Kesehatan jiwa merupakan salah satu masalah kesehatan masyarakat di Indonesia yang memiliki tantangan signifikan, termasuk keterbatasan tenaga profesional, pendanaan yang tidak memadai, dan tingginya kesenjangan pengobatan. Dalam pelaksanaan program kesehatan jiwa, Puskesmas sebagai fasilitas kesehatan tingkat primer menggunakan Sistem Informasi Kesehatan Jiwa (SIMKESWA) untuk pencatatan dan pelaporan data. Namun, SIMKESWA hanya mencakup input data dari program kesehatan jiwa dan berjalan terpisah dari Sistem Informasi Manajemen Puskesmas (SIMPUS), yang digunakan untuk pengelolaan layanan secara menyeluruh. Penelitian ini bertujuan untuk mengidentifikasi kesenjangan antara SIMKESWA dengan standar interoperabilitas SATUSEHAT yang dikembangkan Kementerian Kesehatan. Penelitian menggunakan metode deskriptif kualitatif melalui studi dokumen dan wawancara mendalam dengan informan terkait. Hasil penelitian menunjukkan adanya duplikasi data antara SIMKESWA dan SIMPUS, yang menyebabkan tenaga kesehatan harus melakukan input ganda, sehingga menambah beban kerja. Selain itu, pencatatan data kesehatan jiwa saat ini belum sepenuhnya selaras dengan standar data dan struktur interoperabilitas yang ditetapkan oleh SATUSEHAT. Berdasarkan temuan tersebut, penelitian ini menghasilkan rancangan awal panduan interoperabilitas (playbook) untuk program kesehatan jiwa, yang mencakup pemetaan elemen data, struktur resource FHIR yang relevan, serta rekomendasi integrasi antar sistem yang diharapkan menjadi langkah awal menuju sistem informasi kesehatan jiwa yang lebih terintegrasi dan efisien. 

---

Mental health is one of the major public health issues in Indonesia, facing significant challenges such as a shortage of professionals, insufficient funding, and a high treatment gap. In implementing mental health programs, Puskesmas utilize the Mental Health Information System (SIMKESWA) for data recording and reporting. However, SIMKESWA only covers data input specific to mental health programs and operates separately from the Puskesmas Management Information System (SIMPUS), which is used for overall healthcare service management. This study aims to identify the gaps between SIMKESWA and the SATUSEHAT interoperability standards developed by the Ministry of Health. A qualitative descriptive method was used through document analysis and in-depth interviews with relevant informants. The findings reveal data duplication between SIMKESWA and SIMPUS, which requires healthcare workers to perform double data entry, increasing their workload. Additionally, the current state of mental health data recording is not yet fully aligned with the data standards and interoperability structures outlined by SATUSEHAT. Based on these findings, the study produces an initial draft of an interoperability playbook for the mental health program, including a mapping of key data elements, relevant FHIR resource structures, and system integration recommendations. This playbook draft is expected to serve as a preliminary step toward a more integrated and efficient mental health information system.

Kualitas data SPM KIA yang baik diperlukan untuk dapat digunakan sebagai dasar perencanaan. Salah satu model penilaian data yang telah dikembangkan adalah model Penilaian Kualitas Data Rutin (PKDR), yang merupakan adaptasi model WHO yang diadopsi oleh Pusdatin. Hingga saat ini belum pernah dilakukan penelitian pada Kota Depok. Oleh karena itu, penelitian ini bermaksud untuk menilai data SPM Kesehatan Ibu, khususnya indikator K4 dan Linakes, di Kota Depok. Penilaian dilakukan dengan memperhatikan indikator kelengkapan, ketepatan waktu, konsistensi internal, dan konsistensi eksternal, akurasi serta faktor-faktor organisasi yang mempengaruhinya. Dari hasil penelitian didapatkan bahwa kelengkapan data di Kota Depok tergolong baik, ketepatan waktu belum dapat dianalisis secara optimal, konsistensi internal relatif baik meski terdapat beberapa puskesmas yang tidak konsisten, serta konsistensi eksternal bagus, terakhir ketidakakuratan ditemukan di salah satu puskesmas di Kota Depok. Selain itu, penelitian ini juga menemukan masalah-masalah organisasi seputar pengumpulan data yang berpotensi mempengaruhi kualitas data.

