Ditemukan 24668 dokumen yang sesuai dengan query :: Simpan CSV
Ari Dwi Aryani; Promotor: Adang Bachtiar; Kopromotor: Ali Ghufron Mukti, Fachmi Idris; Penguji: Dumilah Ayuningtyas, Kemal Nazaruddin Siregar, Mardiati Nadjib, Sabarinah, Rizanda Machmud
Abstrak:
Read More
Inekuitas pelayanan kesehatan masih terjadi setelah pelaksanaan Jaminan Kesehatan Nasional (JKN). Pemantauan secara berkala Kinerja Fasilitas Kesehatan Tingkat Pertama (FKTP) merupakan kunci untuk menurunkan inekuitas pelayanan kesehatan sebagai tujuan utama JKN. Penerapan Kapitasi Berbasis Kinerja (KBK) dengan tiga indikator sejak tahun 2016, menunjukkan terjadi perbaikan kinerja FKTP dalam meningkatkan kualitas dan efisiensi di pelayanan tingkat pertama. Penelitian ini bertujuan untuk mengembangkan model indikator kinerja, kapasitas FKTP dan indikator ekuitas agar dapat mengukur ekuitas pelayanan kesehatan. Desain penelitian menggunakan exploratory sequential-mixed method. Penelitian dibagi menjadi tiga tahapan. Tahap satu adalah systematic review untuk mengidentifikasi indikator yang dapat digunakan dalam mengukur kapasitas, kinerja FKTP dan ekuitas pelayanan kesehatan. Tahap dua dilakukan dengan pendekatan kualitatif dengan teknik Consensus Decision Making Group (CDMG) untuk menentukan indikator yang dapat dipakai dalam pengukuran kapasitas dan kinerja FKTP serta pengukuran ekuitas pelayanan kesehatan dengan para pakar. Tahap tiga adalah membuat pengembangan model indikator kinerja FKTP berdasarkan skema kapitasi yang dapat mengukur ekuitas akses layanan kesehatan, menggunakan analisis Structural Equation Modelling (SEM). Berdasarkan hasil SR, CDMG dan analisis SEM, indikator terpilih untuk mengukur kapasitas FKTP terdiri dari tiga indikator yaitu rasio dokter umum, sumberdaya sarana dan manusia (skor rekredensialing) dan pembiayaan (persen pembayaran KBK yang diterima). Indikator kinerja terpilih delapan indikator yaitu angka kontak, proporsi penderita DM diperiksa gula darah, proporsi penderita Hipertensi diperiksa tekanan darah, proporsi pasien tidak rujuk RS, proporsi rujukan non spesialistik, proporsi pasien rujuk balik, proporsi skrining penyakit jantung, DM dan Hipertensi, rasio pasien prolanis terkendali. Ekuitas pelayanan kesehatan dilihat dari rate utilisasi peserta FKTP berdasarkan jenis kelamin, usia dan sosial ekonomi (PBI-Non PBI). Analisis SEM menunjukan terdapat hubungan yang positif dan signifikan antara kapasitas dan kinerja FKTP dengan ekuitas pelayanan.
Healthcare inequities still occur after the implementation of the National Health Insurance (JKN). Regular monitoring of the performance of primary healthcare facilities (FKTP) is key to reducing healthcare inequities as the main goal of JKN. The implementation of Performance-Based Capitation (KBK) with three indicators since 2016 has shown improvements in the performance of primary healthcare facilities in improving the quality and efficiency of first-level services. Their capacity influences the performance of primary care facilities and impacts primary care performance outcomes (health service equity). This study objective was to develop a model of performance indicators, FKTP capacity and equity indicators to measure health service equity. The research design utilized an exploratory sequential-mixed method. The study was divided into three phases. Phase one was a systematic review to identify indicators that can be used in measuring capacity, FKTP performance and health service equity. Phase two was carried out by a qualitative approach with the Consensus Decision Making Group (CDMG) technique to determine indicators that can be used in measuring FKTP capacity and performance as well as measuring health service equity with experts. Phase three was the development of a model for FKTP performance indicators based on a capitation scheme that can measure the equity of health service access. This phase was carried out using Structural Equation Modeling (SEM) analysis. The SR, CDMG and SEM analysis show that there are three selected indicators to measure the capacity of primary health care facilities: general practitioner ratio, facility sufficiency(recredentialing score) and financing (percentage of KBK payments received). Eight performance indicators were selected, namely contact rate, proportion of DM patients checked for blood sugar, proportion of Hypertension patients checked for blood pressure, proportion of patients not referred to hospital, proportion of non-specialistic referrals, proportion of patients referred back to primary care providers, proportion of screening for heart disease, diabetes mellitus, and hypertension; and ratio of controlled Prolanis patients. Health service equity was analyzed from the utilization rate of participants based on gender, age and socioeconomic factors(PBI-Non PBI). SEM analysis showed a positive and significant relationship between the capacity and performance of primary health care facilities and equity.
