TULIS KARYA

Smacope: Otoskop Portabel Berbasis Smartphone dan On-Device Deep Learning untuk Optimalisasi Akses Diagnosis Otitis Media yang Inklusif di Daerah 3T sebagai Solusi dalam Mewujudkan Pemerataan Pelayanan Kesehatan

Oleh: Muhammad Ilham Ramadhan dan Zalfa Anindya Laksana

Pendahuluan

“Blindness separates people from things; deafness separates people from people.” ― Helen Keller

Latar belakang masalah
Daerah 3T (Terdepan, Terluar, Tertinggal) adalah daerah kabupaten yang wilayah dan masyarakatnya kurang berkembang dengan daerah lain dalam skala nasional (1). Isu kesehatan masih menjadi pokok penting salah satu kriteria dari disebutkannya suatu daerah tertinggal. Kembali pada prinsip Universal Health Coverage yang merupakan salah satu upaya pemenuhan SDG 3, yaitu kehidupan sehat dan sejahtera, dengan misi untuk menjamin akses pelayanan preventif, promotif, dan deteksi dini (2). Namun, kenyataanya tidak sebaik idealnya. Di banyak daerah terpencil hak untuk memenuhi kapabilitas dalam mendengar masih terasa mewah karena sulitnya mendapatkan pemeriksaan telinga sederhana, terutama deteksi dini.

Menurut WHO, sekitar 1,57 miliar penduduk dunia mengalami gangguan pendengaran, menjadikannya disabilitas terbesar ketiga di dunia. Hampir 80% penderita gangguan pendengaran dengan kelumpuhan tinggal di negara berpenghasilan rendah dan menengah, dan sebagian besar tidak memiliki akses ke perawatan klinis (3). Di Indonesia, kondisi ini terlihat jelas, sebesar 4,6% dan menempati posisi keempat
prevalensi tertinggi gangguan pendengaran di Asia Tenggara (4). Salah satu penyebab gangguan pendengaran yang sering dijumpai adalah Otitis Media Akut (OMA), yaitu kondisi telinga tengah yang umum ditandai dengan demam, nyeri, kehilangan pendengaran, dan keluarnya cairan. Jika tidak diobati bisa berkembang menjadi Otitis Media Supuratif Kronik (OMSK) yang perlu tindakan pembedahan (5). Pada anak-anak, OMSK dapat menghambat perkembangan bahasa, kognitif, dan sosial perilaku, yang akhirnya berdampak pada penurunan prestasi akademik serta kemampuan komunikasi mereka di masa tumbuh kembang (6).

Penelitian tahun 2014 pada 6 wilayah (Bandung, Semarang, Balikpapan, Makassar, Palembang, Denpasar) menunjukkan bahwa otitis media banyak terjadi pada anak usia sekolah, dengan prevalensi Otitis Media Akut (OMA) 0,5%, Otitis Media Efusi (OME) 4%, dan Otitis Media Supuratif Kronis (OMSK) 2,7% anak (7). Sementara berdasarkan persebaran wilayah, di tahun 2022 tercatat prevalensi OMSK pada daerah pedesaan sebesar 2,7% dan lebih rendah pada daerah perkotaan yaitu sebesar 0,7% (8).

Faktor sosioekonomi, rendahnya kesadaran dan kepatuhan pengobatan, kurangnya higiene, status gizi rendah, kepadatan penduduk, serta infeksi saluran napas berulang berkontribusi besar terhadap peningkatan kasus OMSK setiap tahun (9). Selain itu, anak-anak di daerah pedesaan kerap menghadapi hambatan akses layanan kesehatan, seperti jarak fasilitas yang jauh dan transportasi yang terbatas. Kondisi ini diperburuk oleh minimnya alat diagnosis khusus seperti otoskop dan garpu tala serta pelatihan bagi tenaga kesehatan di lini primer, sehingga diagnosis dan penanganan otitis media sering tidak optimal. Menyadari tantangan tersebut, diperlukannya inovasi yang mampu menjembatani kesenjangan akses layanan THT di daerah 3T. Menyediakan akses alat diagnostik sederhana yang mampu membantu deteksi dini serta mencegah berlanjutnya fase kronik OMSK merupakan langkah awal untuk menjaga hak dasar masyarakat agar tetap terhubung dengan sesama, karena gangguan pendengaran bukan sekadar masalah medis, tetapi juga sosial.

