Ditemukan 30756 dokumen yang sesuai dengan query :: Simpan CSV
Ummi Khairun Niswah; Pembimbing: Martya Rahmaniati Makful, Tris Eryando; Penguji: Besral, Yekti Widodo, Dakhlan Choeron
Abstrak:
ABSTRAK Pendahuluan: Composite Index of Anthropometric Failure (CIAF) adalah komposit indeks malnutrisi yang dibagi menjadi tujuh indikator. Faktor risiko kejadian CIAF diantaranya ASI eksklusif, desa/kelurahan Universal Child Immunization (UCI), jamban sehat, posyandu aktif, kemiskinan, tingkat pendidikan ibu dan status pekerjaan ibu balita. Penelitian ini dilakukan untuk mengetahui variabel yang berpengaruh terhadap secara lokal dan secara global dan mengetahui perbedaan faktor yang menjadi prediktor CIAF di setiap kabupaten/kota Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan menggunakan desain studi cross sectional. Analisis penelitian menggunakan analisis spasial menggunakan MGWR. Hasil: Hasil analisis F hitung < F tabel (0,47 < 2,25) sehingga tidak ada variasi spasial di Kalimantan namun ada variabel yang signifikan di wilayah lokal atau per kabupaten/kota yaitu pendidikan ibu yang rendah dan posyandu aktif thitung > t tabel (0,025;49 = 2,009). Nilai R-square pemodelan MGWR sebesar 52.56% sehingga model ini cukup dalam menggambarkan variasi CIAF di Kalimantan. Kesimpulan: Variabel yang berpengaruh secara spasial di kabuaten/kota adalah variabel tingat pendidikan ibu yang rendah dan posyaandu aktif sedangkan hasil analisis di Kalimantan tidak ada variasi spasial. Faktor tingkat pendidikan ibu yang rendah dan posyandu aktif yang menjadi prediktor kejadian CIAF secara lokal. Tingkat pendidikan ibu signifikan diseluruh kabupaten/kota, sedangkan posyandu aktif signifikan di 14 kabupaten/kota. Kata kunci: CIAF, malnutrisi, MGWR, spasial Background: The Composite Index of Anthropometric Failure (CIAF) is a composite index of malnutrition that is divided into seven indicators. Risk factors of CIAF are exclusive breastfeeding, Universal Child Immunization (UCI) villages, avaibility of latrines, poverty, maternal education level, active integrated service post, and employment status of toddler mothers. This study was conducted to determine the variables that affect lokally and globally and to know the differences in factors that predict CIAF in each district that affect spatial malnutrition incidence in infants. Method: This study used a quantitative approach using cross sectional study design. The research analysis used spatial analysis using MGWR. Results: The result of F value < F table (0,47 <2,25), there is no spatial variability in Kalimantan but there are significant variables in lokal area (i.e., low maternal education and active integrated service post (t value> t table 0.025; 49 = 2,009). MGWR analysis for CIAF resulted in a 52.56% so this model is strong to describe the variation of CIAF in Kalimantan Conclusion: The variables that have spatial variability in lokal area are low education maternal education variable and active active integrated service post, while analysis result in Kalimantan no spatial variability. Factors of low level of maternal education and active integrated service post, become predictors of CIAF incidence. Maternal education level is significant across districts, while avtive integrated service post is significantly active in 14 district /municipalities. Keywords: CIAF, malnutrition, MGWR, spatial
Read More
T-5371
Depok : FKM-UI, 2018
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Lukman Perdana Sofyan; Pembimbing: Tris Eryando; Penguji: Martya Rahmaniati Makful, Fresty Cahya Maulina
Abstrak:
Read More
Pemerintah Indonesia menargetkan prevalensi stunting mencapai angka 14% pada periode akhir RPJMN di tahun 2024. Sejalan dengan itu, Pemerintah Kabupaten Bogor dalam RPJMD 2018-2023 menargetkan pencapaian prevalensi stunting pada tahun 2023 mencapai 19,6%. Pemerintah Kota Bogor dalam RPJMD tahun 2019-2024 menetapkan target prevalensi stunting mencapai 9,9% pada tahun 2024. Dalam rangka pencapaian target penurunan stunting, kebijakan yang disusun perlu didukung dengan analisa data berbasis wilayah dengan metode analisis yang memperhitungkan konteks wilayah atau dikenal dengan analisis spasial. Penelitian ini bertujuan untuk menganalisis pola persebaran stunting pada balita di tingkat kecamatan di Kabupaten Bogor dan Kota Bogor selama periode 2020-2023, menyusun peta wilayah yang menjadi