D-508
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Andi Afdal Abdullah; Promotor: Budi Hidayat; Kopromotor: Pujiyanto; Penguji: Atik Nurwahyuni, Mardiati Nadjib, Soewarta Kosen, Ali Ghufron Mukti; Mahlil Ruby; Teguh Dartanto
Abstrak:
Read More
Latar belakang: Kemudahan akses pelayanan kesehatan bagi peserta Jaminan Kesehatan Nasional (JKN) merupakan salah satu upaya untuk meningkatkan derajat kesehatan penduduk Indonesia. Kemudahan akses ini terwujud dengan bertambahnya fasilitas kesehatan yang melayani peserta JKN. Indikator kemudahan akses terlihat dari bertambahnya jumlah peserta yang berkunjung ke fasilitas kesehatan baik di tingkat pelayanan rawat jalan maupun rawat inap. Kunjungan peserta JKN per 1.000 penduduk dikenal dengan isitilah rate sebagai salah satu indikator utilisasi pelayanan kesehatan untuk menjaga kesinambungan program JKN. Tujuan: penelitian ini bertujuan menganalisis faktor yang mempengaruhi rate rawat jalan tingkat lanjutan (RJTL) maupun rawat inap inap tingkat lanjutan (RITL) dan pemodelan prediksi rate RJTL dan rate RITL. Data yang digunakan berasal dari database BPJS Kesehatan dan Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2016 – 2019 yang diolah berdasarkan faktor predisposing, faktor enabling, dan faktor need dimana semua data digunakan dalam penelitian atau total sampling. Metode: analisis data panel dinamis yang ditujukan untuk membuat model prediksi rate RJTL dan rate RITL. Hasil: model prediksi yang digunakan pada rate RJTL dan rate RITL adalah estimator First Difference Generalized Method of Moment (FDGMM). Kesimpulan: rate RJTL dipengaruhi oleh variabel nilai tagihan klaim dibayar per kunjungan RJTL; jumlah rumah sakit kelas A, B, C, D; jumlah peserta pria; jumlah peserta berusia > 50 tahun; jumlah peserta dengan jumlah anggota keluarga > 3 orang; jumlah peserta berpengeluaran di bawah garis kemiskinan; jumlah peserta dengan penyakit tidak menular; rasio fragmentasi; rasio rujukan; dan jumlah peserta berpendidikan SMP. Sedangkan, rate RITL dipengaruhi oleh variabel nilai tagihan klaim dibayar per kunjungan RITL; jumlah rumah sakit kelas A, B, C, D; jumlah peserta pria; jumlah peserta berusia > 50 tahun; jumlah peserta dengan jumlah anggota keluarga > 3 orang; rate readmisi; jumlah peserta berpendidikan SMP; dan jumlah peserta berpendidikan Perguruan Tinggi. Saran: hasil penelitian menyarankan agar Pemerintah Daerah turut mendukung pemenuhan sarana prasarana pelayanan kesehatan agar masyarakat dapat menjangkau pelayanan kesehatan dengan mudah, mengelola perencanaan penambahan rumah sakit sesuai kebutuhan; Kementerian Kesehatan dapat memberikan regulasi terkait pemenuhan dan pemerataan fasilitas kesehatan maupun tenaga medis, terutama pada daerah dengan keadaan geografis yang sulit; BPJS Kesehatan dapat menggunakan model prediksi rate RJTL dan rate RITL sebagai alat bantu dalam menilai kebutuhan penambahan kerjasama dengan rumah sakit. Peneliti selanjutnya dapat melakukan penelitian dengan faktor utilisasi yang lebih luas dan lengkap serta melakukan kajian yang lebih mendalam pada satu wilayah tertentu dengan mempertimbangkan pengaruh aspek geografis, seperti jarak antar fasilitas kesehatan, luas wilayah dan kondisi akses ke fasilitas kesehatan.
