah. Itu semacam ethical clearance dari FB ini ketika perusahaan cloud computing itu memanfaatkan data tanpa meminta izin kepada kita pihak platform itu dia mendapatkan sanksi pidana perdata dari SDX seperti itu bisa di perusahaan bisa ditutup itu. Nah itu yang pertama di situ. Yang kedua itu kalau solusinya di lokal gitu depan premis itu cuman kan kalau data-data itu kan apa ya oh untuk mainkan nonstop alat server dan sebagainya Itu kan sangat gede biayanya gitu kan biasanya rumah sakit dan sebagainya biasanya lebih simpel sih Tapi beberapa rumah sakit memang itu yang pertama tapi enggak masalah pada dasarnya kita sebagai industri mau kita rotiklod atau ditaruh di papan premis itu enggak masalah. Terus yang kedua terkait ethical clearance. Jadi kalau tidak mungkin nanti masih dari bisa menceritakan pengalamannya kalau kita mainin fokus eh apa image itu kan jadi yang masuk ke form kami itu enggak ada informasi pasien. Jadi dia itu menggunakan kode pasien jadi sangkakala electronic medical record Jendral rumah sakit jadi nanti yang diinput lakon kita itu hanya foldernya nanti tinggal Rusak nanti langsung dia connect tapi terkait informasi terkait imagenya itu di belakang kita Tapi pada dasarnya kita enggak tahu apa objek kode sekian itu miliknya pasien siapa kita enggak tahu. Nah itu kemarin kita meeting dengan beberapa dokter pea radio itu enggak masalah itu lebih pada itu teman-teman profesi baik itu radiolog ataupun patolog dan sebagainya itu memberikan approve kepada pasien ketika ketika datanya itu dihapus ke dalam baskom jika itu kurang lebih keras yang terakhir mungkin kalau dari kami itu terkait digitalisasi sama penuh dengan atau pelabelan karena pelabelan itu proses transfer penulis dari apa namanya cuman intelijen atau experience nya teman-teman dokter ditransfer penulisnya ke algorithm udah itu kan gede tak kalah ah kita yang itu Wales Imagine satu slide diceritakan logika Khan stratolaunch itu oh 1ws itu bisa ratusan ratusan protein penandaan kimono positif negatif ataupun itu sangat info sekali dan teman-teman dokter itu enggak ada waktu untuk melakukan itu karena dia itu sudah sangat sibuk banget dengan mengurusi pasien solusi kalau dari kita itu kita bredon datanya itu bisa kolaborasi antar patologi manapun berharga kita sama iaitu proses itu teman-teman P itu bisa melakukan penelitian untuk apa yang biar eh inteligence yaitu secara alami itu bisa kita ketika sih ke algoritma seperti itu terus yang selanjutnya distalisasi karena kalau mungkin kalau di radiologi itu gampang standar dari powerclip kita punya tapi kalau patologi digital patologi itu kalau dari luar negeri di er lagi sudah terstandarisasi menggunakan scanner makanya sangat banyak sekali by company dibidang digital patologi di luar negeri TTG Victoria Cross ia sangat banyak sekali cuman Karena disana itu ekosistemnya sudah menggunakan scanner kalau di Indonesia mencuri tim binocular microscope gitu nah gimana caranya dari binokuler itu kita digital image terus nanti kita lakukan ke ini seperti itu kurang lebih Pak Lukman mungkin Mas Faris bisa memberikan tambahan sih terkait apa sektor lain yang mungkin Mongol.

