Cloudera Dorong Transformasi AI Kesehatan dengan Knowledge Graph & Hybrid Platform

Jakarta, 18 Juni 2025 – Dalam rangkaian acara CIO Healthcare Forum 2025 yang berlangsung di Aula Leimena, Jakarta Selatan, Cloudera Indonesia hadir sebagai salah satu pembicara utama pada sesi seminar bertajuk “Building Healthcare Excellence Through Trusted and Integrated Data Management.” Acara ini mempertemukan para pemangku kepentingan strategis di sektor kesehatan dan teknologi, termasuk Kementerian Kesehatan, BPJS Kesehatan, BSSN serta sejumlah principal teknologi global yang berperan penting dalam transformasi digital layanan kesehatan di Indonesia.

Di tengah momentum pesatnya adopsi teknologi digital di sektor kesehatan, Cloudera memperkenalkan solusi inovatif dalam pengembangan AI untuk sektor kesehatan melalui pemaparan bertajuk “Knowledge Graph RAG for Healthcare Industry,” dengan fokus pada upaya “Improving the Quality of Your Privately Hosted AI Application.” Pemaparan ini disampaikan oleh Fajar Muharandy, Principal Solution Engineer Cloudera Indonesia.

Dalam pembukaannya, Fajar menyampaikan pendekatan yang unik: membangun kesadaran audiens tentang pentingnya data dan konteks melalui kisah nyata pengalamannya sebagai pasien.

“Saya bukan dokter, tapi saya pasien, dan saya juga seorang data person,” tutur Fajar. “Saya pernah berdebat dengan dokter mengenai kolesterol akibat makan telur rebus. Saya bilang, ‘Dok, bukankah ada riset terbaru yang menunjukkan bahwa dietary cholesterol tidak selalu meningkatkan kadar kolesterol darah?’ Akhirnya dokter berkata, ‘Bapak ini kebanyakan nanya sama ChatGPT, makanya ngeyel.’ Dan dari situ, saya ingin mengajak kita semua memahami: apakah benar AI menjawab pertanyaan kita, atau hanya memprediksi kelanjutannya?”

Fajar menjelaskan bahwa AI generatif seperti ChatGPT sebenarnya tidak benar-benar “menjawab” pertanyaan, melainkan melakukan prediksi token berikutnya berdasarkan data pelatihan mirip seperti seseorang yang dapat menebak kelanjutan lirik lagu “Halo-halo Bandung” karena terbiasa mendengarnya sejak kecil.

AI Butuh Konteks: Retrieval Augmented Generation dan Tantangan Medis

Untuk menjawab keterbatasan model prediktif, Cloudera memperkenalkan pendekatan Retrieval Augmented Generation (RAG), di mana sistem AI diberi tambahan konteks dari sumber data eksternal seperti hasil lab, catatan medis, atau riwayat pasien. Namun, Fajar menekankan bahwa semakin banyak konteks yang disediakan, semakin kompleks pula penyaringannya.

“Kalau konteksnya terlalu banyak, kita malah bingung. Mana hasil lab yang terbaru? Mana yang relevan dengan kondisi hari ini? Di sinilah pentingnya struktur, bukan hanya data, tapi relasi antar data,” ungkapnya.

Cloudera kemudian mengusung pendekatan lanjutan dengan Knowledge Graph, yaitu representasi data terstruktur yang membangun relasi antar entitas seperti pasien, diagnosis, pengobatan, hasil lab, dan faktor genetik. Bukan hanya menyimpan informasi, Knowledge Graph menciptakan pemahaman kontekstual yang lebih dalam.

Contoh visual dalam presentasi menampilkan bagaimana sebuah query seperti “Apa histori kesehatan pasien berikutnya?” dapat dijawab secara lebih kontekstual, seperti: “Pasien memiliki diabetes tipe 2, dirawat oleh dokter A, mengonsumsi obat X, dan mengalami efek samping berupa pandangan kabur.”

Solusi Cloudera: AI Workbench, Fine Tuning Studio, dan True Hybrid Platform

Untuk mendukung penerapan teknologi tersebut, Cloudera menghadirkan AI Workbench, sebuah platform end-to-end yang memungkinkan organisasi melakukan fine-tuning model AI secara lokal maupun di cloud. Bersama Fine Tuning Studio, pengguna dapat melakukan pelatihan, evaluasi, dan deployment model melalui antarmuka low-code maupun high-code, memberikan fleksibilitas bagi tim data science dan IT operations.

“Ada customer kami yang menggunakan resource besar di cloud untuk melatih model, tapi ketika sudah jadi, mereka bawa kembali ke on-premise rumah sakit untuk dijalankan secara lokal. Inilah yang kami sebut dengan pendekatan true hybrid,” jelas Fajar.

Cloudera juga memperkuat posisinya sebagai penyedia solusi open data lakehouse yang mendukung modernisasi arsitektur data dengan tetap menjaga keamanan, skalabilitas, dan interoperabilitas, baik di cloud maupun on-premise.

Use Case di Healthcare: Dari Diagnosis Pribadi hingga Clinical Trials

Dalam sektor kesehatan, Cloudera menjelaskan beragam use case nyata yang didukung oleh kombinasi Knowledge Graph dan RAG, seperti:

• Personalized Diagnosis: menghubungkan riwayat medis pasien dan keluarganya untuk diagnosis yang lebih akurat.
• Clinical Decision Support: mendukung pengambilan keputusan medis berbasis hubungan data historis.
• Patient Education: menyajikan informasi yang terstruktur bagi pasien dengan kebutuhan khusus.
• Multimodal Data Analysis: menggabungkan data terstruktur, tidak terstruktur, dan hasil voice-to-text dari percakapan dengan dokter.
• Clinical Trial Matching: mencocokkan pasien dengan studi klinis berdasarkan relasi kompleks dalam data mereka.