Background: easy access to health services for participants of the National Health Insurance (JKN) is one of the efforts to improve the health status of the Indonesian population. This accessibility is achieved through an increase in health facilities serving JKN participants. The indicator of accessibility can be observed from the rising number of participants visiting health facilities, both at the outpatient and inpatient levels. The rate of visits by JKN participants per 1.000 population is considered an indicator of health service utilization, which contributes to the continuity of the JKN program. Objective: this study aims to analyze the factors that influence the advanced level of outpatient care (RJTL) and inpatient care (RITL) and to model the prediction of RJTL rates and RITL rates. The data used is derived from the BPJS Kesehatan database and the 2016-2019 National Socioeconomic Survey (SUSENAS), which are processed based on predisposing factors, enabling factors, and need factors. All data is utilized in the research, employing total sampling. Method: dynamic panel data analysis is employed to develop prediction models for RJTL rates and RITL rates. Results: the prediction model used for the RJTL rate and RITL rate is the First Difference Generalized Method of Moment (FDGMM) estimator. Conclusion: RJTL rate is influenced by several variables: value of claims bills paid per RJTL visit, number of class A, B, C, and D hospitals, number of male participants, number of participants aged over 50 years, number of participants with more than 3 family members, number of participants with expenditures below the poverty line, number of participants with non-communicable diseases, fragmentation ratio, referral ratio, and number of participants with junior high school education. On the other hand, the RITL rate is affected by value of claim bills paid per RITL visit, number of class A, B, C, and D hospitals, number of male participants, number of participants aged over 50 years, number of participants with more than 3 family members, readmission rate, number of participants with junior high school education, and number of participants with university education. Recommendations: the results of this study suggest that the Regional Government should also support the fulfillment of health service infrastructure so that partisipant can reach health services easily, manage plans for adding hospitals as needed; The Ministry of Health can provide regulations regarding the fulfillment and equity of health facilities and medical personnel, especially in areas with difficult geographical conditions; BPJS Kesehatan can use RJTL rate prediction model and RITL rate as a tool in assessing the need for additional collaboration with hospitals. Future researchers can conduct research with broader and more complete utilization factors and conduct more in-depth studies in a particular area by considering the influence of geographical aspects, such as the distance between health facilities, area size and conditions of access to health facilities.
D-483
Depok : FKM-UI, 2023
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Eka Santy; Promotor: Kemal Nazaruddin Siregar; Kopromotor: Besral, Narila Mutia Nasir; Penguji: Anhari Achadi, Artha Prabawa, Tris Eryando, Indrajani, Eka Budiarto
Abstrak:
Read More
Latar Belakang: Adverse Pregnancy Outcomes (APO) diantarannya Berat Bayi Lahir rendah (BBLR), kelahiran preterm dan lahir mati merupakan penyebab utama kematian neonatal. Indonesia menduduki posisi tertinggi di ASEAN dan ke tujuh di dunia terkait kematian bayi baru lahir. Rumusan Masalah: Belum terdeteksi secara dini faktor risiko APO dengan cepat dan tepat di FKTP yang berdampak pada tingginya kematian bayi baru lahir, stunting dan kecerdasan yang rendah, sehingga perlu adanya pengembangan program pencegahan. Tujuan Penelitian: Menemukan model prediksi APO berbasis machine learning untuk pengembangan ePHR sebagai upaya deteksi dini di FKTP. Metode: Penelitian ini menggunakan Mixed Methods: Sequential Explanatory design melalui empat (4) tahap yaitu: (1) Studi Literatur; (2) Pembuatan model prediksi APO berbasis Machine Learning, (3) Membangun Prototipe ePHR Sebagai Deteksi Dini di FKTP dan (4) Uji penerimaan bidan dan Uji Efikasi terhadap penggunaan ePHR. Hasil: Ditemukan 22 Variabel penelitian dari 51 variabel yang dibutuhkan, ditemukan 3 indikator kritis dan 8 fitur esensial yang menjadi predictor utama kejadian APO diantaranya: Kesehatan ibu (komplikasi kehamilan dan atau persalinan, paritas lebih dari 4); Ketersediaan dan kualitas pelayanan (fasilitas pertolongan persalinan); Profile ibu (pendidikan rendah, status sosial ekonomi rendah, usia terlalu tua atau terlalu muda dan ibu bekerja). Analisis menunjukkan algoritma terbaik adalah random forest dengan target multiclass: AUC 98,4%; Sensitivity 95,1%; F1 Score 94,3%, Diimplementasikan kedalam prototipe ePHR ‘'e-bayiKusehAt” dengan 10 fitur untuk mendukung proses bisnis baru Deteksi dini APO terintegrasi dalam layanan antenatal di FKTP yang digunakan oleh bidan dan ibu hamil; Uji efikasi: Penggunaan Prototipe ePHR ‘'e-bayiKusehAt” meningkatkan kinerja bidan terutama deteksi dini terintegrasi dalam pelayanan Antenatal Diff-in-Diff tertinggi 1,571 (p<0,001); Kemampuan prediksi APO Diff-in-Diff 0,079 (p = 0,002); Mempercepat keputusan rujukan Diff-in-Diff 0,324 (p = 0,001); dan pengetahuan bidan tentang faktor risiko APO Diff-in-Diff: 0,388 ( p=0,031); Ibu hamil meningkatkan Akses edukasi Diff-in-Diff: 1,680 (p < 0,001) dan Pengetahuan Tanda Bahaya: Diff-in-Diff: 1,443 (p < 0,001). Kesimpulan: Telah diperoleh suatu model untuk prediksi APO, yang didasari dari 22 variabel penting. Model tersebut digunakan untuk membangun prototipe e PHR ‘'e-bayiKusehAt”, dimana hasil uji coba penggunaan prototipe berdampak pada peningkatan kinerja bidan dalam Deteksi Dini APO. Penggunaan prototipe ini ternyata juga efektif dalam meningkatkan kesadaran dan kesiapan ibu hamil terhadap potensi risiko kehamilan yang berdampak pada kejadian APO.