Oke menambahkan sedikit kemarin tadi sudah disampaikan semua kalau faktor eksternal di luar teknikal memang terkait kemekeu adanya theking data masalah etik kemudian masalah apa namanya storage gitu ya kalau kemarin di kita di wuih untuk kasus masalah server memang kita pakai sendiri ya kita-kita di premis yang jadi masalah adalah ketika kita menggunakan on-premise adalah masalah keamanan data. Jadi saya mendapatkan adanya keamanan data itu eh sekarang kita kemarin sempat menerima beberapa serangan juga jadi tekan server kesehatan juga banyak mengalami serangan cyber gitu ya diluar teknis kesopanan kita deteksi untuk kayaknya ya kita harus mengamankan juga server yang kita pakai gitu terutama kalau kita diklaut pun kita masih kadang-kadang ada beberapa pihak yang masih melakukan giro kalau kita Dik laut pertama Cloud itu mahal banget kalau kita proses untuk data skala sebesar itu tetap secara investasi itu akan jatuhnya lebih murah menggunakan on-premise gitu ya ketika kita punya dana-dana sekian diperhatian ke jatuhnya akan besar sekali kalau menggunakan Club gitu meskipun nanti mungkin bisa dipecahkan mengenai Partnership kehidupan kita sempat ada tawaran pantas dengan awet tapi secara kos juga ternyata eh pop ama sih ada selisih ya antara gerakan optimis juga dengan menggunakan Cloud yang pertama yang kedua mungkin ada beberapa orang masih berpendapat bahwa menggunakan premis dengan Data Center yang kita gunakan sendiri yang kita kelola sendiri akan lebih aman gitu ya karena datanya kita bisa regulasi sendiri itu di ada ditangan kita ada di tempat kita kita bisa tolak kelola dengan lebih baik gitu. Itu yang jadi konsen juga diluar teknikal gitu jadi eh sebenarnya masalah biaya dan juga masalah keamanan juga menjadi salah satu konsen dalam pemrosesan ini gitu karena ternyata dan risetnya sendiri dengan dengan effort yang sebesar itu tadi pada label data salah satunya kan kita harus mengundang beberapa expert kemarin kita mengundang expert baru juga dengan kasus covert yang masih seperti itu juga cukup sulit gitu ya untuk melakukan daging data Dimana posisi paru yang mengalami kerusakan gitu dalam hal imaging er. Nah itu eh sebuah tantangan juga sebenarnya ini yang eh menarik sih kalau kita lihat dari sisi pengembangan teknologi gitu mungkin yaitu dari saya ngosari sini juga ada pertanyaan dari pak Abu Abu Dzar al-ghifari tapi ini mungkin lebih bagaimana ke digitalisasi digital yang mendukung pertama banyaknya ya Ini telemedicine ini yang dimiliki comment kasih tahu apakah termasuk bagian dari air yang kedua juga Apakah kalau apa ya untuk pengembangan sistem sistem sebelumnya Apakah kamu Epic itu kenapa harus butuh bisa jadi pemerintah atau cukup info-info dari pasien saja yang ketiga lebih jejak the digital saya juga tentang pengembangan medical record 70 juta penduduk dengan sistem Cloud itu bagaimana kita akan butuh kita masih banyak yang pakai agen unggul dari palindo dan Mas Faris ya.

