Kepercayaan Pasien pada Chatbot RS Hanya 2,59 dari 5: Batas Cakupan yang Aman
Chatbot rumah sakit aman dibuka untuk informasi administratif, dan harus berhenti sebelum topik klinis. Survei 2.678 pengguna portal pasien yang terbit 10 November 2026 mencatat keberterimaan chatbot 3,30 dari 5, tetapi kepercayaan pada ketepatan informasinya hanya 2,59 dan persepsi keamanan 2,51. Pasien bersedia memakai, belum mempercayai isinya.
Selisih itu mengubah rilis chatbot dari keputusan teknis menjadi keputusan risiko di meja Wadir Pelayanan. Yang perlu diputuskan lebih dulu bukan kanalnya atau modelnya, melainkan daftar topik yang boleh dijawab otomatis dan topik yang wajib dialihkan ke petugas sejak kata pertama.
Angka yang Mengubahnya Jadi Keputusan Risiko
Pasien menerima kehadiran chatbot, tetapi tidak menaruh kepercayaan pada ketepatannya. Survei lintas seksi di Journal of General Internal Medicine, terbit 10 November 2026, menyebar deskripsi chatbot yang tertaut rekam medis kepada pengguna aktif portal pasien layanan primer di satu sistem kesehatan akademik. Dari 2.955 responden (tingkat respons 16,1%), 2.678 dianalisis.
Pada skala 5 poin, rerata keberterimaan 3,30, kepercayaan pada ketepatan informasi 2,59, persepsi keamanan pasien 2,51, dan kesediaan berbicara dengan chatbot 2,79. Tiga dari empat ukuran itu berada di bawah titik tengah skala. Artinya, penerimaan yang terlihat di angka pertama tidak bisa dibaca sebagai mandat untuk membuka cakupan selebar mungkin.
Sebaran jawabannya juga tidak seragam. Usia yang lebih tua dan ras nonkulit putih berasosiasi dengan keberterimaan yang lebih tinggi, gender perempuan dengan keberterimaan yang lebih rendah, dan teknofobia sedang sampai tinggi dengan penurunan keberterimaan paling besar di antara variabel yang diuji. Peneliti menutup dengan rekomendasi pendekatan berhati-hati yang mempertimbangkan persepsi pasien berdampingan dengan keterbatasan model bahasa yang sudah terdokumentasi.
Dua catatan agar angka ini tidak dipakai berlebihan. Pertama, respondennya pengguna portal pasien layanan primer di Amerika Serikat, bukan pasien rawat jalan rumah sakit di Indonesia, jadi besaran reratanya tidak bisa dipindahkan mentah ke profil pasien JKN. Kedua, yang dinilai responden adalah deskripsi chatbot hipotetis, bukan sistem yang sudah mereka pakai. Yang layak dipinjam dari studi ini adalah polanya, yaitu keberterimaan selalu lebih tinggi daripada kepercayaan, dan rumah sakit sebaiknya menakar cakupan berdasarkan angka kepercayaan, bukan angka keberterimaan.
Bukti Mengapa Topik Klinis Tetap di Luar Cakupan
Sisa kesalahan yang tidak bisa dihilangkan terkonsentrasi pada topik obat, gejala, dan saran yang harus disesuaikan per pasien. Dua studi yang terbit pada 2026 mengukurnya dengan panel penilai klinis, dan keduanya memberi angka yang cukup konsisten untuk dipakai menyusun kebijakan cakupan.
Studi di Frontiers in Medicine mengirim 42 permintaan informasi standar seputar penyakit ginjal diabetik ke enam chatbot publik dan menghasilkan 252 jawaban. Lima penilai klinis yang tidak mengetahui sumber jawaban menemukan 30 dari 252 jawaban (11,9%) berpotensi tidak aman, paling sering karena informasi terkait obat tidak lengkap atau saran pembatasan cairan yang tidak disesuaikan dengan kondisi masing-masing pasien. Proporsi jawaban aman berkisar 83,3% sampai 92,9% antarmodel, tanpa perbedaan yang signifikan secara statistik.