hotspot prevalensi stunting pada rentang tahun 2020-2023 serta faktor penyebabnya dan mengevaluasi apakah prioritas penanganan stunting di Kabupaten Bogor dan Kota Bogor sudah sesuai dengan kondisi sebaran stunting. Penelitian ini merupakan studi ekologi dengan unit analisis tingkat kecamatan menggunakan data sekunder profil kesehatan Kabupaten dan Kota Bogor tahun 2020-2023. Uji Indeks Moran’s I digunakan untuk mengidentifikasi autokorelasi spasial antar wilayah kecamatan. Analisis GTWR dilakukan untuk mengetahui model faktor risiko prevalensi stunting berdasrkan karakteristik wilayah. Pemetaan wilayah berisiko stunting dapat memberikan gambaran tingkat risiko prevalensi stunting dan faktor risikonya pada tingkat kecamatan. Terdapat tren penurunan signifikan dalam prevalensi stunting di Kabupaten Bogor dan Kota Bogor dari tahun 2020 hingga 2023. Terdapat autokorelasi spasial yang signifikan secara global pada tahun 2022 dan 2023 (p-value < 0,05) dengan Kecamatan Dramaga konsisten sebagai hotspot. Model faktor determinan stunting melalui uji GTWR menghasilkan variabel yang berpengaruh adalah diare balita, BBLR, ANC K4, imunisasi lengkap balita, akses air bersih dan ketinggian wilayah dengan nilai AIC sebesar 85,182 dan nilai R2 sebesar 0,7105. Pemetaan yang dibuat dapat menyajikan gambaran sebaran risiko stunting dikaitkan dengan variabel utama asupan nutrisi, status kesehatan, layanan kesehatan dan lingkungan pemukiman dengan menampilkan tingkatan risiko pada setiap wilayah kecamatan. Data berbasis spasial yang dikemukakan dalam penelitian ini bisa dijadikan dasar pemerintah Kabupaten Bogor dan Kota Bogor untuk mengidentifikasi wilayah-wilayah dengan tingkat stunting yang tinggi dan mengidentifikasi faktor-faktor yang mempengaruhi penyebaran stunting di wilayahnya.
The Indonesian government targets stunting prevalence to reach 14% in the final period of the RPJMN in 2024. In line with this, the Bogor Regency Government in the 2018-2023 RPJMD targets achieving stunting prevalence in 2023 to reach 19.6%. The Bogor City Government in the 2019-2024 RPJMD has set a target for stunting prevalence to reach 9.9% by 2024. In order to achieve the stunting reduction target, the policies that have been prepared need to be supported by regional-based data analysis with analytical methods that take into account regional context or known as spatial analysis. . This study aims to analyze the distribution pattern of stunting among children under five at the sub-district level in Bogor Regency and Bogor City during the 2020-2023 period, compile a map of areas that are hotspots for stunting prevalence in the 2020-2023 period and the factors causing them and evaluate whether the priority for handling stunting in the Regency is Bogor and Bogor City are in accordance with the conditions for the distribution of stunting. This research is an ecological study with a sub-district level analysis unit using secondary data on the health profile of Bogor Regency and City for 2020-2023. The Moran's I Index test is used to identify spatial autocorrelation between sub-district areas. GTWR analysis was carried out to determine the risk factor model for stunting prevalence based on regional characteristics. Mapping areas at risk of stunting can provide an overview of the risk level of stunting prevalence and risk factors at the sub-district level. There is a significant decreasing trend in the prevalence of stunting in Bogor Regency and Bogor City from 2020 to 2023. There is significant spatial autocorrelation globally in 2022 and 2023 (p-value < 0.05) with Dramaga District consistently as a hotspot. The stunting determinant factor model using the GTWR test produces variables that influence toddler diarrhea, LBW, ANC K4, complete immunization for toddlers, access to clean water and regional altitude with an AIC value of 85.182 and an R2 value of 0.7105. The mapping created can provide an overview of the distribution of stunting risk associated with the main variables of nutritional intake, health status, health services and residential environment by displaying the level of risk in each sub-district area. The spatial-based data presented in this research can be used as a basis for the Bogor Regency and Bogor City governments to identify areas with high levels of stunting and identify factors that influence the spread of stunting in their areas.
