Ruangan Terlihat Bersih, Tapi Bagaimana dengan Kualitas Udaranya? Perubahan Udara Ruang Pasien Kini Diprediksi AI

tvOnenews.com - Udara di ruang perawatan pasien tidak selalu bisa dinilai hanya dari apa yang terlihat atau tercium. Ruangan yang tampak bersih belum tentu memiliki kondisi udara yang optimal. Aktivitas manusia, sirkulasi udara, emisi gas, material interior, hingga penggunaan sejumlah peralatan dapat memengaruhi kualitas udara tanpa memberikan tanda yang mudah dikenali.

Karena itu, pemantauan kualitas udara menjadi persoalan yang lebih kompleks ketika diterapkan di lingkungan rumah sakit. Kondisi udara di ruang pemulihan perlu diamati melalui sejumlah parameter secara bersamaan agar perubahan yang terjadi dapat diketahui lebih cepat.

Teknologi Internet of Things (IoT) dan kecerdasan buatan (AI) mulai digunakan untuk menjawab persoalan tersebut. Sensor dapat mengumpulkan data kondisi udara secara real-time, sementara model AI mengolah pola data tersebut untuk memperkirakan kondisi berikutnya.

Pendekatan semacam ini memungkinkan pemantauan tidak berhenti pada pertanyaan apakah udara saat ini aman, tetapi juga bagaimana kondisinya berpotensi berubah.

Tiga Parameter untuk Membaca Kondisi Udara

Salah satu penelitian yang mengembangkan pendekatan tersebut dilakukan di Rumah Sakit Daerah Dradjat Prawiranegara (RSDP) Kabupaten Serang, Banten.

Penelitian ini memantau tiga parameter utama, yaitu nitrogen dioksida (NO2), karbon dioksida (CO2), dan Total Volatile Organic Compound (TVOC). Ketiganya dipilih karena dapat memberikan gambaran berbeda mengenai kondisi udara dalam ruangan.

CO2, misalnya, dapat berkaitan dengan aktivitas manusia dan sirkulasi udara. Sementara NO2 berkaitan dengan keberadaan emisi tertentu, sedangkan TVOC dapat berasal dari berbagai sumber, termasuk material interior dan sejumlah produk atau peralatan yang digunakan di dalam ruangan.

Ketua peneliti Dede Brahma Arianto menjelaskan penelitian tersebut berangkat dari masih terbatasnya kajian kualitas udara rumah sakit yang mengintegrasikan sejumlah indikator udara klinis secara bersamaan.

“Penelitian ini bertujuan untuk mengembangkan sistem pemantauan dan prediksi kualitas udara pada ruang pemulihan pasien berbasis Internet of Things (IoT) dan deep learning, dengan mempertimbangkan prinsip material low-emission,” kata Dede.

Pendekatan tersebut juga memperlihatkan bahwa kualitas udara ruang pasien tidak hanya berkaitan dengan kenyamanan. Kondisi lingkungan di dalam ruangan dapat menjadi salah satu faktor yang perlu diperhatikan dalam mendukung keselamatan dan proses pemulihan pasien.

Sensor Tidak Hanya Membaca, AI Mencari Polanya

Untuk mengumpulkan data, peneliti mengembangkan perangkat IoT bernama FALHORA atau Faletehan Hospitals Indoor Air Quality. Perangkat tersebut menggunakan sensor untuk menangkap kondisi udara di dalam ruangan. 

Data kemudian dikirimkan secara real-time ke aplikasi monitoring sehingga perubahan parameter dapat dipantau. Namun, sistem tidak berhenti pada penyajian angka. Data yang dikumpulkan kemudian diproses menggunakan model AI dengan algoritma Bidirectional Gated Recurrent Unit (Bi-GRU).

Algoritma tersebut digunakan untuk membaca pola data dan melakukan prediksi terhadap kondisi kualitas udara. Hasilnya kemudian diterjemahkan menjadi empat kategori, yakni baik, rawan, peringatan, dan bahaya.

Sistem juga memberikan rekomendasi tindakan berdasarkan kategori yang terdeteksi. Dengan cara tersebut, informasi yang dihasilkan tidak sekadar menunjukkan kondisi yang sedang terjadi, tetapi dapat digunakan sebagai dasar untuk menentukan respons terhadap perubahan kualitas udara.

Berdasarkan hasil penelitian, model Bi-GRU memperoleh nilai F1-Score sebesar 0,91 dengan loss 0,26. Hasil pengujian menunjukkan model tersebut memiliki performa yang cukup baik dalam melakukan prediksi kualitas udara.

Diuji di Tiga Ruangan Rumah Sakit

Teknologi tersebut kemudian diuji langsung di lingkungan rumah sakit. Peneliti melakukan pengujian pada tiga lokasi di RSDP Kabupaten Serang, yakni Unit Gawat Darurat (UGD), ruang kelas II, dan ruang kelas III.

Pengujian dilakukan untuk melihat apakah perangkat IoT, aplikasi monitoring, serta sistem prediksi dapat berjalan dalam kondisi nyata. Hasil yang diperoleh menunjukkan ketiga komponen tersebut dapat berfungsi dengan baik selama pengujian.

Penelitian berlangsung sekitar satu tahun, dari April hingga Desember 2026. Tim penelitinya berasal dari tiga bidang berbeda di Universitas Faletehan, yakni Dede Brahma Arianto, S.Kom., M.Kom. dari Program Studi Informatika sebagai ketua, Dedih Nuryatna, S.Kp., M.Kep. dari Program Studi Ilmu Keperawatan, serta Venia Setyarandini, S.Ars., M.Ars. dari Program Studi Arsitektur.

Keterlibatan tiga bidang tersebut membuat penelitian tidak hanya melihat persoalan kualitas udara dari sisi perangkat dan algoritma. Aspek keperawatan serta karakter ruang juga masuk dalam proses pengembangan sistem.

Penelitian ini merupakan bagian dari pelaksanaan tridharma perguruan tinggi dan memperoleh pendanaan melalui skema Penelitian Dosen Pemula 2026 setelah lolos program hibah Kementerian Pendidikan Tinggi, Sains, dan Teknologi.

Dede menyampaikan apresiasi kepada pihak yang mendukung penelitian tersebut.

“Saya mengucapkan terima kasih yang sebesar-besarnya kepada Kementerian Pendidikan Tinggi, Sains dan Teknologi yang telah memberi kesempatan untuk mendapatkan hibah pendanaan penelitian dosen pemula tahun 2025. Saya juga berterima kasih pada pihak kampus Universitas Faletehan yang telah memberikan dukungan dan motivasi pada kami,” ujar Dede.

Pada akhirnya, penelitian ini menunjukkan perubahan pendekatan dalam memantau lingkungan ruang pasien. Kondisi udara yang sebelumnya harus diketahui melalui pengukuran dapat dipantau secara real-time, sementara data historisnya dapat digunakan AI untuk mengenali pola dan memperkirakan perubahan.

Artinya, teknologi yang dikembangkan tim dosen Universitas Faletehan tidak sekadar membuat alat pengukur kualitas udara. FALHORA dirancang untuk menghubungkan sensor, pengolahan data, dan prediksi AI sehingga perubahan kondisi udara di ruang pasien dapat diketahui lebih dini dan menjadi bahan pertimbangan untuk mengambil tindakan. (udn)