Studi di Digital Health memakai 82 permintaan informasi dari pasien dan pendamping seputar leukemia promielositik akut pada lima produk chatbot publik, menghasilkan 410 jawaban. Proporsi jawaban yang memenuhi kriteria aman berkisar 85,37% sampai 93,90%, juga tanpa perbedaan signifikan antarproduk, dan penulis mencatat jawaban yang tidak aman atau berpotensi menyesatkan tetap muncul di setiap produk yang diuji. Pada kedua studi, keterbacaan jawaban berada di atas tingkat bacaan yang disarankan untuk materi pasien.
Bacaan praktisnya untuk rumah sakit: pada topik klinis, sisa jawaban bermasalah berada di kisaran 6 sampai 15 persen dan tidak hilang hanya dengan berganti produk. Angka sebesar itu bisa diterima untuk hal administratif yang mudah dikoreksi, dan tidak bisa diterima untuk hal yang menentukan apakah pasien datang ke rumah sakit malam itu atau menunda sampai pekan depan.
Tiga Lapis Cakupan yang Bisa Ditetapkan Direksi
Cakupan paling mudah dipertahankan bila ditulis sebagai tiga lapis, bukan sebagai satu daftar panjang. Setiap lapis punya syarat berbeda pada akses data, pencatatan, dan kewenangan penjawab.
Lapis 1, jawab otomatis. Informasi administratif dan logistik yang jawabannya identik untuk semua orang: jadwal poliklinik dan jam layanan, alur pendaftaran, syarat berkas rujukan JKN, lokasi unit dan instalasi, cara mengubah jadwal, serta prosedur pengambilan hasil. Lapis ini tidak memerlukan akses rekam medis dan tidak memerlukan penilaian klinis. Pemetaan beban yang menjadi dasar usulan kanal ini dibahas terpisah dalam catatan tentang angka beban petugas loket pendaftaran sebelum mengusulkan kanal pesan.
Lapis 2, jawab otomatis dengan verifikasi identitas. Hal yang menyentuh data pasien tertentu: status jadwal temu miliknya sendiri, status berkas, atau konfirmasi kunjungan berikutnya. Lapis ini hanya dibuka setelah identitas terverifikasi, dengan dasar pemrosesan data yang jelas dan jejak audit per percakapan. Bila verifikasi identitas belum siap, lapis ini ditunda, bukan dijalankan dengan asumsi.
Lapis 3, selalu dialihkan ke petugas atau tenaga kesehatan. Gejala dan keluhan, dosis dan aturan pakai obat, interpretasi hasil pemeriksaan, keluhan pasca tindakan, kelayakan tindakan, serta apa pun yang menyerupai kegawatdaruratan. Untuk lapis ini chatbot tidak diminta berhati-hati, melainkan diminta berhenti: satu kalimat pengantar, lalu alih tangan.
Yang membuat tiga lapis ini bekerja adalah daftar kata pemicu alih tangan yang ditulis eksplisit dan diuji sebelum rilis, termasuk istilah sehari-hari yang dipakai pasien, bukan hanya istilah medis. Kalimat seperti "dada saya sesak sejak tadi sore" harus memicu alih tangan tanpa kecuali, dan jalur alih tangan itu harus punya penjaga pada jam kerja maupun di luar jam kerja.
Apa yang Perlu Dicek Sebelum Memutuskan
Lima hal berikut menentukan apakah batas cakupan bertahan setelah rilis, dan semuanya bisa diminta sebagai bukti sebelum keputusan diambil.
- Daftar topik tertutup dan kata pemicu alih tangan, tertulis dan diuji. Minta daftar kasus uji beserta hasilnya, bukan pernyataan bahwa sistem "akan mengalihkan bila perlu". Uji juga variasi bahasa daerah dan singkatan yang lazim dipakai pasien.
- Rasio alih tangan dan waktu tanggap petugas pada jam sibuk. Kanal otomatis memindahkan beban, tidak menghapusnya. Bila alih tangan menumpuk tanpa penjaga, batas cakupan yang bagus di atas kertas berubah menjadi antrean baru yang tidak terlihat.
- Jejak audit per percakapan yang bisa ditarik. Siapa menanyakan apa, jawaban apa yang diberikan, dan kapan dialihkan. Tanpa ini, keluhan pasien tidak bisa ditelusuri dan evaluasi cakupan berjalan tanpa data.