Ah kalau dari mungkin dari saya terkait telemedicine yang dimiliki Kemenkes itu sudah termasuk bagian dari atau belum Menurut kami sih ke jadi gini no datang oke gitu jadi enggak ada ada data otomatis eh itu hanya sekali tak hanya lebih cerah gitu udah gitu hanya empowering dataset gitu kalau telemedicine itu hanya konsepnya untuk mempermudah atau simplifying antara user dengan Rumah Sakit dengan dokter dari sebagainya itu belum kita sebut seperti tapi benar telemedicine itu rangkaian atau upaya untuk data mainin namun data-data informasi pasien data symptom data informasi-informasi semuanya dan kaca itu sebenarnya sangat possible ketika kedepannya itu untuk dibangun eh kirim kayak gojek kaya Grab aplikasi beberapa koe begitu Itu dia nggak kayak gitu dia aneh informasi terkait kita sebagai pengguna tapi ia memanfaatkan data untuk promosi Nah itu ea gitu kurang lebih seperti itu. Terus yang selanjutnya kesulitan secara teknis untuk membuat pai itu eh secara teknisi pada dasarnya infrastrukturnya sih infrastrukturnya itu harus gede banget itu yang pertama mungkin kalau akan dibagi beberapa sektor yang ada yang computer Vision ada NLP natural language processing ada yang of apotek dan lain sebagainya kalau kita ngomongnya di bidang computer Vision itu datanya kan berupa video atau imaging pohonnya visual itu dan itu infrastrukturnya harus gede banget terutama menggunakan CPU kayak kalau seperti Mas apa Alfaris tak disebutkan pakai peci x1tc itu pakai dipilihnya pakai taiten otezla itu sangat mahal sekali kalau masalah DJ exta er amelioran 5m Kalau enggak salah dan itu kita sebagai individu susah untuk membangun biasanya kangen nih kalau enggak institusi pendidikan atau pemerintahan jadi protuner situ kalau untuk membuat model itu sebenarnya enggak sulit banyak sekali teman-teman Ketika fisiknya itu memang mathematics ataupun apa programming kita belajar pakai apa namanya platform ataupun yang udah banyak sekali sih pakai tensorflow ataupun pakai pistol seperti itu kisah itu yang susah itu Gimanakah caranya menambang data dan infrastrukturnya itu seperti apa di situ kurang lebih enak itu tantangannya di kita itu seperti itu kurang lebih ada terus ia 6 teknis mungkin sudah saya ceritakan di awal tadi ya mungkin kalau selanjutnya medical edit perlu dapat lesson dari pemerintah atau cukup termasuk sebenarnya perlu dapat dari pemerintah karena ini keamanan data jurnal medis kita m malaria sama Faizah teman-teman di tropmed itu sedang proses Unboxing dengan Kemenkes dan yunisef sebenarnya Kemenkes yang membuatnya itu tapi sendok singa dari teman-teman tropmed jadi terkait ethical clearance keamanan data dan lain sebagainya biar dipakai massal itu salah satu yang sudah kita lakukan dan Insya Allah bulan depan pertengahan bulan sudah launching dipakai oleh masyarakat untuk m malaria platform kurang lebih seperti itu. Eh inform consent pasien mungkin kalau dari kami pengalaman yang yang terpenting yaitu informasi Pasien itu enggak dimasukkan ke plafon pihak lain piala itu maksudnya klien kita neorago ataupun dari beberapa ya kompeni lainnya jadi informasi Pasien di-install itu hanya diemar antonic medical record teh kita kemarin nikotin itu biasanya kalau di dekat dari com di situs Ken itu di pojok kiri atas itu ada informasi pasiennya nama umurnya berapa Gan oke nah itu ketika dimasukkan ke plafon itu kita animinasi kita-kita hilangin dengan cara diteluh jadi ketika masuk ke platform itu enggak ada informasinya kurang lebih seperti itu kalau yang terakhir potensi pengembangan di medical record 27 Juta penduduk ane Scott dengan skor karena ini masih manual kalau Imar sebenarnya kalau kita terus terang dino Robot itu enggak terlalu fokus diemar ya elektronik Metallica tinggal kita fokus ke dan tadi matching mungkin nanti yang lebih spesifik menjelaskan nanti dari Mas Faris. Jadi kalau dari kita yang terpenting itu ekosistem digitalisasi nya sudah benar dulu itu kayak peduli lindung itu tegus muda kayak gitu-gitu dan beberapa aplikasi itu mungkin itu nanti langkah awal untuk pengembangan biar enggak ngebak reserved lumpurnya kan asin ternyata juga susah gimana apa di daerah karakter pinggir itu juga harus dipikirkan kalau di klub sih pengalaman kami diurapi sendiri Kita pakai quote salah satu computing gitu itu enggak enggak enggak masalah yang terpenting itu kita ada semacam vitalnya dengan kuat computing rekanan tapi kalau kita yang ekopit kemarin itu kita pakai empatis seperti itu sip. Mungkin dari bukan dari saya segitu sih Pak Lukman Monggo Mas Aris menambahkan akeh.

