Search Results - Pusat Informasi Kesehatan Masyarakat

Jenis Koleksi

Ditemukan 20774 dokumen yang sesuai dengan query :: Simpan CSV

Model Intervensi Kemandirian Diabetes Mellitus Berbasis Mobile Health

Dien Kurtanty; Promotor: Adang Bachtiar; Kopromotor: Fachmi Idris, Ummi Azizah Rachmawati; Penguji: Tris Eryando, Rizanda Machmud, Trihono, Andi Alfian Zainuddin

Abstrak: Diabetes adalah penyakit kronik yang dikenal dengan “longlife disease” yang harus dikelola secara terus-menerus. Penelitian ini bertujuan membangun intervensi meningkatkan kemandirian pengelolaan DM dengan model DIEN (Diabetic Self-Reliance, Intervention, Electronic basis, Network system). Penelitian mixed method exploratory sequential melalui empat tahap penelitian. Tahap pertama mengidentifikasi determinan perilaku kemandirian pengelolaan DM; tahap kedua mengidentifikasi intervensi yang dibutuhkan dalam membangun perilaku kemandirian DM; tahap ketiga pengembangan model DIEN; tahap keempat uji coba model. Model DIEN dibuat berdasarkan temuan tahap satu dan dua, telah diuji coba dan saat ini dalam level pengembangan teknologi level tujuh.

Diabetes is a chronic disease known as a "long life disease" which must be managed continuously. This study aims to build interventions to increase the independence of DM management with the DIEN model (Diabetic Self-Reliance, Intervention, Electronic basis, Network system). This mixed method exploratory sequential study went through four stages of research. The first stage identifies the behavioural determinants of DM management independence; the second stage identifies the interventions needed to build DM independence behaviour; the third stage of developing the DIEN model; fourth stage model trials. The DIEN model was based on the findings of stages one and two, has been tested and currently at the level seven technology development level.

D-564

Depok : FKM UI, 2023

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉

Tinggi badan usia dewasa dan risiko penyakit diabetes mellitus

Donny Kristanto Mulyantoro; Promotor: Budi Utomo; Ko-Promotor: Endang L. Achadi; Trihono; Penguji: Kusharisupeni, Purnawan Junadi; Asri C. Adisasmita, Anies Irawati, Arum Atmawikarta, Minarto

D-284

Depok : FKM-UI, 2013

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

Cari yang mirip

Metadata PDF

☉

Model Intervensi Daring “Sehat Bermedia Sosial” Sebagai Upaya Preventif Gangguan Media Sosial Pada Mahasiswa

Tiara Amelia; Promotor: Evi Martha; Kopromotor: Ade Iva Murty; Penguji: Besral, Bagus Takwin, Dien Anshari, Tiara Anindhita, Irmasnyah

Abstrak:

Mahasiswa sebagai pengguna media sosial tertinggi memiliki prevalensi gangguan media sosial cukup tinggi yaitu 50% pada mahasiswa di Turki (2020), 24,9% pada responden di Indonesia (2020), 60% pada mahasiswa di Baghdad (2020). Prevalensi pada mahasiswa baru UI sebesar 24,3% (Angkatan 2021) lebih tinggi dibandingkan dengan mahasiswa lama sebesar 17,3% (Angkatan 2018-2020). Mahasiswa angkatan baru lebih rentan terhadap gangguan media sosial. Oleh karenanya diperlukan adanya model intervensi preventif untuk merespons tren meningkatnya prevalensi gangguan media sosial. Tujuan studi ialah merancang dan mengetahui efek model intervensi daring “Sehat Bermedia Sosial” (SBS) terhadap skor gangguan media sosial pengetahuan, sikap, durasi penggunaan media sosial, jumlah akun aktif, need to belong, dan regulasi diri pada mahasiswa Universitas Indonesia. Metodologi: Pelaksanaan semua tahapan pengembangan model dilakukan daring dan meliputi studi pendahuluan (n=201); studi survey (n=339) untuk mendapatkan data skor GMS pada mahasiswa; mendesain, menguji coba dan melaksanakan tahapan model; dan studi quasi experiment (n=74) untuk mengetahui efek model. Hasil: Pemberian intervensi model “SBS” efektif meningkatkan skor pengetahuan CBT (13,7%) dan regulasi diri (14,5%). Kemudian, pemberian intervensi efektif menurunkan skor gangguan media sosial (19%), durasi waktu penggunaan media sosial (10%). Namun, belum efektif menurunkan NTB karena terjadi kenaikan NTB sebesar 4% dan belum efektif meningkatkan sikap penggunaan media sosial dan menurunkan jumlah akun sosial media karena tidak bermakna secara statistik. Kesimpulan: Model sebagai upaya preventif telah berhasil memberikan efek intervensi utamanya pada penurunan gangguan media sosial. Rekomendasi: Melakukan upaya sosialisasi model “Sehat Bermedia Sosial” agar diadopsi dan diterapkan pada universitas atau institusi Pendidikan setara lainnya dan implementasi model mampu mengatasi kendala terbatasnya ruang, waktu dan kendala geografis selama terdapat jaringan internet.