---

Data of good quality on Minimum Service Standard of Maternal and Child Health (MSS MCH) is required to be utilized as a basis for planning. One of the data assessment models that has been developed is the Routine Data Quality Assessment (RDQA) model, which is an adaptation of the WHO model adopted by Pusdatin. No research has been conducted in Depok City until recently. Therefore, this study aimed to assess SPM data on maternal health, specifically indicators such as the K4 and Linakes, in Depok City. The assessment was conducted by considering the indicators of completeness, timeliness, internal consistency, external consistency, and accuracy as well as the organizational factors that influence them. The results showed that data completeness in Depok City was good, timeliness could not be optimally analyzed, internal consistency was relatively good although there was some inconsistent data in some puskesmas, external consistency was good, and lastly, inaccuracy was found in one of the health centers in Depok City.. In addition, this study also found organizational issues surrounding data collection that could potentially affect data quality.

Hipertensi merupakan salah satu penyebab utama kematian di Indonesia dan berkontribusi besar terhadap beban penyakit tidak menular. Identifikasi faktor-faktor risiko hipertensi secara menyeluruh sangat penting untuk mendukung intervensi kesehatan yang lebih terarah. Penelitian ini bertujuan untuk menganalisis faktor-faktor risiko kejadian hipertensi pada penduduk usia ≥18 tahun di Indonesia dengan pendekatan probabilistik menggunakan Bayesian Network. Penelitian ini merupakan studi kuantitatif menggunakan data sekunder Indonesia Family Life Survey (IFLS) Gelombang ke 5. Sampel terdiri dari 34.271 individu yang telah melewati tahap pembersihan data dan klasifikasi variabel. Struktur Bayesian Network disusun secara manual berdasarkan analisis bivariat dan referensi teoritis, kemudian divisualisasikan menggunakan perangkat lunak R (bnlearn) dan Python (CausalNex). Analisis probabilitas bersyarat dilakukan melalui perhitungan Conditional Probability Table (CPT) untuk mengidentifikasi jalur risiko langsung maupun tidak langsung. Hasil penelitian menunjukkan bahwa variabel merokok dan imt_kat (kategori Indeks Massa Tubuh tidak normal) merupakan dua faktor risiko utama yang secara langsung meningkatkan probabilitas kejadian hipertensi. Probabilitas hipertensi tertinggi ditemukan pada kombinasi individu yang merokok dan memiliki IMT tidak normal, yaitu sebesar 25,87%. Selain itu, jalur tidak langsung juga teridentifikasi, seperti pendapatan → pendidikan → stres → merokok → hipertensi, serta usia, aktivitas fisik, dan pola makan → IMT → hipertensi. Variabel perilaku dan sosial ekonomi terbukti saling terhubung dalam memengaruhi risiko hipertensi secara kumulatif. Kesimpulan dari penelitian ini menunjukkan bahwa pendekatan Bayesian Network mampu mengungkap hubungan probabilistik antar variabel risiko secara komprehensif. Temuan ini menggarisbawahi pentingnya intervensi kesehatan masyarakat yang bersifat holistik, dengan mempertimbangkan determinan sosial, perilaku, dan fisik sebagai satu kesatuan sistem risiko.

---

Hypertension is one of the leading causes of death in Indonesia and contributes significantly to the burden of non-communicable diseases. This study aims to analyze the risk factors associated with hypertension among individuals aged ≥18 years in Indonesia using a probabilistic approach through Bayesian Network modeling. This research is a quantitative study utilizing secondary data from the fifth wave of the Indonesia Family Life Survey (IFLS-5). The sample consisted of 34,271 individuals who met the inclusion criteria after data cleaning and variable classification. The Bayesian Network structure was constructed manually based on bivariate analysis and theoretical references, then visualized using R (bnlearn) and Python (CausalNex). Conditional Probability Tables (CPTs) were generated to identify both direct and indirect risk pathways. The results indicate that smoking and abnormal BMI (imt_kat) are two primary risk factors that directly increase the probability of hypertension. The highest probability of hypertension (25.87%) was found among individuals who both smoke and have an abnormal BMI. Additionally, indirect pathways were also identified, such as income → education → stress → smoking → hypertension, as well as age, physical activity, and dietary patterns → BMI → hypertension. Behavioral and socioeconomic variables were shown to be interconnected in influencing hypertension risk cumulatively. In conclusion, this study demonstrates that the Bayesian Network approach is effective in revealing the probabilistic relationships among various risk factors. These findings highlight the importance of holistic public health interventions that consider social, behavioral, and physiological determinants as an integrated risk system.