Eh dari saya untuk pertanyaan pertama kali medicine di Kemenkes Sebenarnya saya memindahkan secara umum telemedicine di Indonesia jasadnya basisnya eh ada yang berupa robes chatbot ada yang menggunakan sistem rekomendasi tapi secara umum dua-duanya pepake air tapi meskipun yang luasnya cukup primitif yang menggunakan oldest. Jadi kalau misalnya Bapak atau Ibu itu melakukan misalnya tanya sesuatu itu ada tempe jawabannya itu menggunakan tipis kemudian yang paling Advance mereka sistem rekomendasi ini juga pernah kita kerjakan meskipun dibidang berbeda sistem ekonominya cukup rumit karena kita harus tahu pola-pola jawaban dari seluruh situasi yang bisa akan kita hadapi gitu ya itu nanti menggunakan LP itu juga masih sebenarnya kalau dalam hal Telkom teleportasi SBY itu masih dalam tahap pengembangan dari seluruh Telkomsel kertas yang ada di Indonesia gitu dan secara khusus telekonsultasi Sebenarnya masih tidak bisa memberikan diagnosis ya jadi hanya sebagai tarian sebagai seperti masih Indarto katakan itu sebagai channel bagi masyarakat untuk bisa menghubungi dokter dengan lebih cepat dan efisien seperti itu. Hut kemudian pertanyaan kedua kesulitan teknis membuat Hai nomor satu adalah expectable data itu nomor satu kau tidak bidang kesehatan itu tidak terbantahkan karena data-data yang harus berlabel Hai itu butuh expertise and export esnya juga kalau di Indonesia mungkin kita butuh banyak orang ya kalau bayangin lebar data to seperti kita nempelin apa namanya kain untuk apa namanya stiker pada stiker pada kotak rujak itu pengin foto produknya ada setuju ada seri satu juta produk setiap hari itu beberapa orang itu ialah bentuk kayak gitu jadi bayangkan kalau misal tadi data-data dari image itu harus kita label satu persatu setiap slide setiap setiap sisi gitu ya itu butuh orang yang expert juga dalam hal belaka belaka labeling bayangkan berapa orang BAB XV mungkin dibilang radiologi dibilang paruh gitu untuk bisa melakukan lebih ini menjadi tantangan juga diluar teknis pengembangan atlet makalahpengembangan Hanya seperti kata Mas Indarto sudah banyak ya platform platform yang digunakan di EA menggunakan tenses slogan Playstore yang terutama kalau teman-teman di Kedokan mungkin pengen belajar tentang programming tentang paytren itu negeri yang digunakan sudah banyak sekali jadi ke itu tinggal bahasanya tinggal diambil mana yang cocok dan bisa fitting dengan kasus kita gitu. Eh itu kemudian kedua infrastruktur jadi memang karena training datanya raksasa tetapi data ya tetapi kita itu masalah integrasi kita menghadapi banyak masalah masalah koneksi masalah integrasi storage kemudian masalah selebriti data validasi data kemudian ada masalah apa computing power itu juga harus di dipikirkan gambar pengembangan yay seperti itu. Itu yang masih syukur sulit karena di Indonesia ini sistemnya masih satu daerah satu sistem bukan one system 1 nasional gitu. Itu yang ditemuinya temui di beberapa apa institusi pemerintahan gitu meskipun sekarang sudah secara will secara tekad sudah berusaha untuk Bagaimana caranya kita dari pemerintahan bisa menyatukan data gitu ya Dari seluruh nasional seperti di Kemendikbud kita kasus angk bagaimana tak Kemendikbud ke berusaha mati-matian untuk bisa menyatukan data dari seluruh Indonesia yang kita tahu infrastrukturnya sudah enggak enggak apa tidak merata