Background: Adverse Pregnancy Outcomes (APO) including low birth weight (LBW), preterm birth and stillbirth are the leading causes of neonatal mortality. Indonesia has the highest position in ASEAN and seventh in the world regarding newborn mortality. Problem Formulation: APO risk factors have not been detected early and quickly at primary health care facilities, which has an impact on high newborn mortality, stunting and low intelligence, so it is necessary to develop a prevention program. Research Objective: Finding a machine learning-based APO prediction model for the development of ePHR as an effort to early detection in primary care. Methods: This research uses Mixed Methods: Sequential Explanatory design through four (4) stages, namely: (1) Literature Study; (2) Machine Learning-based APO prediction modeling, (3) Building ePHR Prototype as Early Detection in FKTP and (4) Midwife acceptance test and Efficacy Test for the use of ePHR. Results: 22 research variables were found from the 51 variables needed, 3 critical indicators and 8 essential features were found to be the main predictors of APO events including: Maternal health (complications of pregnancy and or childbirth, parity more than 4); Availability and quality of services (delivery assistance facilities); Maternal profile (low education, low socioeconomic status, too old or too young and working mothers). Analysis shows the best algorithm is random forest with multiclass target: AUC 98.4%; Sensitivity 95.1%; F1 Score 94.3%, Implemented into the ePHR prototype “e-bayiKusehAt” with 10 features to support new business processes Early detection of APO integrated in antenatal services at FKTP used by midwives and pregnant women; Efficacy test: The use of the ePHR Prototype “e-bayiKusehAt” improves midwives' performance, especially integrated early detection in antenatal services Diff-in-Diff highest 1.571 (p<0.001); APO Diff-in-Diff prediction ability 0.079 (p = 0.002); Accelerating Diff-in-Diff referral decisions 0.324 (p = 0.001); and midwives' knowledge of APO Diff-in-Diff risk factors: 0.388 (p = 0.031); Pregnant women increase Diff-in-Diff education access: 1.680 (p < 0.001) and knowledge of danger signs: Diff-in-Diff: 1,443 (p < 0,001). Conclusion: A model for APO prediction was obtained, based on 22 important variables. The model was used to build the e PHR prototype “e-babyKusehAt”, where the results of the trial use of the prototype had an impact on improving the performance of midwives in Early Detection of APO. The use of this prototype was also effective in increasing the awareness and readiness of pregnant women to potential pregnancy risks that have an impact on the incidence of APO.
D-594
Depok : FKM-UI, 2025
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Fadlul Imansyah; Promotor: Amal Chalik Sjaaf; Kopromotor: Mardiati Nadjib, Prastuti Soewondo; Penguji: Besral, Teguh Dartanto, Mardiasmo, Ali Ghufron Mukti, Fachmi Idris, Darwin Cyril Noerhadi
Abstrak:
Penelitian ini bertujuan untuk menganalisis hubungan antara kinerja pelayanan peserta program jaminan kesehatan nasional dengan kinerja keuangan rumah sakit swasta. Melalui pendekatan analisis data sekunder, kami menggunakan metode Principal Component Analysis (PCA) dan model parsial untuk mengidentifikasi faktor-faktor yang mempengaruhi hubungan antara kinerja pelayanan kesehatan dan kinerja keuangan rumah sakit. Data yang digunakan meliputi rasio keuangan dan indikator kinerja pelayanan dari sejumlah rumah sakit swasta dalam periode waktu tertentu. Hasil analisis menunjukkan bahwa profitabilitas, diukur dengan EBITDA Margin, Net Profit Margin (NPM), dan Return on Equity (ROE), memiliki kontribusi yang paling signifikan dalam menjelaskan variabilitas data keuangan. Kontribusi peserta program jaminan kesehatan nasional terhadap pendapatan total rumah sakit memiliki pengaruh negatif dan signifikan terhadap kinerja keuangan, sementara kinerja keuangan memiliki pengaruh positif dan signifikan terhadap kualitas pelaporan kinerja pelayanan. Hasil analisis menggunakan model parsial menunjukkan bahwa terdapat perbedaan dalam pengaruh kinerja pelayanan kesehatan terhadap kinerja keuangan rumah sakit. Rumah sakit tertentu menunjukkan hubungan yang berbeda tergantung pada aspek-aspek tertentu dari kinerja keuangan dan pelayanan kesehatan. Temuan ini memberikan wawasan penting bagi pengambil kebijakan dan manajer rumah sakit dalam memahami dampak program jaminan kesehatan nasional terhadap keberlanjutan keuangan dan kualitas pelayanan rumah sakit swasta. Perlu adanya evaluasi lebih lanjut terhadap dampak program jaminan kesehatan nasional terhadap kinerja keuangan dan kualitas pelayanan rumah sakit swasta guna memastikan keberlanjutan sistem kesehatan yang berkelanjutan dan berkualitas.