T-7033
Depok : FKM UI, 2024
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Sofiyulloh; Pembimbing: Martya Rahmaniati Makful; Penguji: Artha Prabawa, Sutanto Priyo Hastono, Dian Sidik Arsyad, Dion Zein Nuridzin
Abstrak:
Read More
Kematian ibu merupakan salah satu permasalahan kesehatan yang masih terjadi. AKI Indonesia pada tahun 2020 mencapai 189 per 100.000 kelahiran hidup yang masih di atas target SDGs 2030. Dan Jawa Timur merupakan provinsi yang memiliki kasus kematian ibu cukup tinggi di Indonesia. Berbagai faktor dapat berpengaruh terhadap kejadian kematian ibu, baik dari faktor kesehatan maupun non kesehatan. Pendekatan spasial pada penelitian ini bertujuan untuk melihat pengaruh faktor secara lokal di antarwilayah dan antarwaktu. Dalam penelitian ini, digunakan data sekunder berupa agregat dari publikasi profil kesehatan Jawa Timur dan BPS Jawa Timur, dengan variabel dependen kematian ibu, serta independen Rata-Rata Lama Sekolah (RLS), usia kawin, penduduk miskin, rasio tenaga kesehatan, rasio puskesmas, persalinan di fasyankes, dan ANC dari tahun 2021 – 2023. Juga terdapat atribut spasial berupa ketinggian wilayah dan kerapatan jalan serta peta digital. Metode yang digunakan adalah pemetaan faktor risiko dengan overlay serta statistik spasial dengan Geographically Weighted Regression. Didapatkan faktor risiko determinan kematian ibu cenderung sedang dan tinggi di tahun 2021, 2022, dan 2023. Juga didapatkan kejadian kematian ibu terjadi autokorelasi global dengan pola berkelompok. Dan secara autokorelasi lokal, terdapat beberapa wilayah signifikan di setiap tahun. Sedangkan untuk hasil GWR, didapatkan variabel signifikan lokal di tahun 2021 adalah ANC di seluruh wilayah, dan 2022 tidak ada variabel signifikan, sedangkan 2023 beberapa wilayah signifikan dengan rasio tenaga kesehatan dan persalinan di fasyankes, dan beberapa tidak signifikan. Dan untuk model dari nilai R2 bervariasi, meskipun cenderung meningkat dari tahun 2021 ke 2023. Dari hasil penelitian ini diharapkan dapat menjadi bahan perencanaan bagi program kesehatan ibu dan anak di Jawa Timur, agar dapat fokus ke wilayah prioritas intervensi. Kata kunci: kematian ibu, spasial, sosial-ekonomi, layanan kesehatan
Maternal mortality remains a significant health issue. Indonesia’s maternal mortality rate (MMR) in 2020 reached 189 per 100,00 0 live births, still above the 2030 SDGs target. East Java is one of the provinces with the highest maternal mortality rates in Indonesia. Various factors can influence maternal mortality rates, both health-related and non- health-related. The spatial approach in study aims to examine the local influences of these factors across regions and over time. In this study, secondary data in the form of aggregates from East Java health profile publications and the East Java Central Statistics Agency (BPS) were used, with the dependent variable being maternal mortality and the independent variables being Average Years of Schooling (RLS), age at marriage, poor population, health worker