Rumusan Masalah
1. Bagaimana peran strategis dokter sebagai agent of change dapat mencapai
kesetaraan pelayanan kesehatan dengan menerima dan menerapkan inovasi seperti
Smacope.
2. Bagaimana inovasi deep learning pada perangkat seperti Smacope dapat
mengoptimalkan akses diagnosis otitis media yang inklusif dan terjangkau di daerah
3T?

Pembahasan

Analisis permasalahan
Permasalahan gangguan pendengaran di daerah 3T berakar pada keterbatasan geografis, sumber daya manusia, dan teknologi yang saling terkait. Akses fasilitas kesehatan sekunder atau tersier yang tidak memadai bermula dari kondisi geografis yang sulit dijangkau, minimnya transportasi, dan kurangnya alat diagnostik sederhana. Akibatnya, banyak kasus otitis media yang tidak terdeteksi sejak dini dan baru teridentifikasi saat OMSK, yang perlu tindakan bedah dengan risiko komplikasi serius. Jumlah dokter spesialis THT di Indonesia juga masih terkonsentrasi di pusat kota. Sebagian besar puskesmas di daerah 3T hanya memiliki tenaga kesehatan DTPK dan perawat yang belum terlatih secara visual mendalam, sehingga rentan terjadi misdiagnosis dan penggunaan antibiotik tidak tepat yang memicu resistensi.

Sebagian besar otoskop digital yang tersedia masih bergantung pada koneksi internet stabil untuk analisis citra, sehingga kurang sesuai bagi daerah dengan sinyal dan listrik terbatas. Selain itu, harga otoskop digital komersial juga tidak bisa dianggap terjangkau dibandingkan alat otoskopi tradisional. Akibatnya, tenaga kesehatan di desa sering bekerja tanpa dukungan visual diagnostik yang memadai untuk menilai kondisi membran timpani. Pemeriksaan lanjutan secara fungsional seperti tes Rinne dan Weber masih dilakukan dengan garpu tala, yang realitasnya jarang tersedia dengan minimum interpretasi sesuai keterampilan pemeriksa. Akibatnya, pemeriksaan lengkap di layanan primer jarang dilakukan, padahal sangat penting untuk diagnosis menyeluruh berdasarkan evaluasi anatomi dan fungsi audiometri dasar.

Diperlukan alat diagnostik baru yang mampu meningkatkan akurasi, efisiensi, dan objektivitas pemeriksaan. Sistem ini idealnya dapat bekerja tanpa internet dan divalidasi oleh tenaga spesialis THT di pusat. Salah satu solusinya adalah melalui alat Smacope.

Solusi atau gagasan inovatif
Smacope merupakan terobosan modern dalam bidang otoskopi digital berbasis smartphone yang mengintegrasikan analisis citra, tes Rinne, dan tes Weber vibrasi berbasis on-device deep learning untuk meningkatkan akurasi dan kemudahan diagnosis otitis media. Inovasi ini diharapkan mampu berkontribusi signifikan dalam upaya melimitasi conductive hearing loss yang sering kali merupakan komplikasi dari otitis media sebagai solusi atas tantangan pemerataan pelayanan kesehatan di daerah 3T.

Smacope dirancang untuk mendukung dokter umum di daerah 3T sesuai Standar Kompetensi Dokter Indonesia (SKDI) level 3A, yakni dokter umum hanya perlu melakukan diagnosis awal dan tatalaksana dasar sebelum memutuskan rujukan dengan interpretasi otomatis yang sebelumnya sulit dilakukan oleh non-spesialis, sehingga mengurangi kesalahan diagnosis dan mempermudah identifikasi antara hearing loss konduktif atau sensorineural.

Gagasan inovatif ini menghadirkan perangkat tambahan pada otoskop yang terhubung ke smartphone, memungkinkan dokter untuk mengambil citra membran timpani secara praktis dan presisi. Komponen utama sistem ini terletak pada aplikasi pendamping yang dapat diinstal dan berfungsi sepenuhnya secara offline, sehingga tetap operasional meskipun tanpa koneksi internet. Mode offline lebih melindungi privasi pengguna, mengurangi waktu respons, biaya komunikasi, dan beban cloud sehingga menjadi pilihan utama untuk aplikasi real-time. Pendekatan ini terbilang realistis karena mengatasi kendala infrastruktur digital sekaligus menjaga kerahasiaan data pasien (10), menjadikan Smacope sebagai alat bantu yang memberdayakan dokter di daerah 3T. Di dalam aplikasi ini tertanam model Convolutional Neural Network (CNN) yang telah dioptimalkan untuk mengenali tanda-tanda klinis Otitis Media, seperti eritema, penonjolan, efusi, dan perforasi dengan akurasi tinggi.