This study investigates the relationship between BPJS Kesehatan patient revenue and profit private hospital financial performance in Indonesia. As the largest social health insurance provider in the country, BPJS Kesehatan's influence on hospital revenues has raised concerns regarding its impact on hospital financial sustainability. This research uses financial performance indicators to develop financial performance index – Return on Assets (ROA), Return on Equity (ROE), EBITDA Margin, Current Ratio, and Net Profit Margin (NPM) – to assess the financial impact from BPJS Kesehatan revenue. A partial model approach of multiple linier regression is employed using secondary data from seven private-profit hospitals listed on the Indonesian Stock Exchange from 2017 to 2022. The findings indicate a significant negative effect of BPJS Kesehatan patient revenue on the hospital financial performance index. Specifically, higher BPJS Kesehatan patient revenye correlates with lower performance across key financial indicators, including ROA, ROE, EBITDA Margin, Current Ratio, and NPM. This suggests that while BPJS Kesehatan revenue is essential for hospitals, it does not necessarily improve their financial health performance. The results highlight the need for hospitals to optimize their revenue mix and explore alternative financial strategies to enhance the performance.
Read More
This study investigates the relationship between BPJS Kesehatan patient revenue and profit private hospital financial performance in Indonesia. As the largest social health insurance provider in the country, BPJS Kesehatan's influence on hospital revenues has raised concerns regarding its impact on hospital financial sustainability. This research uses financial performance indicators to develop financial performance index – Return on Assets (ROA), Return on Equity (ROE), EBITDA Margin, Current Ratio, and Net Profit Margin (NPM) – to assess the financial impact from BPJS Kesehatan revenue. A partial model approach of multiple linier regression is employed using secondary data from seven private-profit hospitals listed on the Indonesian Stock Exchange from 2017 to 2022. The findings indicate a significant negative effect of BPJS Kesehatan patient revenue on the hospital financial performance index. Specifically, higher BPJS Kesehatan patient revenye correlates with lower performance across key financial indicators, including ROA, ROE, EBITDA Margin, Current Ratio, and NPM. This suggests that while BPJS Kesehatan revenue is essential for hospitals, it does not necessarily improve their financial health performance. The results highlight the need for hospitals to optimize their revenue mix and explore alternative financial strategies to enhance the performance.
D-554
Depok : FKM UI, 2025
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Machrumnizar; Promotor: Tris Eryando; Kopromotor: Adang Bachtiar, Rina Kurniasri Kusumaratna; Penguji: Anhari Achadi, Dumilah Ayuningtyas, Nastiti Kaswandani, Maxi Rein Rondonuwu, Dedy Sugiarto
Abstrak:
Read More
Tuberkulosis (TB) tetap menjadi masalah kesehatan utama di Indonesia dengan angka kejadian yang tinggi, termasuk pada anak-anak yang berkontribusi sekitar 16,68% dari total kasus TB nasional. Untuk mencapai target eliminasi TB pada tahun 2030, salah satu upaya strategis adalah optimalisasi deteksi dini melalui pemanfaatan teknologi digital dalam proses skrining dan diagnosis. Penelitian ini bertujuan mengembangkan model skrining TB anak berbasis machine learning dengan sistem skoring otomatis guna meningkatkan cakupan deteksi dan notifikasi kasus secara lebih efisien. Penelitian menggunakan pendekatan kuantitatif dengan rancangan kohort retrospektif dan dilaksanakan pada April–Agustus 2025 di delapan Puskesmas Kecamatan di wilayah Jakarta Barat. Data penelitian diperoleh dari rekam medis elektronik (RME) puskesmas dan database sistem informasi tuberkulosis (SITB) tahun 2023–2024. Model dikembangkan melalui empat skenario menggunakan lima algoritma, yaitu Logistic Regression, Decision Tree, Random Forest, K-Nearest Neighbor, dan Support Vector Machine. Evaluasi kinerja model dilakukan menggunakan cross-validation k-fold = 5 dengan metrik akurasi, sensitivitas, spesifisitas, dan Area Under the Receiver Operating Characteristic (AUROC). Hasil penelitian menunjukkan bahwa variabel dengan kontribusi prediktif terbesar meliputi pembesaran kelenjar, malaise ≥ dua minggu, penurunan atau stagnasi berat badan dua bulan terakhir, status gizi, dan riwayat kontak TB. Berdasarkan variabel tersebut, Decision Tree menjadi algoritma dengan performa terbaik karena menghasilkan nilai AUROC > 0,90. Nilai AUROC yang sangat tinggi (mendekati 1) menunjukkan bahwa kedua model memiliki kemampuan yang sangat baik dalam membedakan pasien anak dengan TB positif dan negatif berdasarkan skoring, serta sesuai untuk karakteristik data yang bersifat non-linear dengan interaksi antar gejala. Prototype aplikasi berbasis web yang dikembangkan mampu memberikan estimasi risiko secara cepat dan interaktif, sehingga berpotensi mendukung skrining TB anak di fasilitas layanan primer.
