Abstrak:

Latar belakang: Preeklamsia merupakan sindroma kompleks yang timbul pada ibu hamil yang disebabkan oleh perubahan fisiologi pembuluh darah pada saat konsepsi. Dampak kesehatan yang timbul dari kehamilan dengan preeklamsia sangat luas. Sejauh ini berbagai upaya telah ditempuh untuk dapat melakukan prediksi akan terjadinya preeklamsia. Keterbatasan kemampuan statistik mengolah berbagai jenis prediktor saat ini bisa ditingkatkan dengan menggunakan metode machine learning (ML).
Tujuan: Penelitian ini bertujuan untuk melakukan pemodelan prediksi terhadap kejadian preeklamsia menggunakan ML menggunakan fitur yang serupa dengan fitur yang ada di fasyankes primer
Metodologi: Penelitian ini menggunakan disain restrospektif kohort dengan menggunakan data sekunder dari ibu hamil yang melakukan pemeriksaan antenatal di RS Budi Kemuliaan Jakarta yang direkrut pada periode waktu Juli 2012 hingga April 2015 dan diikuti hingga terjadi persalinan. Data tersebut adalah data yang dikumpulkan pada penelitian sebelumnya untuk melihat berbagai faktor risiko dari terjadinya hipertensi dalam kehamilan. Faktor risiko yang diteliti meliputi riwayat diabetes melitus (DM) sebelumnya, riwayat hipertensi sebelumnya, riwayat DM dalam keluarga, riwayat hipertensi dalam keluarga, riwayat merokok, primigraviditas, rerata tekanan arteri (MAP), indeks masa tubuh (BMI) sebelum kehamilan, terhadap kejadian preeklamsia. Permodelan dilakuan dengan menggunakan beberapa model dalam pembelajaran mesin: Random Forest, Logistic Regression, Support Vector Machine (SVM), Decision Tree, dan K-Nearest Neighbour (KKN) untuk mendapatkan model terbaik.
Hasil: Model Suport Vector Machine (SVM) dengan pembelajaran mesin yang disertai dengan re-sampling (undersampling) pada kumpulan data dan perlakuan hyperparameter tuning berhasil mendapatkan akurasi 70,31 %, sensitifitas 67,5 %, spesifisitas 57,23%, dan AUC 0.68.
Kesimpulan: Model SVM menunjukkan kinerja paling baik di antara model prediksi lain pada kumpulan data dan fitur yang tersedia. Model tersebut menghasilkan akurasi 70% dan AUC sebesar 0,68. Model ini mampu mencapai sensitivitas 67,5% dan spesifisitas 57,23%, dengan presisi (positive predictive value) sebesar 74,98%. Artinya, dari seluruh prediksi positif, sekitar 75% adalah benar, sementara sisanya adalah positif palsu. Temuan ini menunjukkan bahwa model prediksi berbasis SVM memiliki potensi untuk dikembangkan lebih lanjut. Optimasi sensitivitas dan spesifisitas menjadi prioritas pada penelitian lanjutan agar model lebih akurat dalam prediksi dan lebih efektif dalam deteksi dini preeklampsia di layanan primer.

---

Background: Preeclampsia is a complex syndrome that arises in pregnant women caused by physiological changes in blood vessels at the time of conception. The health impacts arising from pregnancy with preeclampsia are widespread. So far, various efforts have been taken to be able to predict the occurrence of preeclampsia. The limitations of statistical ability to process various types of predictors today can be improved by using machine learning (ML) methods.
Objective: This study aims to model predictions for the incidence of preeclampsia using machine learning based on features found in primary health facilities
Methodology: This study uses a cohort retrospective design using secondary data from pregnant women who underwent antenatal care at Budi Kemuliaan Hospital Jakarta who were recruited in the period from July 2012 to April 2015 and followed until delivery. The data was collected in previous studies to look at various risk factors for the occurrence of hypertension in pregnancy. The risk factors studied included history of diabetes mellitus (DM), history of hypertension, a family history of DM, a family history of hypertension, a history of smoking, primigravidity, mean arterial pressure (MAP), body mass index (BMI) before pregnancy, and the incidence of preeclampsia. The modeling was carried out using several models in machine learning: Random Forest, Logistic Regression, Support Vector Machine (SVM), Decision Tree, and K-Nearest Neighbour (KKN) to get the best model.
Results: The Support Vector Machine (SVM) model with machine learning accompanied by re-sampling (undersampling) on the dataset and hyperparameter tuning treatment managed to obtain an accuracy of 70.31%, sensitivity of 67.5%, specificity of 57.23%, and AUC of 0.68.
Conclusion: The SVM model shows the best performance among other prediction models for the available datasets and features. The model produces 70% accuracy and an AUC of 0.68. This model was able to achieve sensitivity of 67.5% and specificity of 57.23%, with a precision of 74.98% which provide the positive predictions about 75% are true, while the rest are false positives. These findings suggest that SVM prediction models have the potential to be further developed. Sensitivity and specificity optimization are priorities in further research to achieve a more robust model with optimum accuracy to predict preeclampsia and more effective in early detection of preeclampsia in primary care.