ration, health center ratio, deliveries in health facilities, and ANC from 2021 – 2023. Spatial attributes include elevation, road density, and digital maps. The methods used include risk factors mapping with overlay and spatial statistics using Geographically Weighted Regression (GWR). The results indicate that risk factors for maternal mortality tend to be moderate to high ini 2021, 2022, and 2023. Additionally, maternal mortality events exhibit global autocorrelation with a clustered pattern. In terms of local autocorrelation, there were several significant regions in each year. For the GWR results, the significant local variable in 2021 was ANC across all regions, while in 2022 there were no significant variables, and in 2023, some regions were significant with the ratio of healthcare workers and births in healthcare facilities, while others were not significant. The R2 values of the models varied, though they tended to increase from 2021 to 2023. The findings of this study are expected to serve as a basis for planning maternal and child health programs in East Java, enabling a focus on priority intervention areas. Key words: maternal mortality, spatial, social-economic, health services
T-7252
Depok : FKM-UI, 2025
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Rifqatussa`adah; Pembimbing: Tris Eryando; Besral
T-1852
Depok : FKM UI, 2003
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Sylvia Kyla; Pembimbing: Artha Prabawa; Penguji: Sabarinah Prasetyo, Resyana Yunita
Abstrak:
Tujuan penelitian ini adalah mendapatkan gambaran tingkat kerawanan dari kejadian tuberkulosis paru di Kota Depok tahun 20172019. Metode yang digunakan adalah studi observasional dengan pendekatan analisis spasial dengan memakai data agregat dari laporan rutin yang dikeluarkan Dinas Kesehatan Kota Depok. Hasil dari penelitian adalah dua dari sebelas kecamatan di Kota Depok termasuk ke dalam kategori daerah rawan tuberkulosis selama tahun 2017-2019 yaitu Kecamatan Sukmajaya dan Kecamatan Cinere, serta terdapat korelasi statistik yang bermakna antara rasio fasilitas kesehatan tahun 2017-2019 dengan insiden tuberkulosis paru BTA positif dengan nilai korelasi sebesar 0.417.
Read More
S-10791
Depok : FKM UI, 2021
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Suharyo Adijoyo Nugroho; Pembimbing: Milla Herdayati; Penguji: Martya Rahmaniati Makful, Elizabeth Jane Soepardi
Abstrak:
Penelitian ini bertujuan untuk menganalisis persebaran cakupan imunisasi lengkap di Provinsi NTT pada tahun 2018 menurut kota/kabupaten berdasarkan rasio fasilitas kesehatan, rasio tenaga kesehatan, topografi wilayah, dan indeks pembangunan manusia menggunakan teori Ekologi untuk melihat sebaran kasus pada imunisasi dasar lengkap di Provinsi NTT tahun 2018 dengan menggunakan pendekatan analisis spasial. Metode yang digunakan dalam penelitian ini adalah kuantitatif, teknik pengumpulan data dilakukan dengan menggunakan data sekunder yang tersedia pada website Badan Pusat Statistik, serta analisis yang digunakan yaitu analisis spasial.