Tuberculosis (TB) remains a major public health challenge in Indonesia, with a high incidence rate, including among children who account for approximately 16.68% of all national TB cases. To achieve the 2030 TB elimination target, optimizing early detection through the use of digital technologies in screening and diagnosis is a key strategic approach. This study aims to develop a machine learning–based pediatric TB screening model equipped with an automated scoring system to enhance the efficiency of case detection and notification. A quantitative approach with a retrospective cohort design was employed, conducted from April to August 2025 across eight sub-district primary health centers (Puskesmas) in West Jakarta. Data were obtained from electronic medical records (RME) and the tuberculosis information database system (SITB) database for the years 2023–2024. The model was developed under four scenarios using five algorithms: Logistic Regression, Decision Tree, Random Forest, K-Nearest Neighbor, and Support Vector Machine. Model performance was evaluated using 5-fold cross-validation with accuracy, sensitivity, specificity, and Area Under the Receiver Operating Characteristic (AUROC) as the evaluation metrics. The findings indicate that the variables with the strongest predictive contributions include lymph node enlargement, malaise lasting ≥ two weeks, weight loss or stagnation over the past two months, nutritional status, and TB contact history. Based on these variables, Decision Tree demonstrated the best performance, achieving AUROC values > 0.90. Such high AUROC values (approaching 1) suggest excellent discriminatory ability in distinguishing TB-positive from TB-negative pediatric patients, particularly given the non-linear patterns and interactions among clinical symptoms. A prototype web-based application was developed and demonstrated the ability to generate rapid and interactive risk estimations. This tool shows strong potential to support pediatric TB screening efforts in primary healthcare settings.
D-615
Depok : FKM-UI, 2026
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Fika Minata Wathan; Pembimbing: Kemal Nazaruddin Siregar, Anhari Achadi, Rima Irwinda; Penguji: Tris Eryando, Besral, Yusuf Effendy, Heru Purnomo Ipung, Mujiono Sadikin
Abstrak:
Latar Belakang: Kelahiran preterm merupakan penyebab tertinggi kematian neonatal. Indonesia menduduki posisi tertinggi di ASEAN dan kelima di dunia untuk kelahiran preterm. Rumusan masalah: Belum adanya model prediksi kelahiran preterm yang memperlihatkan prediktor yang berguna untuk mengembangkan program pencegahan. Tujuan: Menemukan model prediksi kelahiran preterm berbasis machine learning untuk deteksi dini kelahiran preterm di Fasilitas Kesehatan Tingkat Pertama (FKTP). Metode: Penelitian ini menggunakan desain studi case control dengan menggunakan data rekam medis Rumah Sakit (RS) di Palembang yaitu RS YK Madira, RSMH, RS Bunda, RS Ar Rasyid, RS Muhammadiyah, dan RS Bhayangkara tahun 2019 dengan jumlah sampel 1758 responden yang terdiri dari 879 preterm dan 879 aterm. Faktor risiko yang digunakan pada penelitian ini didapatkan dari Systematic Literature Review yang terdiri dari faktor sosiodemografi (10 variabel), faktor perilaku/gaya hidup (5 variabel), faktor maternal/kondisi ibu sebelum kehamilan (8 variabel), faktor kehamilan/obstetri ginekologi (21 variabel), faktor biologis (3 variabel), faktor pelayanan kesehatan (2 variabel) dan Faktor Kondisi Janin (4 variabel). Pemodelan dilakukan dengan menggunakan machine learning dengan menggunakan algoritme decision tree, K-Nearest Neighbour (KNN), naïve bayes, logistic regression, Support Vector Machine (SVM) dan neural network (CNN1D, multilayer perceptron dan backpropagation). Hasil: Ditemukan 21 variabel penelitian dari 53 variabel yang dibutuhkan, dan menemukan 6 variabel yang menjadi prediktor utama kelahiran preterm di antaranya pre-eklamsia, perdarahan dalam kehamilan, riwayat ketuban pecah dini, jarak antar dua kehamilan, paritas, dan anemia. Pada penelitian ini ditemukan algoritma terbaik yaitu decision tree dengan nilai akurasi 95% untuk training dan 96% untuk testing dan telah dibuat prototype berupa aplikasi berbasis web untuk deteksi dini di FKTP. Kesimpulan: Ditemukan research novelty yaitu diperoleh model prediksi kelahiran preterm, dimana model ini potensial untuk digunakan di FKTP sebagai upaya deteksi dini. Model prediksi ini akan mendeteksi ibu hamil akan berisiko preterm atau tidak berisiko. Apabila diketahui ibu berisiko kelahiran preterm, maka ibu dianjurkan untuk melakukan pemeriksaan di RS, agar tidak terjadi keterlambatan penanganan yang menyebabkan kematian ibu maupun bayi. Dibandingkan tidak ada model prediksi, maka risiko kelahiran preterm tidak dapat dicegah, sehingga keterlambatan penanganan akan terjadi.