College student as the highest social media users have a fairly high prevalence of social media disorder (SMD): namely 50% among college students in Turkey (2020), 24.9% among respondents in Indonesia (2020), 60% among college students in Baghdad (2020). The prevalence among new UI students is 24.3% (Class of 2021) higher than that of old students at 17.3% (Class of 2018-2020). New students are more vulnerable to social media interference. Therefore, there is a need for a preventive intervention model to respond to the trend of increasing prevalence of social media disorders. Purpose: The aim of the study is to design and determine the effect of the "Sehat Bermedia Sosial" online intervention model on social media disorder scores, knowledge, attitudes, duration of social media use, number of active accounts, need to belong, and self-regulation among Universitas Indonesia students. Methodology: All stages of model development were carried out online and included a preliminary study (n=201); survey study (n=339) to obtain SMD score data for students; designing, testing, and implementing model stages; and a quasi-experimental study (n=74) to determine the model effect. Results: Providing the "SBS" model intervention was effective in increasing CBT knowledge scores (13.7%) and self-regulation (14.5%). Then, the providing effective interventions reduced the score of social media disruption (19%), the duration of social media use (10%). However, it has not been effective in reducing NTB because there has been an increase in NTB by 4%. And it has not been effective in increasing attitudes in using social media and reducing the number of social media accounts because it is not statistically meaningful. Conclusion: The model as a preventive effort has succeeded in providing its main effect on social media disorders. Recommendation: Make efforts to socialize the "Sehat Bermedia Sosial" model so that it is adopted and applied to universities or other equivalent educational institutions and the implementation of the model can overcome the constraints of limited space, time and geographical constraints as long as internet networks available.

D-548

Depok : FKM UI, 2024

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉

Model transmii filariasis berbasis wilayah pada ekosistem persawahan, perbukitan dan pantai di kota padang

Wijayantono; Promotor: Umar Fahmi Achmadi; Ko Promotor: Dewi Susana, Tris Eryando; Penguji: Soekidjo Notoatmodjo, Holani Achmad, Toni Wandra, Soewarta Kosen

D-255

Depok : FKM-UI, 2011

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

Cari yang mirip

Metadata PDF

☉

Model Skrining Tuberkulosis Anak dengan Otomatisasi Sistem Skoring Berbasis Machine learning di Fasilitas Pelayanan Kesehatan Primer

Machrumnizar; Promotor: Tris Eryando; Kopromotor: Adang Bachtiar, Rina Kurniasri Kusumaratna; Penguji: Anhari Achadi, Dumilah Ayuningtyas, Nastiti Kaswandani, Maxi Rein Rondonuwu, Dedy Sugiarto

Abstrak:

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

☉

Model Bioteknologi Degradasi Mikroplastik Berbasis Bakteri Indigenous Tempat Pembuangan Akhir Cipayung Kota Depok

Okky Assetya Pratiwi; Promotor: Umar Fahmi Achmadi; Kopromotor: Haryoto Kusnoputranto, Slamet Isworo; Penguji: Budi Hartono, Ema Hermawati, Ririn Arminsih Wulandari, Yuanita Windusari, Agus Suwandono

Abstrak:

Pencemaran mikroplastik semakin meningkat setiap tahunnya dan berpotensi menimbulkan risiko kesehatan bagi masyarakat. Kebijakan pemerintah terkait pengelolaan mikroplastik menggunakan model ekonomi sirkular dan model 3R (reduce, reuse, recycle) terus dilaksanakan, namun belum menyelesaikan tantangan di lapangan. Sehingga diperlukan alternatif pengelolaan mikroplastik melalui teknologi degradasi menggunakan mikroorganisme. Penelitian ini bertujuan untuk mengembangkan model bioteknologi degradasi mikroplastik berbasis bakteri indigenous berasal dari Tempat Pembuangan Akhir (TPA) Cipayung Kota Depok.