Read More
S-10597
Depok : FKM UI, 2021
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Deny Yudhistira; Pembimbing: Martya Rahmaniati Makful; Penguji: Kemal Nazaruddin Siregar, Tris Eryando, Tiopan Sipahutar, Fajar Nugraha
Abstrak:
Read More
Stunting merupakan salah satu masalah kesehatan masyarakat global yang sampai saat ini masih perlu memperoleh perhatian penting terutama di negara-negara berkembang. Indonesia perlu menurunkan prevalensi stunting menjadi 14% pada tahun 2024. Sebanyak 108 kabupaten/kota di Provinsi Banten, Jawa Barat, jawa Tengah dan Jawa Timur termasuk lokasi fokus intervensi percepatan penurunan stunting terintegrasi tahun 2023 dengan skema percepatan khusus. Penelitian ini bertujuan untuk mengetahui visualisasi dashboard data wilayah berisiko stunting dikaitkan dengan pola asuh, faktor lingkungan, faktor akses pelayanan kesehatan, penyakit infeksi dan BBLR di Provinsi Banten, Jawa Barat, Jawa Tengah dan Jawa Timur tahun 2021. Penelitian ini merupakan studi ekologi dengan unit analisis di tingkat kabupaten/kota dan menggunakan data sekunder berupa data agregat hasil Studi Status Gizi Indonesia (SSGI) Tahun 2021 yang diperoleh dari BKPK Kemenkes RI. Hasilnya dashboard yang dibuat dapat menyajikan data pemetaan sebaran risiko stunting dikaitkan dengan pola asuh, faktor lingkungan, faktor pelayanan kesehatan, penyakit infeksi dan BBLR. Selain itu juga menyajikan data dan grafik variabel di tingkat kabupaten/kota yang interaktif, serta menyajikan simulasi prevalensi stunting yang dihubungkan dengan variabel yang signifikan berhubungan dengan stunting pada penelitian ini.
Stunting is one of the global public health problems that still needs important attention, especially in developing countries. Indonesia needs to reduce the prevalence of stunting to 14% by 2024. A total of 108 districts/cities in the provinces of Banten, West Java, Central Java and East Java are included in the focus locations of the integrated stunting reduction acceleration intervention in 2023 with a special acceleration scheme. This study aims to describe the dashboard visualization of data on areas at risk of stunting associated with parenting, environmental factors, health service access factors, infectious diseases and LBW in Banten, West Java, Central Java and East Java Provinces in 2021. This research is an ecological study with a unit of analysis at the district / city level and used secondary aggregated data of the 2021 Indonesian Nutrition Status Study (SSGI) obtained from the BKPK Kemenkes RI. As a result, the dashboard created can present data mapping the distribution of stunting risk associated with parenting, environmental factors, health service factors, infectious diseases and LBW. In addition, it also presented data and graphs of variables at the interactive district / city level, and presented a simulation of the prevalence of stunting associated with variables that were significantly associated with stunting in this study.
T-6666
Depok : FKM-UI, 2023
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Aldila Riznawati; Pembimnbing: Tris Eryando; Penguji: Artha Prabawa, Juri Hendrajadi
Abstrak:
Data and information have an important role in the decision-making process. In the health sector, data utilization is used to estimate the burden of a disease including its determinants. Tuberculosis (TB) remains a global health problem that infects 10.6 million people worldwide in 2021, where Indonesia is the second highest contributor to caseload after India. The province with the highest number of TB case findings in Indonesia in the last 5 years is West Java Province. To find out the spatial model of risk factors that have an effect on each district/city, an analysis was carried out using a spatial approach using secondary data. The results of this study indicate that there is a positive spatial autocorrelation that has a significant effect on the number of TB cases in West Java Province, which means that the distribution of cases forms a clustered pattern and adjacent areas tend to affect the surrounding area. The districts/cities that have become hotspot areas and are priority areas for intervention in handling TB cases in West Java Province are Bekasi Regency, Bogor Regency, Karawang Regency, Purwakarta Regency, Sukabumi Regency, Bekasi City, Bogor City and Depok City. Spatial analysis found risk factors that had different effects in each district/city area, namely the poor population, temperature and altitude, so that the forms of health interventions carried out were also different. Utilization of data with this spatial approach is expected to be able to support decision-making support related to health intervention programs and policies that are specific to the area so that they are right on target and able to reduce the number of TB cases in West Java Province.