gitu. Kemudian yang ke-3 mungkin kalau medically Fit tadi sudah saya tidak bisa menciptakan ini bukan eh apanya fokus kami juga di yang 43 tapi kalau terkait data apa sampai data yang kita dapatkan semuanya kalau yang kami dapatkan to reset itu biasanya berbentuk sudah tidak dari kota apapun itu hanya berbentuk kode records nomor sekian gitu ya bukan nggak ada lagi data-data pribadi yang ada dalam data-data penelitian gitu karena median murni biasanya hanya memiliki Seperti apa tidak fokus kepada pasiennya pasien-pasiennya identitasnya apa gitu ya tapi mungkin masalah umur masalah apa namanya postur mungkin tapi tidak sampai ke identitas pribadi seperti yang kami dapatkan. Kemudian dapat apa apakah ada potensi pengembangan MP3 repot bagi untuk mengurangi pelet ya kalau Club disini siskot itu sebenarnya adalah tangga kita bisa akses komputer tapi nggak perlu apa namanya nggak perlu pakai desktop gitu ya bahasanya computing kita bisa Processing kita punya komputer kedua tapi nggak kelihatan gitu kalau ke istirahat seperti itu cloud computing seperti itu. Itu Indonesia Sebenarnya cukup mampu dengan teksturnya kalau kita lihat sebenarnya untuk recording ke-27 juta data itunya mampu karena analoginya seperti yang ada di dukcapil sebenarnya data kita itu sudah cukup rapi terdata di data centernya di the chapel ya di Jakarta cuma eh karena yang jadi masalah bukan masalah store editing data tapi integrasi data yang jadi masalah itu jadi bayangkan kok 27 Bisa data ingat kita integrasikan itu yang jadi problem jadi tantangan bibit data Processing itu bukan yang utama bukan masalah besaran storiesnya atau menggunakan teknik apapun tapi integrasi datanya yang paling sulit karena itu melibatkan berbagai stakeholder dari berbagai bidang gitu. Itu Pak Lukman tadi saya ngomong mengontrol melepas harus cepat endarto ini saya ada tidak kuat lagi tapi karena waktunya juga cuma like juga ini mungkin nanti panennya bisa mengisi pertanyaan nya ke [Musik] Indarto pembicara pertama mungkin di sekitar Desa see you [Musik] [Musik] VCD apa ya itu yang mungkin aku pakai itu aja pakai ada ibukota kasih atas ini dari kami saya kembalikan kepada Allah ataupun ring.

Terima kasih banyak Pak Lukman dan terima kasih banyak atas ilmunya Pak Faris juga Pak Ini juga sudah tadi Terima kasih banyak atas kebersamaannya punya hari ini dan terima kasih atas kebersamaan anda Bapak Ibu Dalam Seminar Wendy edisi hari ini Rabu 27 okt 2021 dan selanjutnya kita akan ada sesi foto bersama mohon izin Pak Faris Fender tele takluk menjanjikan pakai Google kita akan foto bersama silakan Bapak Ibu yang belum aktifkan kameranya silakan diaktifkan terus kameranya dan kami beserta tim panitia akan mengecek kita bersama.

Baik saya akan gitu sudah siap 123 sekali lagi 123. Baik Terimakasih banyak dan demikian acara seminar kuat pada pagi hari ini bertajuk peran kecerdasan buatan dalam pelayanan kesehatan semoga acara ini bermanfaat dan menebal memberikan wawasan dan juga menambah kompetensi bagi kita semua kepada lagi saya ucapkan terima kasih kepada Pak Faris windarto kalau kemana lupa Google saya selalu untuk anda semua dan sampai jumpa di seminar abuan minggu depan mohon maaf apabila terjadi kesalahan pada saat acara berlangsung saya nih jalur beserta tim sebenarnya buruan mohon pamit undur diri wassalamu'alaikum warahmatullahi wabarakatuh.