Komitmen Terbuka Cloudera: The Future is Open

Dalam penutup presentasinya, Fajar menegaskan filosofi Cloudera dalam membangun sistem yang terbuka dan fleksibel.

“Kami percaya the future is open. Tidak ada pendekatan yang mutlak benar atau salah antara cloud dan on-premise. Yang penting adalah pilihan, fleksibilitas, dan keberlanjutan. Karena itu, Cloudera hadir sebagai penyedia platform berbasis open source yang siap beradaptasi dengan berbagai kebutuhan industri termasuk healthcare,” tegasnya.

Cloudera juga mengundang para peserta untuk mengunjungi booth mereka yang bekerja sama dengan Nashta Group, guna melihat langsung demo implementasi Knowledge Graph RAG dalam konteks sistem layanan kesehatan digital yang lebih cerdas dan terintegrasi.

Summary

Pada acara CIO Healthcare Forum 2025 di Jakarta, Cloudera Indonesia memaparkan strategi pengelolaan data cerdas untuk sektor kesehatan melalui sesi bertajuk “Building Healthcare Excellence Through Trusted and Integrated Data Management.” Fajar Muharandy, Principal Solution Engineer Cloudera Indonesia, memperkenalkan pendekatan Retrieval Augmented Generation (RAG) dan Knowledge Graph untuk meningkatkan kualitas aplikasi AI di sektor medis. Ia menekankan pentingnya konteks dalam AI, bahwa model seperti ChatGPT hanya memprediksi, bukan memahami. Untuk itu, Cloudera mengusung integrasi data terstruktur seperti hasil lab, rekam medis, dan faktor genetik dalam satu sistem yang saling terhubung. Dengan dukungan teknologi seperti AI Workbench, Fine Tuning Studio, dan True Hybrid Platform, Cloudera memungkinkan pelatihan dan deployment model secara fleksibel baik di cloud maupun on-premise. Use case yang ditampilkan mencakup diagnosis personal, clinical decision support, patient education, hingga clinical trial matching. Menutup presentasi, Cloudera menegaskan komitmennya terhadap platform open source yang fleksibel, berkelanjutan, dan mendukung transformasi digital sektor kesehatan di Indonesia.

Glosarium

• AI (Artificial Intelligence): Teknologi kecerdasan buatan yang meniru proses berpikir manusia seperti belajar dan mengambil keputusan.
• AI Workbench: Platform dari Cloudera untuk pelatihan, fine-tuning, dan deployment model AI secara cloud maupun on-prem.
• Clinical Decision Support: Sistem pendukung keputusan klinis berbasis data histori medis pasien.
• Clinical Trial Matching: Proses mencocokkan pasien dengan uji klinis berdasarkan histori dan kriteria klinis.
• Cloud: Infrastruktur digital berbasis internet untuk menyimpan dan menjalankan aplikasi secara remote.
• Data Lakehouse: Arsitektur data gabungan dari data lake dan data warehouse yang efisien dan fleksibel.
• Deployment: Proses penerapan model AI ke sistem produksi.
• Dietary Cholesterol: Kolesterol yang diperoleh dari konsumsi makanan, seperti telur atau daging.
• Fine Tuning: Pelatihan ulang model AI agar lebih sesuai dengan data atau konteks tertentu.
• High-code: Pendekatan pengembangan software dengan penulisan kode secara manual.
• Interoperabilitas: Kemampuan berbagai sistem berbeda untuk bertukar dan memahami data secara efisien.
• Knowledge Graph: Representasi data yang memetakan relasi antar entitas untuk menciptakan konteks yang kaya.
• Low-code: Pengembangan aplikasi dengan minim kode menggunakan antarmuka visual.
• Multimodal Data: Data dari berbagai format seperti teks, suara, gambar, dan structured data.
• On-premise: Infrastruktur atau sistem yang dijalankan secara lokal di lingkungan organisasi.
• Open Architecture: Arsitektur sistem yang fleksibel dan terbuka untuk integrasi berbagai teknologi.
• Open Source: Perangkat lunak dengan kode sumber terbuka yang bebas digunakan dan dimodifikasi.
• Patient Education: Edukasi yang diberikan kepada pasien secara terstruktur agar memahami kondisi dan pengobatannya.
• Personalized Diagnosis: Diagnosis medis yang mempertimbangkan faktor individual seperti genetika dan riwayat kesehatan.
• Platform Hybrid / True Hybrid: Pendekatan sistem yang dapat berjalan di cloud dan on-prem secara fleksibel.
• Prediction Token: Unit kata atau frasa yang diprediksi oleh AI generatif sebagai kelanjutan dari input sebelumnya.
• Principal Teknologi: Vendor utama penyedia solusi dan platform teknologi tingkat global.
• RAG (Retrieval Augmented Generation): Teknik AI yang memperkuat kemampuan generatif dengan data eksternal sebagai konteks.
• Scalabilitas: Kemampuan sistem untuk tumbuh dan menangani beban kerja yang meningkat tanpa penurunan performa.