Read More
D-449
Depok : FKM-UI, 2021
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Wahyu Pudji Nugraheni; Promotor: Hasbullah Thabrany; Ko-Promotor: Budi Hidayat, Mardiati Nadjib; Penguji: Indang Trihandini, Soewarta Kosen, Fahmi Idris, Pujiyanto, Eko Setyo Pambudi
D-374
Depok : FKM-UI, 2017
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Solha Elrifda; Promotor: Anhari Achadi; Ko Promotor: Sudijanto Kamso, Harimat Hendrawan; Penguji: Purnawan Junadi, Kusharisupeni, Adang Bachtiar, Tri Krianto, Soewarta Kosen
D-309
Depok : FKM-UI, 2015
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Rikawarastuti; Promotor: Kemal Nazaruddin; Ko Promotor: Tris Eryando, Kalamullah Ramli; Penguji: Anhari Achadi, Besral, Toha Muhaimin, Lely Wahyuniar, Artha Prabawa
Abstrak:
Tingkat penularan HIV dari ibu ke anak di Indonesia merupakan peringkat tertinggi di dunia sehingga seorang bayi baru lahir di Indonesia berisiko lebih tinggi untuk menderita beban penyakit yang tinggi (HIV/AIDS). Hal ini karena ibu hamil tidak segera mengetahui status HIV dirinya melalui tes HIV dan penggunaan terapi Anti Retroviral (ARV) yang mampu mencegah penularan HIV dari ibu hamil HIV positif ke anaknya juga masih rendah. Tujuan penelitian ini mengembangkan suatu intervensi kesehatan digital berupa mHealth untuk peningkatan kinerja bidan dalam perbaikan cakupan dan kualitas layanan PPIA. Metode penelitian adalah studi longitudinal dengan intervensi kesehatan digital (mHealth). Penelitian dilakukan 6 tahap. Tahap 1: Systematic literature review; Tahap 2. Rapid asesmen dan analisis kebutuhan intervensi kesehatan digital; 3. Pengembangan model intervensi kesehatan digital; Tahap 4: Pengembangan prototipe mHealth PPIA; Tahap :5 Uji penerimaan bidan terhadap prototipe mHealth PPIA; Tahap 6. Uji efikasi intervensi kesehatan digital mHealth PPIA. Uji efikasi dilakukan dengan desain studi Quasi experiment pre and post intervention with control group design. Kelompok intervensi adalah bidan puskesmas wilayah Kecamatan Cengkareng dan kelompok kontrol adalah bidan puskesmas wilayah Kecamatan Gambir dan wilayah Kecamatan Koja. Intervensi dilakukan selama 3 bulan. Analisis statistik dilakukan dengan analsis kaskade untuk mengukur keberhasilan intervensi kesehatan digital (mHealth) meningkatkan kinerja bidan dalam perbaikan cakupan dan kualitas layanan PPIA. Penelitian ini menghasilkan sebuah prototipe mHealth PPIA yang mengakomodir entitas eksternal (bidan, ibu hamil HIV positif, penanggung jawab program HIV), mengintegrasikan data, memiliki fitur model prediksi HIV, sistem rujukan digital, sistem alert dan reminder serta dashboard monitoring system. Selama 3 bulan intervensi, terjadi peningkatan penerimaan bidan terhadap penggunaan mHealth PPIA setiap bulan. Efikasi penggunaan mHealth ditunjukkan dengan perbaikan kaskade layanan PPIA berupa tes HIV dan terapi ARV (test and treat) yang diperoleh secara realtime, Pencapaian kaskade layanan PPIA terjadi pada perbaikan kinerja tes HIV pada kelompok intervensi dimana sebelum intervensi proporsi tes HIV sebesar 81,64% dan sesudah intervensi proporsi tes vii Universitas Indonesia HIV 100%. Terjadi perbaikan terapi ARV dimana kualitas kepatuhan terapi ARV pada kelompok intervensi sesudah penggunaan mHealth menjadi terukur dan objektif dengan adanya bukti foto minum obat ARV dibandingkan kelompok intervensi sebelum penggunaan mHealth maupun kelompok kontrol.