- Dasar pemrosesan data pasien dan letak penyimpanannya. Khusus untuk Lapis 2, perjelas dasar pemrosesan, masa simpan, siapa yang bisa membacanya, dan apakah data mengalir ke sistem pihak lain beserta dasar hukumnya.
- Pemilik jawaban dan siklus peninjauannya. Jawaban administratif berubah ketika jadwal dokter berubah. Tetapkan unit yang bertanggung jawab memperbarui isi dan frekuensi tinjauannya, misalnya bulanan, agar kanal tidak perlahan menjadi sumber informasi kedaluwarsa.
Untuk memilih bentuk kanalnya, perbandingannya biasanya di antara tiga pendekatan: menu terstruktur dengan jawaban baku yang cakupannya sempit tetapi pasti, alur berbasis skrip dengan pencabangan, dan sistem AI yang menyusun jawaban bebas dari basis pengetahuan rumah sakit. Semakin bebas bentuk jawabannya, semakin ketat pengujian cakupan dan jejak auditnya. Pembandingan cara kerja alih tangan pada tiap pendekatan tersedia di halaman tentang chatbot AI untuk pendaftaran dan informasi pasien rumah sakit, dan hitungan beban bulanannya dibahas dalam ulasan tentang cara menakar ROI chatbot rumah sakit secara bulanan.
Dasar Hukum
- Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, Pasal 4 ayat (2) huruf a, menempatkan data kesehatan sebagai data pribadi yang bersifat spesifik. Konsekuensinya, pemrosesan data pasien pada kanal otomatis menuntut dasar pemrosesan yang sah serta pengamanan yang lebih ketat daripada data pribadi umum, termasuk untuk Lapis 2 yang menampilkan data pasien tertentu.
- Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan menegaskan pelayanan kesehatan diselenggarakan oleh tenaga medis dan tenaga kesehatan yang memiliki izin praktik, termasuk ketika pelayanan itu diberikan dengan dukungan teknologi informasi dan komunikasi. Kanal otomatis karena itu tidak boleh berdiri sebagai pemberi pertimbangan klinis.
- Permenkes 24/2022 tentang Rekam Medis mengatur kerahasiaan isi rekam medis serta pihak yang berhak mengaksesnya. Ketentuan ini menjadi batas bagi integrasi chatbot ke sistem informasi rumah sakit: akses dibuka seminimal mungkin, sesuai keperluan jawaban yang disepakati.
Ketentuan teknis telemedisin dan pelayanan kesehatan berbasis teknologi informasi diatur lebih lanjut dalam peraturan pelaksana Undang-Undang Kesehatan. Bila cakupan kanal hendak diperluas melampaui informasi administratif, rujuk teks peraturan pelaksana yang berlaku dan libatkan komite medik sejak awal.
Yang Realistis Diharapkan Setelah Batas Ditetapkan
Dengan cakupan yang dibatasi pada Lapis 1 dan Lapis 2, yang realistis dicapai adalah berkurangnya permintaan informasi berulang di loket dan telepon, bukan berkurangnya pekerjaan klinis. Angka kepercayaan pada ketepatan informasi di studi portal pasien justru menyarankan kanal otomatis sebaiknya dipakai pada hal yang pasien sendiri bisa mengoreksinya dengan mudah.
Tiga angka cukup untuk dipantau bulanan: proporsi percakapan yang selesai di Lapis 1 tanpa alih tangan, waktu tanggap petugas untuk percakapan yang dialihkan, dan jumlah kejadian ketika topik Lapis 3 sempat dijawab otomatis. Angka ketiga idealnya nol, dan setiap kejadian ditelaah seperti insiden, bukan dicatat sebagai keluhan layanan.
Satu hal lagi yang perlu disepakati sejak awal: pengungkapan. Pasien yang tahu sedang berbicara dengan sistem otomatis, dan tahu cara mencapai petugas dalam satu langkah, memberi penilaian yang berbeda dari pasien yang baru menyadarinya setelah jawabannya terasa tidak sesuai. Batas cakupan yang jelas hanya bekerja bila pasien mengetahui batas itu ada.
FAQ
Topik apa saja yang aman dijawab otomatis oleh chatbot rumah sakit?
