Label AI pada alat pemantau lansia belum menjelaskan kinerjanya

Survei Penduduk Antar Sensus 2025 mencatat 11,97 persen penduduk Indonesia telah berusia 60 tahun ke atas. Perubahan demografi ini memperbesar kebutuhan pemantauan dan pendampingan di rumah. Sensor gerak, perangkat sandang (wearable), kamera, dan radar mulai dipasarkan sebagai alat bantu pintar. Label itu belum menjelaskan apakah keputusan dibuat dengan ambang tetap atau model kecerdasan artifisial (AI).

Satu label memuat cara kerja yang berbeda

Sistem berbasis ambang memicu alarm ketika nilai sensor melewati batas yang sudah ditentukan. Perangkat bisa memakai perubahan percepatan, kemiringan tubuh, atau durasi tanpa gerakan. Model pembelajaran mesin mempelajari gabungan pola dari data latih, lalu mengklasifikasikan peristiwa baru. Keduanya tetap membutuhkan sensor, aturan pengiriman alarm, dan jalur respons setelah notifikasi diterima.

Tinjauan sistematis pada 2025 menilai 80 studi deteksi jatuh menurut tiga kategori sensor dan empat kelompok metode komputasi. Ukuran yang dibandingkan mencakup akurasi, presisi, sensitivitas, spesifisitas, skor F1, serta waktu pelatihan dan pengujian. Hasil gabungan menempatkan pembelajaran mendalam di depan pada lima ukuran kinerja. Namun, temuan itu tidak menjadikan setiap produk berlabel AI lebih andal daripada setiap alat berbasis ambang.

Uji laboratorium tidak sama dengan rumah atau fasilitas perawatan

Angka akurasi tinggi sering berasal dari jatuh yang diperagakan dalam lingkungan terkontrol. Gerakan, pakaian, posisi sensor, perabot, dan kebiasaan pengguna di dunia nyata lebih beragam. Model juga bisa menghadapi kelompok usia dan kondisi gerak yang berbeda dari data latih. Nilai pada brosur karena itu belum cukup tanpa keterangan tentang peserta dan tempat pengujian.

Studi PLOS One pada 2017 menguji model mesin vektor pendukung (support vector machine) dengan 10 kejadian jatuh nyata pada lansia dan sekitar 400 jam aktivitas sehari-hari. Sistem mendeteksi 8 dari 10 kejadian memakai satu akselerometer. Tingkat alarm palsu pada kelompok data lansia berkisar dari 0 sampai 0,3 per jam. Sampel kejadian yang kecil membatasi generalisasi, tetapi hasilnya memperlihatkan jarak antara demonstrasi laboratorium dan pemakaian lapangan.

Empat angka lebih berguna daripada kata “pintar”

Sensitivitas menunjukkan bagian kejadian jatuh yang berhasil dikenali, sedangkan spesifisitas menunjukkan kemampuan menolak peristiwa bukan jatuh. Angka alarm palsu per hari atau per pekan menerjemahkan spesifisitas ke beban nyata bagi pendamping. Waktu deteksi mengukur jeda sebelum notifikasi dikirim. Kinerja perlu disertai lokasi sensor, lama pengujian, karakteristik pengguna, dan definisi kejadian.

Jenis sensor juga mengubah kegagalan yang mungkin terjadi. Perangkat sandang bergantung pada kepatuhan pemakaian dan posisi alat. Sensor ruangan memiliki batas cakupan serta bisa terhalang, sementara kamera merekam informasi visual yang lebih rinci. Radar tidak otomatis bebas risiko karena pola gerak dan waktu aktivitas tetap bisa menjadi data sensitif ketika dikaitkan dengan seorang pengguna.

Data gerak tetap memerlukan tata kelola

UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan informasi kesehatan dan data biometrik sebagai data pribadi spesifik. Status data dari alat pemantau bergantung pada apa yang direkam dan bagaimana informasi itu dikaitkan dengan individu. Dokumen produk perlu menyebut tujuan pengumpulan, pihak yang menerima akses, masa penyimpanan, lokasi pemrosesan, dan prosedur penghapusan. Pengiriman ke komputasi awan tidak boleh tersembunyi di balik istilah “analitik pintar”.

Model yang berjalan di perangkat mengurangi kebutuhan mengirim rekaman mentah, tetapi arsitektur lokal bukan jaminan tunggal. Pembaruan perangkat lunak, akun pendamping, notifikasi, dan pencadangan tetap membuka jalur data lain. Pembahasan tentang pelatihan model tanpa memindahkan data tersedia dalam laporan APPI News mengenai AI medis lintas rumah sakit. Prinsip yang sama berlaku: lokasi data hanya satu bagian dari pengendalian akses dan keamanan.

Indonesia masih menyusun tata kelola AI kesehatan

Kementerian Kesehatan pada Juni 2026 menyebut regulasi AI kesehatan, persetujuan, tata kelola data medis, dan keamanan siber sebagai agenda penyusunan pedoman nasional. Pernyataan itu membahas ekosistem AI kesehatan secara luas, bukan standar khusus alat deteksi jatuh. Sampai artikel ini disusun, kami belum menemukan dokumen resmi Indonesia yang membandingkan produk berdasarkan alarm palsu, kejadian terlewat, dan hasil uji lapangan. Ketiadaan dokumen yang ditemukan membatasi penilaian apakah klaim antarproduk memakai dasar yang setara.

Kesenjangan tersebut bisa ditutup lewat format pengungkapan yang seragam. Produsen perlu memisahkan hasil uji laboratorium dari uji lapangan, serta menjelaskan apakah data berasal dari lansia. Penyedia juga perlu menyatakan perubahan kinerja setelah pembaruan model dan cara pengguna melaporkan alarm keliru. Lembaga pembiayaan dan fasilitas perawatan kemudian bisa membandingkan manfaat operasional, bukan sekadar daftar fitur.

Perangkat adalah bagian dari layanan, bukan penggantinya

Kementerian Kesehatan mendefinisikan perawatan jangka panjang sebagai layanan pendampingan bagi lansia yang membutuhkan bantuan untuk memenuhi kebutuhan dasar sehari-hari. Kemenkes juga menempatkan keluarga dalam dukungan kesehatan, aktivitas, kehidupan sosial, dan pemantauan berkala. Alat deteksi hanya menangani satu bagian dari alur tersebut: mengenali pola dan menyampaikan pemberitahuan. Manfaat akhirnya bergantung pada pemasangan, akses pendamping, jaringan komunikasi, serta respons setelah alarm.

Pemisahan antara sensor ambang dan AI tetap berguna untuk memahami cara kerja, tetapi tidak cukup untuk memilih sistem. Bukti lapangan, beban alarm, cakupan ruang, kemudahan pemakaian, dan tata kelola data menentukan apakah alat bertahan dalam rutinitas. Label AI tanpa ukuran tersebut hanya memindahkan keputusan ke bahasa pemasaran. Standar keterbukaan akan membuat pembanding lebih jelas bagi keluarga, penyedia layanan, dan pembuat kebijakan.