Read More
Data dan informasi memiliki peran yang penting dalam proses pengambilan keputusan. Di bidang kesehatan, pemanfaatan data digunakan untuk mengestimasi beban suatu penyakit termasuk determinannya. Tuberculosis (TB) masih menjadi masalah kesehatan global yang menginfeksi 10,6 juta orang di seluruh dunia pada tahun 2021, dimana Indonesia menjadi penyumbang beban kasus tertinggi kedua setelah India. Provinsi dengan jumlah temuan kasus TB tertinggi di Indonesia dalam 5 tahun terakhir adalah Provinsi Jawa Barat. Untuk mengetahui model spasial faktor risiko yang berpengaruh di masing-masing wilayah kabupaten/kota, dilakukan analisis dengan pendekatan spasial menggunakan data sekunder. Hasil dari penelitian ini menunjukkan adanya autokorelasi spasial positif yang berpengaruh signifikan terhadap jumlah kasus TB di Provinsi Jawa Barat yang artinya sebaran kasus membentuk pola mengelompok dan wilayah yang berdekatan cenderung mempengaruhi wilayah sekitarnya. Adapun wilayah kabupaten/kota yang menjadi wilayah hotspot dan menjadi wilayah prioritas intervensi penanganan kasus TB di Provinsi Jawa Barat adalah Kabupaten Bekasi, Kabupaten Bogor, Kabupaten Karawang, Kabupaten Purwakarta, Kabupaten Sukabumi, Kota Bekasi, Kota Bogor dan Kota Depok. Analisis spasial menemukan faktor risiko yang memiliki pengaruh berbeda pada masing-masing wilayah kabupaten/kota yaitu penduduk miskin, suhu dan ketinggian wilayah, sehingga bentuk intervensi kesehatan yang dilakukan juga berbeda. Pemanfaatan data dengan pendekatan spasial ini diharapkan dapat menjadi pendukung pengambilan keputusan (decision making support) terkait program dan kebijakan intervensi kesehatan yang spesifik wilayah sehingga tepat sasaran dan mampu menurunkan jumlah kasus TB di Provinsi Jawa Barat.
Data and information have an important role in the decision-making process. In the health sector, data utilization is used to estimate the burden of a disease including its determinants. Tuberculosis (TB) remains a global health problem that infects 10.6 million people worldwide in 2021, where Indonesia is the second highest contributor to caseload after India. The province with the highest number of TB case findings in Indonesia in the last 5 years is West Java Province. To find out the spatial model of risk factors that have an effect on each district/city, an analysis was carried out using a spatial approach using secondary data. The results of this study indicate that there is a positive spatial autocorrelation that has a significant effect on the number of TB cases in West Java Province, which means that the distribution of cases forms a clustered pattern and adjacent areas tend to affect the surrounding area. The districts/cities that have become hotspot areas and are priority areas for intervention in handling TB cases in West Java Province are Bekasi Regency, Bogor Regency, Karawang Regency, Purwakarta Regency, Sukabumi Regency, Bekasi City, Bogor City and Depok City. Spatial analysis found risk factors that had different effects in each district/city area, namely the poor population, temperature and altitude, so that the forms of health interventions carried out were also different. Utilization of data with this spatial approach is expected to be able to support decision-making support related to health intervention programs and policies that are specific to the area so that they are right on target and able to reduce the number of TB cases in West Java Province.