Sebelum memasuki tahap pengembangan, dilakukan proses pengumpulan dataset pemeriksaan otoskopik yang diperoleh secara primer dari dokter spesialis THT sebagai acuan validasi klinis.

Para peneliti berfokus pada pengembangan berbagai perangkat keras untuk memungkinkan tugas-tugas deep learning dijalankan langsung pada perangkat mobile. Smacope menggunakan hardware Application Specific Integrated Circuit (ASIC). ASIC merupakan integrated circuit khusus untuk memenuhi kebutuhan pengguna serta spesifikasi elektronik tertentu, sehingga dapat mengembangkan chip akselerator deep
learning khusus. Dibandingkan dengan general purpose integrated circuits, ASIC memiliki ukuran lebih kecil, konsumsi daya lebih rendah, reliabilitas dan kinerja lebih tinggi, tingkat keamanan lebih baik, serta biaya produksi yang lebih efisien saat diproduksi massal (11). Pengembangan hardware dilakukan secara kolaboratif, menghasilkan alat berukuran mikro dengan kamera beresolusi tinggi yang dilengkapi adaptor universal. Sistem ini memungkinkan koneksi otoskop ke kamera smartphone melalui casing khusus serta dilengkapi sumber cahaya LED nirkabel untuk memberikan iluminasi optimal selama pemeriksaan.

Pengembangan software dilakukan menggunakan framework software Open Computing Language (OpenCL) dan platform TensorFlow untuk mendukung sistem on-device deep learning. Teknologi ini memungkinkan alat mendeteksi berbagai kelainan telinga seperti infeksi, peradangan, maupun benda asing melalui proses object detection dan analisis citra berbasis model kecerdasan buatan.

Pengembangan aplikasi difokuskan pada perancangan antarmuka dan pengalaman pengguna (UI/UX) yang disesuaikan dengan dataset. Model on-device deep learning dikembangkan dengan pendekatan Convolutional Neural Network (CNN) dengan arsitektur VGG16 dan network tuning untuk memodifikasi konfigurasi atau parameter sistem jaringan untuk meningkatkan kinerjanya. Sehingga pengguna dapat dengan mudah mengakses hasil visualisasi otoskopi dan interpretasi diagnosis secara langsung melalui smartphone yang terhubung dengan otoskop. Aplikasi akan mengeluarkan vibrasi dengan gelombang yang telah sesuai untuk dilakukan tes Rinne dan Weber. Tes Rinne berbasis smartphone dilakukan dengan menempelkan bagian bawah smartphone pada prosesus mastoideus, kemudian memindahkannya ke depan meatus auditorius eksterna dan Tes Weber dilakukan dengan menempelkan bagian bawah smartphone pada dahi dengan vibrasi dari aplikasi. Tes Rinne berbasis smartphone telah divalidasi untuk deteksi air-bone gap ≥ 25 dB pada 512 Hz dalam klinis, sementara tes Weber berbasis smartphone dapat berfungsi sebagai alat diagnostik tambahan tanpa adanya garpu tala 512-Hz untuk membantu mengidentifikasi jenis gangguan pendengaran serta berpotensi mempercepat diagnosis dan pemberian pengobatan ketika diindikasikan (12,13).

Penutup

Simpulan
Keterbatasan tenaga medis spesialis, sarana diagnostik, dan akses teknologi di daerah 3T masih menjadi tantangan utama dalam deteksi dini otitis media. Smacope hadir sebagai solusi inovatif dengan mengintegrasikan otoskop berbasis smartphone dan sistem deep learning. Alat ini dirancang untuk meningkatkan akurasi diagnosis sekaligus mempermudah akses layanan diagnostik di fasilitas kesehatan primer melalui desain yang inovatif, portabel, dan terjangkau. Smacope menawarkan terobosan yang tidak hanya revolusioner tetapi juga sangat mungkin untuk diimplementasikan secara luas, sehingga benar-benar dapat mewujudkan pemerataan layanan kesehatan yang inklusif. Dengan ini, harapannya dokter dapat menjadi agent of change sebagai penggerak transformasi pelayanan kesehatan menuju parameter yang lebih akurat, efisien, dan merata.
Saran
Disarankan adanya kolaborasi interdisipliner antara tenaga medis THT, ahli IT, dan epidemiolog untuk pengembangan prototipe dengan melakukan uji model dan uji klinis. Diharapkan pula adanya kerja sama dengan pihak akademisi dan pemerintah untuk standarisasi pedoman operasional serta dukungan dalam bentuk distribusi dan implementasi alat secara bertahap di fasilitas kesehatan primer, terutama di daerah 3T.