Penelitian ini merupakan penelitian kuantitatif dengan pendekatan observasional, penilaian risiko kesehatan dan eksperimental. Studi observasional dilakukan untuk mengidentifikasi mikroplastik pada sampel tanah dan air bersih serta mengetahui jenis dan kemampuan isolat bakteri dalam mendegradasi mikroplastik. Pendekatan eksperimental untuk mengembangkan model bioteknologi degradasi mikroplastik berbasis bakteri indigenous.

Hasil penelitian menunjukkan bahwa konsentrasi mikroplastik di tanah TPA Cipayung bervariasi antara 8.400–152.000 partikel/kg, sementara pada air bersih yang dikonsumsi masyarakat berkisar antara 1.889–5.444 partikel/L, dengan variabilitas tingkat risiko kesehatan terkategori Risk Quotient (RQ) > 1. Empat isolat bakteri potensial, yaitu Rummeliibacillus pycnus NBRC 101231, Stenotrophomonas acidaminiphila JCM 13310, Microbacterium arborescens DSM 20754, dan Streptomyces thermolineatus DSM 41451, efektif mendegradasi mikroplastik melalui penurunan berat, perubahan struktur kimia (Fourier Transform Infrared Spectroscopy), serta pembentukan biofilm, lubang dan retakan (Scanning Electron Microscope). Model bioteknologi degradasi mikroplastik dikembangkan dalam bentuk produk liofilisasi biomassa bakteri, menggunakan isolat Rummeliibacillus pycnus NBRC 101231.

Saran yang diajukan adalah perlunya penetapan regulasi batas aman mikroplastik di lingkungan serta mendukung pengembangan bioteknologi degradasi mikroplastik berbasis biomassa bakteri sebagai solusi pengelolaan yang berkelanjutan. Untuk penelitian selanjutnya, diperlukan uji implementasi dan akseptabilitas model bioteknologi ini untuk memastikan efektivitas dan penerimaan di tingkat masyarakat.

Microplastic pollution continues to increase annually, creating potential threats to public health. Government policies related to microplastic management, which rely on circular economy models anda 3R model (reduce, reuse, recycle), are being implemented, but have yet to address the challenges in the field. Therefore, alternative microplastic management strategies that utilize degradation technologies with microorganisms are required. This study aimed to develop a biotechnology model for microplastic degradation based on indigenous bacteria sourced from the Cipacung Landfill, Depok City. This study employed a quantitative approach that combined observational, health risk assessment and experimental methods. Observational study was conducted to identify microplastics in soil and clean water samples, and to determine the types and capabilities of bacterial isolates in degrading microplastics. The experimental approach was applied to develop a biotechnological model for microplastic degradation based on indigenous bacteria.

The study results show that the concentration of microplastics in the soil at the Cipayung Landfill varies between 8.400-152.000 particles/kg, while in clean water consumed by the community, it ranges between 1.889-5.444 particle/L with variability in health risk levels categorized as Risk Quotient (RQ) >1. Four potential bacterial isolates, Rummeliibacillus pycnus NBRC 101231, Stenotrophomonas acidaminiphila JCM 13310, Microbacterium arborescens DSM 20754, and Streptomyces thermolineatus DSM 41451, were effective in degrading microplastics. This was demonstrated through weight reduction, changes in the chemical structure (Fourier Transform Infrared Spectroscopy), and the formation of biofilms, holes, and cracks (Scanning Electron Microscope). Biotechnology model for microplastic degradation was developed in the form of a lyophilized bacterial biomass product, utilizing the isolate Rummeliibacillus pycnus NBRC 101231.

The proposed recommendations include establishing safe limits for microplastics in the environmnent and supporting the development of biotechnology for microplastic degradation based on bacterial biomass as a sustainable management solution. For future research, implementation trials and acceptability assessments of this biotechnology model are needed to ensure its effectiveness and community acceptance.