 

 

Abstrak: Angka kematian bayi (AKB) merupakan salah satu indikator menilai derajatkesehatan masyarakat. Indikator angka permasalahan BBLR menurut The HealthyPeople menyebutkan bahwa angka kejadian BBLR dikatakan rendah apabila kejadian BBLR kurang dari 5%, dikatakan tinggi jika kejadian BBLR berada di antara 10-15%.Pada penelitian tahun 2000 mengenai BBLR yang meliputi kota Jakarta, Makassar danCiawi ditemukan kasus BBLR berkisar 9-16% (BPS,2000) dan data dari RisetKesehatan Dasar Tahun 2013 angka BBLR sebesar 10,2%. Ditambah lagi penelitiansebelumnya diketahui bahwa hipertensi pada ibu merupakan salah satu faktor risikoyang mempengaruhi berat lahir bayi.

Tujuan penelitian ini untuk melihat hubunganantara hipertensi pada Ibu hamil dengan kejadian Bayi Berat Lahir Rendah (BBLR) diRSIA Budi Kemuliaan Jakarta Tahun 2017. Desain dalam penelitian ini adalah studicohort retrospective dengan menggunakan data rekam medik rumah sakit. Analisis datayang digunakan adalah Cox Regression.

Hasil analisis menunjukkan bahwa tidak adahubungan antara hipertensi pada Ibu hamil dengan kejadian BBLR di RSIA BudiKemuliaan Jakarta Tahun 2017 (RR 1,048-- 95% CI 0,611-1,797) setelah dikontrol olehvariabel usia gestasi.

Kata kunci: Hipertensi Ibu Hamil, BBLR.

Abstrak: WHO memperkirakan terdapat 8 juta penderita Down syndrome di dunia Penyebab yang spesifik belum diketahui, tapi kehamilan oleh ibu yang berusia diatas 35 tahun beresiko tinggi memiliki anak down syndrom. Pada ibu yang berusia lebih dari 35 tahun, insidensi meningkat sampai 1 dari 300 kelahiran. Sedangkan pada ibu usia di atas 40 tahun, insidensi meningkat secara drastis mencapai 1 dari 10 kelahiran

---

WHO estimates that there are 8 million people with Down syndrome in the world he specific cause is not yet known, but pregnancy by mothers over the age 35 years of high risk of having Down syndrome children. In mothers over 35 years of age, the incidence increases to 1 in 300 births. Meanwhile, for mothers over 40 years of age, the incidence increases drastically, reaching 1 in 10 births. This study aims to determine the relationship between maternal age at pregnancy and the incidence of Down syndrome in children aged 0-59 months in Indonesia based on 2018 Riskesdas data. t is necessary to educate productive women about the risks of pregnancy at old age

Abstrak: Latar belakang : Malaria adalah masalah kesehatan masyarakat yang cukup serius bagi ibu hamil. Ibu hamil lebih berisiko untuk terinfeksi malaria dibandingkan dengan ibu yang tidak hamil. Prevalensi malaria ibu hamil di dunia diperkirakan 10%-65%. Ibu hamil yang berada di area endemis di dunia diperkirakan lebih dari 23 juta orang. Bahaya malaria pada ibu hamil selain dapat mengganggu kesehatan ibu seperti anemia, malaria berat sampai pada kematian, juga janin yang dikandungnya dapat mengalami keguguran, kematian janin dalam kandungan, berat badan lahir rendah dan lain-lain. Prevalensi malaria ibu hamil di Indonesia belum diketahui pasti karena terbatasnya informasi dan penelitian yang ada.

Tujuan : penelitian ini adalah untuk menggambarkan seberapa besar proporsi kejadian malaria ibu hamil dan faktor-faktor yang mempengaruhinya di high incidence area dan medium incidence area di Kabupaten Nias Tahun 2005.