Daftar Pustaka:

  1. Situmorang DM, Ayustia R. Model Pembangunan Daerah 3T: Studi Kasus Daerah
    Perbatasan Kabupaten Bengkayang. MBIA. 2019 Apr 15;18(1):49–64.
  2. Pratiwi E, Tua H, Simanjuntak R, Studi P, Publik A, Administrasi J, et al. QISTINA:
    Jurnal Multidisiplin Indonesia Implementasi Program Universal Health Coverage
    (UHC) oleh Dinas Kesehatan Provinsi Riau. 2024 Dec.
  3. World Health Organization. Deafness and hearing loss [Internet]. World health
    organization. 2025. Available from: https://www.who.int/news-room/factsheets/detail/deafness-and-hearing-loss
  4. Riset A, Sri S, Hermiaty Nasaruddin K, Tenri A, Arifuddin S, Pratama A, et al.
    Karakteristik Pasien Otitis Media Supuratif Kronik di Rumah Sakit Ibnu Sina Makassar
    Periode Juni 2018 -Desember 2021. Fakumi Medical Journal [Internet]. 2020 Mar 2
    [cited 2025 Oct 20];3(3):43–7. Available from: https://fmj.fk.umi.ac.id/index.php/fmj
  5. Arif Dermawan, Bejo Ropii, Lasminingrum L, Wijana Hasansulama, Budi
    Setiabudiawan. Determinants of Acute Otitis Media in Children: A Case-Control Study
    in West Java, Indonesia. Medicina. 2025 Jan 23;61(2):197–7.
  6. Khairkar M, Deshmukh P, Maity H, Deotale V. Chronic Suppurative Otitis Media: A
    Comprehensive Review of Epidemiology, Pathogenesis, Microbiology, and
    Complications. Cureus [Internet]. 2023 Aug 18;15(8). Available from:
    https://assets.cureus.com/uploads/review_article/pdf/174481/20230918-9966-
    k1x9qn.pdf
  7. Mahendra J, Alghifari Z, Putra Z. Karakteristik Klinis Otitis Media Akut pada Anak di Puskesmas Wilayah Pedesaan. Vitalitas Medis : Jurnal Kesehatan dan Kedokteran .2025 Jul 3;2(3):218–27.
  8. Anggraeni R, Hartanto WW, Djelantik B, Ghanie A, Utama DS, Setiawan EP, et al.
    Otitis Media in Indonesian Urban and Rural School Children. Pediatric Infectious
    Disease Journal. 2014 Oct;33(10):1010–5.
  9. Cici Indrayani, Triola S, Ayu D, Haves Ashan. Otitis Media Supuratif Kronik (OMSK)
    Sebagai Penyebab Gangguan Pendengaran. Scientific Journal. 2023 Mar 31;2(2):83–
    95.
  10. Abadi M, Barham P, Chen J, Chen Z, Davis A, Dean J, et al. TensorFlow: A system for
    large-scale machine learning [Internet]. arXiv.org. 2016. Available from:
    https://arxiv.org/abs/1605.08695v2
  11. Chen Y, Zheng B, Zhang Z, Wang Q, Shen C, Zhang Q. Deep Learning on Mobile and
    Embedded Devices: State-of-the-Art, Challenges and Future Directions. ACM
    Computing Surveys. 2020 May 7;53(4):1–37.
  12. Hibscher D, Oron Y, Handzel O, Warshavsky A, Horowitz G, Ungar OJ. Validation of
    a smartphone-based Rinne test to detect an air-bone gap. European Archives of OtoRhino-Laryngology. 2021 Jan 16;278(12):4767–73.
  13. Ungar Omer J, Handzel O, Cavel O, Oron Y. A Smartphone-Based Weber Test May
    Discriminate between a Conductive and a Sensorineural Hearing Loss. Audiology and
    Neurotology. 2019;24(4):191–6.