T-6607
Depok : FKM-UI, 2023
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Rani Delfiyanti; Pembimbing: Tris Eryando; Penguji: Martya Rahmaniati Makful, Intan Widayati dan Fresty Cahya Maulina
Abstrak:
Read More
Salah satu tujuan Sustainable Development Goals (SDGs) ialah menjamin kehidupan yang sehat dan meningkatkan kesejahteraan seluruh penduduk semua usia. Dengan target pada tahun 2030, menurunkan rasio angka kematian ibu hingga kurang dari 70 per 1000 kelahiran hidup serta menurunkan angka kematian neonatal setidaknya 12 per 1000 kelahiran hidup. Angka kematian neonatal di Indonesia sebesar 16,85%, sebagian besar disebabkan oleh BBLR. BBLR merupakan prediktor kesehatan masyarakat yang penting karena BBLR tidak hanya akan meningkatkan risiko kematian dan penyakit setelah lahir, tetapi juga dapat meningkatkan risiko mengalami penyakit tidak menular selama hidupnya. Sehingga diperlukan langkah yang tepat untuk menurunkan angka kelahiran BBLR, mengingat dampak-dampak buruk yang dihasilkan jangka panjang. Salah satu metode yang digunakan dalam manajemen penyakit berbasis wilayah ialah analisis spasial. Analisis spasial perlu dilakukan untuk menjadi decision support system dalam melakukan intervensi yang tepat berbasis wilayah dan masalah (specific area intervention model). Penelitian ini merupakan penelitian dengan desain studi ekologi dengan pendekatan spasial dengan tujuan untuk mendapatkan persebaran BBLR, untuk mendapatkan determinan yang paling berpengaruh terhadap BBLR, serta mendapatkan prioritas intervensi terkait penanganan BBLR di wilayah kabupaten/kota Provinsi Banten dan Jawa Barat. Data yang digunakan ialah data sekunder yang diperoleh dari publikasi dari Dinas Kesehatan dan Badan Pusat Statistik (BPS) Provinsi Banten dan Jawa Barat tahun 2020-2022, serta peta wilayah Provinsi Banten dan Jawa Barat dari Badan Informasi Geospasial (BIG). Adapun unit analisis yang digunakan ialah kabupaten/kota. Analisis data dilakukan dengan aplikasi SPSS untuk analisis data secara statistik, aplikasi GeoDa untuk melihat sebaran dan area hotspot kasus BBLR, aplikasi R untuk melakukan uji GTWR dan aplikasi Quantum GIS (QGIS) menginterpretasikan hasil analisis ke dalam visualisasi dalam bentuk peta. Diperoleh hasil bahwa kasus BBLR di Provinsi Banten dan Jawa Barat tersebar secara clustered atau mengelompok, dengan wilayah hotspot BBLR tiap tahunnya ialah Kabupaten Ciamis, Kabupaten Majalengka, dan Kabupaten Tasikmalaya. Tiap wilayah memiliki determinan yang berpengaruh berbeda-beda, dan secara keseluruhan terdapat enam variabel determinan yang berpengaruh secara spasial terhadap kejadian BBLR, yakni kunjungan antenatal (K4), linakes, tingkat kemiskinan, sanitasi, paritas, dan ketinggian wilayah. Intervensi yang menjadi prioritas terhadap ketiga wilayah hotspot tersebut ialah terhadap determinan paritas.
One of the goals of the Sustainable Development Goals (SDGs) is ensuring healthy lives and promoting well-being at all ages. The target of 2030, reducing the maternal mortality rate to less than 70 per 1000 live births and reducing the neonatal mortality rate to at least 12 per 1000 live births. The neonatal mortality rate in Indonesia is 16.85%, mostly caused by low birth weight (LBW). LBW is an important predictor of public health because it is not only increasing the risk of death and disease after birth, but can also increase the risk of experiencing non-communicable diseases during life. So, the appropriate steps are needed to reduce the LBW birth rate, considering the long-term negative impacts. One of the methods used in spatial disease management is spatial analysis. Spatial analysis needs to be carried out to become a decision support system in carrying out appropriate interventions based on areas and problems (specific model intervention areas). This research using an ecological study design with a spatial approach with the aim of getting the distribution of LBW, to get the determinants that most influence LBW, as well as getting priority interventions related to handling LBW in the districts/cities of Banten and West Java Provinces. Secondary data analysis was conducted using the publications from the Dinas Kesehatan Provinsi and Badan Pusat Statistik (BPS) of Banten and West Java Provinces for 2020-2022, and regional maps of Banten and West Java Provinces from the Badan Informasi Geospasial (BIG). The unit of analysis used is the district/city. Data analysis was carried out using the SPSS application to analyze the data statistically, the GeoDa application to see the distribution and hotspot areas of LBW cases, the R application to carry out the GTWR test and the Quantum GIS (QGIS) application to interpret the analysis results into visualizations in map form. The results obtained were that LBW cases in Banten and West Java Provinces were distributed in clusters, with the LBW hotspot areas each year being Ciamis Regency, Majalengka Regency and Tasikmalaya Regency. Each region has different influencing determinants, and overall there are six determinant variables that spatially influence the incidence of LBW, namely antenatal visits (K4), health care, poverty level, sanitation, parity and regional altitude. The priority intervention for the three hotspot areas is the determinants of parity.