D-558

Depok : FKM UI, 2025

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉

Pengembangan Model Pengendalian Wabah Penyakit Berbasis Risiko Wilayah: Studi Kasus Pandemi COVID-19 di Jawa-Bali

Ade Heryana; Promotor: Wiku Bakti Bawono Adisasmito; Kopromotor: Dumilah Ayuningtyas; Penguji: Ascobat Gani, Fatma Lestari, Meiwita Paulina Budiharsana, Cri Sajjana Prajna Wekadigunawan, Turro Selrits Wongkaren, Raditya Jati

Abstrak:

Kejadian pandemi virus corona SARS-CoV-2 di dunia meningkatkan kesadaran bahwa pengendalian wabah penyakit di suatu daerah sangat berkaitan dengan karakteristik wilayah epidemik. Determinan sosial kesehatan dapat dijadikan sebagai kerangka kerja untuk memprediksi penyebaran penyakit dan mengusulkan upaya pengendalian wabah pada tingkat populasi berdasarkan penilaian risiko. Penelitian ini bertujuan mengembangkan model pengendalian wabah penyakit berbasis risiko wilayah. Metodologi: Studi kasus dilakukan terhadap pandemi COVID-19 saat gelombang Delta tahun 2021 di Indonesia. Untuk menjawab tujuan penelitian, dilakukan studi faktor risiko terhadap 128 kabupaten/kota di Jawa-Bali dengan analisis regresi linier. Penilaian risiko diukur dengan pemodelan kompartemen penyakit menular SEIRD (Susceptible, Exposed, Infected, Recovered, Dead). Usulan upaya mitigasi risiko, respon, kesiapsiagaan dan rehabilitasi dibangun berdasarkan hasil penilaian risiko. Seluruh analisis dikontrol berdasarkan tahapan pandemi yang terdiri dari pra, naik, turun, dan pasca. Hasil: terdapat 31 faktor determinan sosial kesehatan yang secara signifikan berpengaruh terhadap indikator wabah yakni kerentanan, penularan, kesembuhan, dan kematian. Hasil simulasi model diperoleh 17 faktor determinan sosial yang memiliki risiko signifikan berdasarkan vulnerability, capacity, exposure, dan hazard. Upaya pengendalian pandemi yang diusulkan ternyata memiliki perbedaan berdasarkan tahapan pandemi dan karakteristik wilayah kabupaten/kota. Kesimpulan: penelitian ini telah menghasilkan model pengendalian wabah berbasis risiko wilayah yang dapat diterapkan untuk mengatasi masalah krisis kesehatan lainnya pada tingkat lokal, regional, hingga global

The COVID-19 pandemic has raised awareness that the control of disease outbreaks in a region is closely linked to the characteristics of the epidemic region. Social determinants of health can be used as a framework to predict the spread of disease and propose outbreak control efforts at the population level based on risk assessment. This study aims to develop a risk region-based disease outbreak control model. Methodology: A case study was conducted on the COVID-19 pandemic during the Delta wave in 2021 in Indonesia. To answer the research objectives, a risk factor study was conducted on 128 regencies/cities in Java-Bali using linear regression analysis. Risk assessment was measured using the SEIRD (Susceptible, Exposed, Infected, Recovered, Dead) infectious disease compartment modeling. Proposed risk mitigation, response, preparedness, and rehabilitation efforts were built based on the results of risk assessment. All analyzes were controlled based on the stages of the pandemic, consisting of pre, increase, declining, and post. Results: There were 31 social determinants of health factors that significantly affected outbreak indicators, namely vulnerability, transmission, recovery, and death. The results of the model simulation showed 17 social determinants of risk based on vulnerability, capacity, exposure, and hazard. The proposed pandemic control efforts actually differ based on the stages of the pandemic and the characteristics of the regencies/cities. Conclusion: This study has resulted in a risk region-based disease outbreak control model that can be applied to address other health crisis problems at the local, regional, and global levels

D-503

Depok : FKM-UI, 2024

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉

Model Penguatan Berbasis Komunitas “JABAR IMAS” dalam Perencanaan Persalinan dan Pencegahan Komplikasi Pada Ibu Hamil

Legina Anggraeni; Promotor: Evi Martha; Kopromotor: Sabarinah, Sri Murni; Penguji: Asri C. Adisasmita, Budi Iman Santoso, Soedibyo Alimoesoe, Indra Supradewi, Maryuni, Nana Mulyana

Abstrak:

Latar belakang Perencanaan persalinan dan pencegahan komplikasi merupakan intervensi untuk mencegah kematian ibu, namun pelaksanaanya belum optimal dan masih berpusat difasilitas kesehatan. Opat sauyunan merupakan program pendampingan ibu hamil berbasis komunitas yang perlu ditingkatkan terutama dalam pendampingan perencanaan persalinan dan pencegahan komplikasi. Penelitian ini bertujuan untuk mengembangkan dan menilai efek strategi pendampingan ibu hamil berbasis komunitas “JABAR IMAS” dalam meningkatkan perencanaan persalinan dan pencegahan komplikasi melalui opat sauyunan. Metode penelitian menggunakan pendekatan mixed methods exploratory sequential design. Pada penelitian kualitatif menggunakan desain etnografi sedangkan untuk penelitian kuantitatif menggunakan desain Quasi Eksperimen-Pre and Post Control Group Design. Penelitian ini terdiri dari tiga tahap yaitu tahap penelitian pertama adalah studi kualitatif, tahap penelitian kedua adalah tahap pengembangan model strategi pendampingan ibu hamil dan tahap ketiga adalah intervensi opat sauyunan kepada ibu hamil. Waktu penelitian pada bulan Agustus 2024-November 2025 dengan lokasi penelitian berada di Kecamatan Bogor Selatan (daerah intervensi) dan Kecamatan Bogor Utara (daerah kontrol). Sampel penelitian berjumlah 78 ibu hamil (daerah intervensi) dan 80 ibu hamil (daerah kontrol). Analisa data yang digunakan adalah difference in difference dan Generalized Estimating Equations. Hasil penelitian menunjukan setelah dilakukannya intervensi strategi “JABAR IMAS” memiliki efek yang signifikan (p=0.0001) serta mampu meningkatkan skor perencanaan persalinan dan pencegahan komplikasi menjadi 10 dari 12 komponen. Pada akhir minggu ke-8 intervensi sebesar 81.3% ibu hamil pada kelompok intervensi berhasil mencapai status well birth planning. Kesimpulan dan saran. Model penguatan JABAR IMAS dapat memperkuat program perencanaan persalinan dan pencegahan komplikasi melalui pendampingan secara holistik di komunitas. Perlu adanya keberlanjutan pendampingan ibu berbasis komunitas hingga masa nifas untuk meningkatkan kewaspadaan terhadap tanda bahaya masa nifas, pemberian ASI eksklusif, dan perencanaan pemakaian alat kontrasepsi setelah persalinan.

Background: Birth planning and complication prevention aim to reduce maternal mortality, but implementation remains suboptimal and centered in health facilities. Opat Sauyunan is a community-based program for pregnant women that needs improvement, especially in assistance with birth planning and complication prevention. This study aims to develop and assess the effectiveness of the "JABAR IMAS" community-based pregnancy support strategy in improving birth planning and complication prevention through Opat Sauyunan. The research used a mixed-methods exploratory sequential design. The qualitative study employed an ethnographic design, while the quantitative study used a quasi-experimental pre- and post-control group design. The study had three stages: a qualitative study, development of a pregnancy support strategy model, and Opat Sauyunan intervention for pregnant women. The study period was August 2024–November 2025, with locations in South Bogor District (intervention area) and North Bogor District (control area). The sample consisted of 78 pregnant women in the intervention area and 80 in the control area. The data analysis used was difference in difference and Generalized Estimating Equations. The results showed that after the intervention, the "JABAR IMAS" strategy had a significant effect (p = 0.0001) and was able to increase the score of birth planning and complication prevention in 10 out of 12 components. At the end of the 8th week of intervention, 81.3% of pregnant women in the intervention group successfully achieved a well birth planning status. Conclusions and suggestions: The “JABAR IMAS” strengthening model can strengthen birth planning and complication prevention programs through holistic assistance in the community. There is a need for continued community-based maternal assistance until the postpartum period to increase awareness of postpartum danger signs, exclusive breastfeeding, and planning for the use of contraceptives after delivery.

D-634

Depok : FKM-UI, 2026

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉

Model Pembelajaran Mesin untuk Skrining Risiko Diabetes Melitus Tipe 2 Di Populasi Indonesia

Aqsha Azhary Nur: Promotor: Adang Bachtiar; Kopromotor: Dante Saksono Harbuwono, Sri Ratna Laksmiastuti; Penguji: Dwi Gayatri, Ratna Djuwita, Purnawan Junadi, Wisnu Jatmiko, Ali Ghufron Mukti, Rizanda Machmud

Abstrak:

