Pelaporan kasus Tuberkulosis di Indonesia masih menjadi tantangan besar dengan masih tingginya kasus TB yang ditemukan khususnya di rumah sakit tetapi tidak terlaporkan kepada Program TB Nasional. Oleh karena itu, pemerintah telah mengintegrasikan pengendalian TB ke dalam akreditasi rumah sakit dimana akreditasi merupakan bentuk tuntutan legitimasi terhadap rumah sakit dan tuntutan stakeholder. Penelitian ini bertujuan untuk menganalisis bagaimana kontribusi akreditasi terhadap pelaporan kasus TB oleh rumah sakit sehingga diperoleh rekomendasi kebijakan penguatan upaya pelaporan untuk TB pada rumah sakit. Penelitian menggunakan data sekunder hasil penilaian akreditasi rumah sakit dan pelaporan kasus TB dalam SITT pada semua rumah sakit yang lulus SNARS 2018 periode Januari 2018-Juni 2019. Hasil penelitian menunjukkan bahwa jumlah rumah sakit menunjukkan peningkatan pada periode setelah akreditasi. Variabel akreditasi yang dikontruksi indikator manajemen informasi dan rekam medik, peningkatan mutu dan keselamatan pasien, dan program nasional penurunan angka kesakitan tuberkulosis berpengaruh terhadap pelaporan kasus TB dimana karakteristik rumah sakit (tempat tidur, kelas RS dan ukuran RS) mempengaruhi kedua variabel tersebut. Kerangka penguatan upaya pelaporan TB di rumah sakit yang dikembangkan mencakup: regulasi dan kebijakan, manajemen proses, fokus pada pelanggan, manajemen sumber daya, monitoring dan evaluasi serta feedback. Hal ini didukung juga oleh strategi manajemen data yang terdiri dari: (1) sumber data TB yang berasal dari berbagai unit pelayanan dilaporkan kepada tim DOTS, (2) koordinasi melalui labeling dan komunikasi rutin serta integrasi data berbasis SIMRS, (3) leveraging dan manajemen data melalui manajemen data induk, analisis data dan kualitas data, (4) tata kelola data yang didukung SDM, proses/standar, kebijakan/regulasi, dan teknologi/fasilitas, serta (5) penyelarasan data internal rumah sakit dan database kementerian kesehatan. Rekomendasi dalam penelitian ini adalah: (1) penguatan pada proses penilaian akreditasi dengan memanfaatkan komponen penilaian bab manajemen informasi dan rekam medik serta bab peningkatan mutu dan keselamatan pasien; (2) penguatan pada manajemen data TB di internal rumah sakit dengan memanfaatkan sistem informasi yang terkoneksi dan terintegrasi dengan database internal dan eksternal yang disertai monitoring, evaluasi serta feedback oleh Dinas Kesehatan dan Kementerian Kesehatan sehingga surveilans TB dapat optimal;dan (3) penguatan insentif dan disinsentif dalam mendukung pelaporan kasus TB oleh rumah sakit.

Reporting TB cases in Indonesia is still a big challenge with the high TB cases found, especially in hospitals, but not reported to the National TB Program. Therefore, the government has integrated TB control into hospital accreditation where accreditation is a form of legitimate demands for hospitals and stakeholder demands. This study aims to analyze how the contribution of accreditation to TB case reporting by hospitals in order to obtain policy recommendations for strengthening reporting efforts for TB in hospitals. The study used secondary data from hospital accreditation assessment results and TB case reporting in SITT at all hospitals that passed the 2018 SNARS for the period January 2018-June 2019. The results showed that the number of hospitals reporting TB cases increased in the period after accreditation. Accreditation variables constructed by indicators of information management and medical records, quality improvement and patient safety, and national programs for reducing tuberculosis morbidity affect the reporting of TB cases where hospital characteristics (beds, hospital class and hospital size) affect both variables. The framework for strengthening TB reporting efforts in hospitals that was developed includes: regulations and policies, process management, customer focus, resource management, monitoring and evaluation and feedback. This is also supported by a data management strategy consisting of: (1) TB data sources originating from various service units reported to the DOTS team, (2) coordination through labeling and routine communication as well as SIMRS-based data integration, (3) leveraging and management data through master data management, data analysis and data quality, (4) data management supported by human resources, processes/standards, policies/regulations, and technology/facilities, and (5) synchronization of internal hospital databases and ministry of health databases. Recommendations in this study are: (1) strengthening the accreditation assessment process by utilizing the assessment components of the information management chapter and medical records as well as the quality improvement and patient safety chapter; (2) strengthening of internal TB data management in hospitals by utilizing information systems that are connected and integrated with internal and external databases accompanied by monitoring, evaluation and feedback by the Health Service and the Ministry of Health so that TB surveillance can be optimal; and (3) strengthening incentives and disincentives in supporting the reporting of TB cases by hospitals. Key words: Tuberculosis, Accreditation, Surveillance, Reporting, Hospital

Angka keberhasilan pengobatan Tuberkulosis Indonesia tahun 2023 belum mencapai target 90%. Keberhasilan pengobatan berdampak terhadap penurunan penyebaran infeksi dan kasus resistensi obat, sehingga perlu untuk memprediksi keberhasilan pengobatan lebih dini. Penelitian ini bertujuan untuk mengembangkan model pendekatan pembelajaran mesin untuk prediksi keberhasilan pengobatan. Penelitian ini menggunakan data kohort Sistem Informasi Tuberkulosis (SITB) Indonesia. Pasien usia produktif (15-64 tahun) terdiagnosis tuberkulosis sensitif obat dan mendapatkan pengobatan dari 1 Januari 2020 sampai 31 Desember 2023 diikutsertakan dalam penelitian ini. Data dikelompokkan secara acak ke dalam set data pelatihan untuk membangun model (80%) dan set data pengujian untuk validasi model (20%), dan dilakukan validasi silang untuk data. Algoritma yang digunakan meliputi decision tree, random forest, multilayer perceptron, extreme gradient boosting, dan logistic regression. Dilakukan konsensus untuk pengambilan keputusan variabel yang diperlukan dalam melakukan pemodelan berbasis pembelajaran mesin dari data SITB untuk memprediksi keberhasilan pengobatan dengan menggunakan metode Delphi. Hasil dari penelitian model algoritma pembelajaran mesin random forest menunjukkan kinerja terbaik dan akurasi tertinggi dalam memprediksi keberhasilan pengobatan. Aplikasi prediksi berbasis pembelajaran mesin dapat memberikan prediksi dini dengan interpretasi berbasis SHAP (SHapley Additive ExPlanations) yang memudahkan tenaga kesehatan dalam mengambil keputusan.