Read More
D-440
Depok : FKM-UI, 2021
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Malahayati Rusli Bintang; Promotor: Adang Bachtiar; Kopromotor: Fachmi Idris; Penguji: Kemal Nazaruddin Siregar, Mardiati Nadjib, Pujiyanto, Ali Ghufron Mukti, Rizanda Mahmud, Achmad Farich
Abstrak:
Read More
Diabetes Melitus (DM) meningkatkan risiko terkena TB paru, terutama pada kelompok berisiko tinggi. Meskipun penemuan kasus secara aktif dan peningkatan pelaporan di fasilitas kesehatan sangat penting, namun keterlibatan sektor swasta dalam pengendalian TB masih rendah karena adanya fragmentasi dan dana yang tidak memadai. Sistem Informasi Tuberkulosis (SITB) adalah perangkat lunak utama untuk mencatat dan melaporkan kasus TB, namun aksesnya terbatas dan sistemnya tidak terintegrasi dengan baik. Untuk mengatasi tantangan ini, diperlukan e-screening tool untuk mengintegrasikan skrining TB ke dalam skrining diabetes yang ada saat ini secara efisien sehingga notifikasi TB di FKTP swasta dapat meningkat. Penelitian ini menggunakan pendekatan mixed exploratory sequential, yang menggabungkan metode kuantitatif dan kualitatif secara bertahap. Penelitian ini terdiri dari 3 tahap, yaitu tahap pertama menggunakan pendekatan kuantitatif dan tahap kedua dan ketiga menggunakan pendekatan kualitatif. Ditahap pertama, dilakukan analisis faktor determinan TB pada pasien DM menggunakan data Riskesdas 2013 dan 2018. Lalu tahap 2 dilakukan analisis/evaluasi mengenai implementasi proses notifikasi TB pada FKTP swasta dan pada tahap 3 dilakukan proses diseminasi kebijakan rancangan model skrining TB pada pasien DM dengan menggunakan pendekatan Policy Cycle. Hasil penelitian di tahap 1 menunjukkan bahwa variabel diagnosa penyakit kanker, riwayat merokok, ketersediaan rumah sakit swasta dan ketersediaan praktik dokter/klinik secara statistik memiliki hubungan yang signifikan terhadap kejadian TB pada pasien DM. lalu dari hasil uji multivariat diperoleh hasil bahwa kanker merupakan faktor prediktif pada kejadian penyakit TB paru pada penderita DM. hasil penelitian tahap 2 menunjukkan bahwa belum semua FKTP swasta memiliki SITB mandiri yang menyebabkan pencatatan dan pelaporan kasus TB menjadi temuan milik puskesmas dimana hal ini berdampak pada rendahnya notifikasi TB di FKTP swasta. Hasil penelitian tahap 3 menunjukkan bahwa untuk meningkatkan notifikasi TB di FKTP swasta dapat dilakukan dengan merancang e-screening tool TB dengan pendekatan kaskade TB 6T. Dengan mengintegrasikan JKN Mobile, E-RM, P-Care dan SITB dalam bentuk partner satu sehat, serta didukung dengan SDM, sarana prasarana dan pembiayaan yang cukup diharapkan dapat meningkatkan notifikasi TB di FKTP swasta sehingga dapat menurunkan angka kematian atau angka kesakitan akibat TB pada pasien DM.
Diabetes Mellitus (DM) increases the risk of developing pulmonary TB, especially in high-risk groups. While active case finding and improved reporting at health facilities are critical, private sector involvement in TB control remains low due to fragmentation and inadequate funding. The Tuberculosis Information System (TBIS) is the primary software for recording and reporting TB cases, but access is limited and the system is not well integrated. To overcome these challenges, an e-screening tool is necessary to efficiently integrate TB screening into existing diabetes screening so that TB notifications at private primary care facilities can increase. This study used a mixed exploratory sequential approach, which combines quantitative and qualitative methods in its stages. The study consisted of 3 stages, with the first stage using a quantitative approach and the second and third stages using a qualitative approach. In the first stage, the determinants of TB in patients with DM were analyzed using 2013 and 2018 Riskesdas data. Then in stage 2, an analysis/evaluation of the implementation of the TB notification process at private primary care facilities was carried out and in stage 3, the policy dissemination process of the TB screening model design in DM patients was carried out using the Policy Cycle approach. The results of stage 1 of the study showed that the variables of cancer diagnosis, smoking history, availability of private hospitals and availability of TB screening in DM patients were significantly associated with TB screening in DM patients. The results of the multivariate test showed that cancer was a predictive factor in the incidence of pulmonary TB disease in patients with DM. The results of phase 2 of the study showed that not all private primary health care facilities have independent SITB, which causes the recording and reporting of TB cases to be the findings of the puskesmas, thus has an impact on the low notification of TB in private primary health care facilities. The results of phase 3, showed that improving TB notification at private primary care facilities can be done by designing a TB e-screening tool with a 6T TB cascade approach. By integrating JKN Mobile, E-RM, P-care and SITB in the form of the intergrated system of Satu Sehat, and supported by sufficient human resources, infrastructure and financing, these allow room for a better national TB control management. In this light, TB notification rate has a good potential for improvements at private primary care facilities, and thus eventually contributing to a reduction of mortality or morbidity due to TB in DM patients.
D-509
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