Metode : Penelitian ini menggunakan rancangan kroseksional dengan data primer, dilaksanakan pada bulan Mei sampai dengan Juni 2005. Sampel penelitian adalah ibu hamil yang dalam satu bulan terakhir belum pernah minum obat anti malaria. Besar sampel 440 orang ibu hamil masing-masing 220 orang di high incidence area dan 220 orang di medium incidence area. Pengambilan sampel dengan multistage random sampling Analisis dilakukan untuk mengambarkan proporsi dan faktor determinan kejadian malaria di masing-masing area. Variabel yang diteliti adalah kejadian malaria, graviditas, paritas, usia kehamilan, usia ibu, pekerjaan, pengetahuan, pemakaian obat nyamuk dan pakaian tertutup anggota badan.

Hasil : Proporsi kejadian malaria pada ibu hamil di HIA adalah 36,36%, MIA 31,36% dan HIA+MIA 33,86%, dan ibu hamil yang mengalami gejala klinis dalam sebulan terakhir di HIA 10,90% dan MIA 35,45%. Proporsi kehamilan pertama dan menderita malaria di HIA adalah 48,28%, sedangkan di MIA adalah 47,80%. Proporsi paritas 1 dan menderita malaria di HIA adalah 44,64% sedangkan di MIA adalah 48%. Proporsi usia kehamilan 14-27 minggu di HIA adalah 41,76%, sedangkan di MIA adalah 31,07%. Ibu hamil yang berusia < 20 tahun dan sakit malaria 31,25%, sedangkan di MIA adalah 30,77%. Ibu hamil yang bekerja diluar rumah dan sakit malaria di HIA adalah 39,33%, sedangkan di MIA adalah 32,31%. Ibu hamil yang tidak atau kadang-kadang menggunakan obat nyamuk dan menderita malaria di HIA 44,64% dan 37,93%, sedangkan di MIA adalah 40,74% dan 37,04%. Ibu hamil yang tidak atau kadang-kadang menggunakan pakaian tertutup anggota badan dan menderita malaria di HIA adalah 48,68% dan 33,85%, sedangkan di MIA adalah 38,18% dan 34,78%.

Kesimpulan : Kejadian malaria ibu hamil tidak ada perbedaan bermakna antara kedua area. Faktor determinan kejadian malaria ibu hamil adalah graviditas, pengetahuan, pemakaian obat nyamuk dan pakaian tertutup anggota badan.

Kata Kunci : Malaria ibu hamil, prevalensi, graviditas, paritas, kroseksional.

---

Background : Malaria is a public health problem which very serious for pregnant women. Pregnant women is more exposed to malaria infection compared with non-pregnant women. Pregnant women malaria prevalence on world estimated 10%-65%. Pregnant women on epidemic area in the world estimated more than 23 million people. Malaria danger on pregnant women beside can corrupt mother's health such as anemia, heavy malaria toward death, also infant miscarriage, infant death, low birth weight, and etcetera. Pregnant women malaria prevalence on Indonesia had not been detected because of information and research limitation.

Objective : This research?s aim is to describe malaria proportion on pregnant women and influence factors on high incidence area and medium incidence area in Nias district year 2005.

Methods : This research using cross-sectional design with primer data, conducted in May till June 2005. Research sample is pregnant women which in the last month never been drinking anti-malaria medicine. Sample quality 440 pople pregnant women each 220 people on high incidence area and 220 people on medium incidence area. Sample was taken by multistage random sampling. Analysis was conducted to describe proportion and malaria determinant factor on each area. Research variable are malaria itself, gravidity, parity, pregnancy age, mother's age, occupation, knowledge about malaria, usage of insect killer and closed outfit.

Results : Proportion malaria on pregnant women in HIA was 36,36%, MIA 31,36% and HIA+MIA 33,86% and pregnant women that suffer clinics symptom for the last month in HIA 10,90% and MIA 35,45%. First pregnancy proportion and suffer malaria in HIA was 48,28%, while on MIA was 47,80%. One (1) parity proportion and suffer malaria on HIA was 44,64% while on MIA was 48%. Pregnancy age proportion 14-27 weeks on HIA was 41,76%, while on MIA was 31,07%. Pregnant women under 20 year old and suffer from malaria 31,25%, while on MIA was 30,77%. Pregnant women that work outside house and suffer from malaria on HIA was 39,33%, while on MIA was 32,31%. Pregnant other that rarely or not using insect killer and suffer from malaria on HIA 44,64% and 37,93%, while on MIA was 40,74% and 37,04%. Pregnant women that not or rarely using closed outfit and suffer from malaria on HIA was 48,68% and 33,85%, while on MIA was 38,18% and 34,78%.

Conclusions : Malaria on pregnant women in high incidence area and medium incidence area no relation signifikant. Malaria determinant factor on pregnant women are gravidity, knowledge about the danger of malaria for pregnant women, usage of insect killer and closed outfit.

Keywords: Malaria on pregnant women, prevalence, gravidity, parity, crossectional.