T-7038
Depok : FKM UI, 2024
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Asrit Jessica Kario; Pembimbing: Rico Kurniawan; Penguji: Artha Prabawa, Kemal Nazaruddin Siregar, Muhammad Amin Bakri, Nikson Sitorus
Abstrak:
Read More
Anemia merupakan masalah kesehatan global, yang bisa terjadi pada siapa saja, terutama di kalangan remaja putri, yang dapat berdampak pada pertumbuhan, perkembangan, produktivitas pada generasi selanjutnya. Prevalensi anemia tahun 2021 secara global pada perempuan usia 15–49 tahun sebesar 33,7%, dan di Indonesia tahun 2023 tercatat 15,5% pada kelompok usia 15–24 tahun. Tujuan dari penelitian, yaitu untuk mengembangkan prediksi risiko anemia menggunakan pendekatan algoritma machine learning dalam konteks program kesehatan remaja putri di Indonesia. Penelitian ini menggunakan data dari Survei Kesehatan Indonesia (SKI) 2023 untuk mengidentifikasi faktor risiko utama anemia, seperti status gizi, pola konsumsi makanan, sosio-ekonomi, penyakit infeksi dan kronis. Hasil penelitian didapatkan model terbaik Random forest dengan AUC 0,768, akurasi 0,707, skor F1 0,706, presisi 0,712, dan recall sebesar 0,707. Prediktor dalam penelitian ini, yaitu pekerjaan, lokasi tempat tinggal, ukuran keluarga, status menstruasi, pola konsumsi sayur dan hasil olahannya, pola konsumsi buah dan hasil olahannya, pola konsumsi daging, unggas, dan hasil olahannya, pola konsumsi ikan, kerang, dan hasil olahannya, pola konsumsi susu dan hasil olahannya, pola konsumsi telur dan hasil olahannya, diare, pneumonia, dan kecacingan. Rancangan sistem didasarkan pada model prediksi terbaik dan ditampilkan dalam bentuk wireframe.
Anemia is a global health problem, which can happen to anyone, especially among adolescent girls, which can have an impact on growth, development, productivity in the next generation. The prevalence of anemia in 2021 globally in women aged 15-49 years is 33.7%, and in Indonesia in 2023 it is 15.5% in the age group 15-24 years. The purpose of the study was to develop anemia risk prediction using a machine learning algorithm approach in the context of adolescent girls' health programs in Indonesia. This study used data from the 2023 Indonesian Health Survey (IHS) to identify the main risk factors for anemia, such as nutritional status, food consumption patterns, socio-economics, infectious and chronic diseases. The results obtained the best Random forest model with AUC 0.768, accuracy 0.707, F1 score 0.706, precision 0.712, and recall of 0.707. The predictors in this study are occupation, location of residence, family size, menstrual status, consumption patterns of vegetables and their processed products, consumption patterns of fruits and their processed products, consumption patterns of meat, poultry, and their processed products, consumption patterns of fish, shellfish, and their processed products, consumption patterns of milk and their processed products, consumption patterns of eggs and their processed products, diarrhea, pneumonia, and helminthiasis. The system design is based on the best prediction model and displayed in wireframe view.
T-7358
Depok : FKM UI, 2025
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