Beban Diabetes Melitus Tipe 2 (DMT2) semakin tinggi di Indonesia dengan prevalensi 11,7% menurut Survei Kesehatan Indonesia 2023. Lebih dari 70% penyandang DMT2 belum terdiagnosis, yang menyebabkan keterlambatan pengobatan dan peningkatan risiko komplikasi. Teknologi pembelajaran mesin (machine learning) berpotensi digunakan untuk deteksi dini risiko DMT2 secara efisien dan berbasis data. Penelitian ini bertujuan mengembangkan, memvalidasi, dan menguji kelayakan model skrining risiko DMT2 berbasis pembelajaran mesin untuk populasi Indonesia. Studi ini menggunakan desain observasional dan dilaksanakan dari Oktober 2024 hingga Januari 2025. Penelitian terdiri dari tiga fase. Fase pertama mencakup pengembangan model prediksi menggunakan algoritma pembelajaran mesin dengan data dari dua sumber Kementerian Kesehatan, yakni kohor Penyakit Tidak Menular (PTM) (n=5.010) dan Aplikasi Sehat Indonesiaku (ASIK) (n=8.147.932). Fase kedua adalah validasi eksternal model menggunakan data ASIK tahun 2023 (n=24.735.050). Fase ketiga merupakan uji coba lapangan di dua Puskesmas di DKI Jakarta yang mencakup uji diagnostik (n=100) serta penilaian kelayakan sistem tenaga kesehatan (n=30) menggunakan instrumen System Usability Scale (SUS). Fase 1 menunjukkan bahwa model LightGBM pada data ASIK memiliki performa terbaik (AUC 0,90; sensitivitas 0,70; spesifisitas 0,88), sementara model CatBoost pada data kohor PTM menunjukkan AUC 0,76. Seleksi fitur mengidentifikasi lima variabel utama (usia, tekanan darah sistolik, aktivitas fisik, riwayat keluarga DMT2, konsumsi sayur/buah) sebagai penentu utama risiko. Fase 2 mencakup validasi eksternal dengan data ASIK 2023 menghasilkan AUC 0,90 (LightGBM) dan AUC 0,73 (CatBoost). Fase 3 uji coba lapangan menunjukkan hasil diagnostik yang sejalan dengan skor risiko model, dengan sensitivitas 0,80 dan spesifisitas 0,39 pada cut-off HbA1c 6,5% dan sensitivitas 0,79 dan spesifisitas 0,54 pada cutoff HbA1c 5,7%. Evaluasi oleh tenaga kesehatan menghasilkan skor SUS sebesar 72,5. Sebagai kesimpulan, Model skrining DMT2 berbasis pembelajaran mesin terbukti akurat dan layak diimplementasikan.

Type 2 Diabetes Mellitus (T2DM) burden is increasing in Indonesia, with a national prevalence of 11.7% according to the 2023 Indonesia Health Survey. More than 70% of individuals with T2DM remain undiagnosed, leading to delayed treatment and increased complications. Machine learning has the potential to enhance early detection of T2DM through an efficient, data-driven risk screening process. This study aims to develop, validate, and assess the feasibility of a machine learning-based T2DM risk screening model tailored for the Indonesian population. This study employed an observational design and was conducted from October 2024 to January 2025. The study consisted of three phases. The first phase involved the development of predictive models using machine learning algorithms with two datasets from the Ministry of Health: the PTM Cohort (n=5,010) and the ASIK registry (n=8,147,932). The second phase was an external validation using the ASIK 2023 dataset (n=24,735,050). The third phase was a field trial at two primary health centers (Puskesmas) in Jakarta, which included diagnostic testing of patients (n=100) and usability assessment by healthcare workers (n=30) using the System Usability Scale (SUS). In Phase 1, the LightGBM model trained on ASIK data achieved the best performance (AUC 0.90; sensitivity 0.70; specificity 0.88), while the CatBoost model trained on PTM Cohort data yielded an AUC of 0.76. Feature selection identified five main predictors (age, systolic blood pressure, physical activity, family history of T2DM, and fruit/vegetable consumption). In Phase 2, external validation with ASIK 2023 data confirmed high model performance with AUC 0.90 (LightGBM) and AUC 0.73 (CatBoost). In Phase 3, field testing showed diagnostic performance consistent with model-based risk scores, with sensitivity 0.80 and 0.39 at the HbA1c cut-off of 6.5% and sensitivity 0.79 and specificity 0.54 at the HbA1c cut-off of 5.7%. Usability testing by healthcare workers resulted in an average SUS score of 72.5. In conclusion, the machine-learning-based T2DM screening model has demonstrated high accuracy and is feasible for implementation.

D-574

Depok : FKM-UI, 2025

S3 - Disertasi Pusat Informasi Kesehatan Masyarakat

☉