Informasi administratif dan logistik yang jawabannya sama untuk semua orang: jadwal poliklinik, jam layanan, alur pendaftaran, syarat berkas rujukan JKN, lokasi unit, dan cara mengubah jadwal. Kelompok ini tidak memerlukan penilaian klinis dan tidak memerlukan akses rekam medis.
Konsekuensi kesalahannya juga berbeda. Jadwal yang salah membuat pasien datang di waktu yang tidak tepat, dan itu bisa dikoreksi. Saran klinis yang salah tidak selalu bisa dikoreksi tepat waktu, sehingga topik tersebut tidak masuk cakupan otomatis sejak awal.
Mengapa topik obat dan gejala tidak boleh masuk cakupan otomatis?
Karena di sana sisa kesalahan paling menumpuk. Studi Frontiers in Medicine 2026 atas 252 jawaban enam chatbot publik menemukan 30 jawaban (11,9%) berpotensi tidak aman, paling sering karena informasi obat tidak lengkap dan saran pembatasan cairan yang tidak disesuaikan per pasien. Studi Digital Health 2026 atas 410 jawaban lima produk mencatat proporsi jawaban aman 85,37% sampai 93,90%, dan jawaban tidak aman muncul di setiap produk yang diuji.
Pada kedua studi, perbedaan antarproduk tidak signifikan secara statistik. Artinya, memilih produk lain bukan jalan keluar dari risiko ini; membatasi cakupan adalah jalan keluarnya.
Apakah pasien menolak chatbot rumah sakit?
Tidak menolak, tetapi juga belum mempercayainya. Survei Journal of General Internal Medicine yang terbit 10 November 2026 atas 2.678 pengguna aktif portal pasien mencatat keberterimaan 3,30 dari 5, sementara kepercayaan pada ketepatan informasi 2,59 dan persepsi keamanan pasien 2,51.
Perlu dicatat, respondennya pengguna portal layanan primer di satu sistem kesehatan akademik di luar Indonesia dan yang dinilai adalah deskripsi chatbot hipotetis. Yang bisa dipinjam adalah polanya, yaitu keberterimaan konsisten lebih tinggi daripada kepercayaan, bukan besaran reratanya.
Apa dasar hukum yang mengikat saat chatbot menyentuh data pasien?
Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menempatkan data kesehatan sebagai data pribadi yang bersifat spesifik pada Pasal 4 ayat (2) huruf a, sehingga pemrosesannya menuntut dasar pemrosesan yang sah dan pengamanan yang lebih ketat. Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan menegaskan pelayanan kesehatan diberikan oleh tenaga medis dan tenaga kesehatan berizin praktik, dan Permenkes 24/2022 tentang Rekam Medis mengatur kerahasiaan serta hak akses atas isi rekam medis.
Secara operasional, tiga hal ini perlu tertulis sebelum rilis: dasar pemrosesan data pada kanal, masa simpan percakapan, dan daftar pihak yang dapat membacanya.
Sumber
- Haessner P, Romero CL, Ike-Okpe O, Hammer NC, Gregory ME. Patient Acceptability and Perceptions of an Artificial Intelligence Chatbot in a Primary Care Patient Portal: Cross-Sectional Survey. Journal of General Internal Medicine, 10 November 2026. doi:10.1007/s11606-026-10965-8 (diakses via PubMed, PMID 43009703)
- Yu S, Huang R, Zhou W, Duan N, Huang W. Safety, accuracy, empathy and information quality of six large language models answering patient-facing questions about diabetic kidney disease: a cross-sectional comparative study. Frontiers in Medicine, 30 Oktober 2026. doi:10.3389/fmed.2026.2007153 (diakses via PubMed)
- Yin J, Xiong X, Ke S, Wang Y. Evaluating large language model responses to patient questions about acute promyelocytic leukemia: A comparative cross-sectional study. Digital Health, 30 September 2026. doi:10.1177/20552076261493714 (diakses via PubMed)
- Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, Pasal 4 ayat (2) huruf a. JDIH Kementerian Komunikasi dan Digital
- Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan, JDIH.
- Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 tentang Rekam Medis, JDIH Kementerian Kesehatan.
Dipercaya 70+ rumah sakit di 10+ provinsi



























