Hasil Pencarian :: Kembali

  1. Beranda
  2. Hasil Pencarian
 Pencarian Spesifik
Ditemukan 34468 dokumen yang sesuai dengan query ::  Simpan CSV
cover
Bob Andinata; Promotor: Adang Bachtiar; Kopromotor: Besral, Mondastri Korib Sudaryo; Penguji: Evi Martha, Rizanda Machmud, Eva Susanti, Denni Joko Purwanto, Emma Rachmawati, Mahlil Ruby
Abstrak:

ABSTRAK
Latar Belakang: Kanker payudara merupakan jenis kanker dengan insidensi tertinggi di Indonesia, dengan sebagian besar pasien terdiagnosis pada stadium lanjut salah satunya karena keterlambatan diagnosis di fasilitas kesehatan primer. Rendahnya kemampuan dokter umum dalam menegakkan diagnosis klinis kanker payudara serta alur rujukan yang panjang juga berkontribusi memperberat keterlambatan tersebut. Tujuan: Menghasilkan model prediksi diagnosis klinis kanker payudara di pelayanan kesehatan primer menggunakan skor malignansi “Probability of Breast Cancer (BOBAN)” Metode: Studi ini menggunakan mixed method, dengan pendekatan desain explanatory sequential, penelitian kuantitatif menggunakan desain potong lintang dilanjutkan penelitian kualitatif dengan desain studi kasus. Penelitian ini melibatkan 1.169 wanita usia ≥30 tahun yang melakukan deteksi dini di RS Kanker Dharmais (2020–2022). Variabel prediktor dianalisis dengan uji multivariat regresi logistik untuk penyusunan model skoring. Tahap kedua berupa uji akurasi (sensitivitas-spesifisitas) dan nilai probabilitas prediksi. Tahap ketiga berupa uji kualitatif melalui diskusi kelompok terfokus (FGD) dengan dokter umum di puskesmas. Hasil: Model prediksi terdiri dari tujuh variabel terpilih, yaitu usia, riwayat keluarga tingkat I, riwayat melahirkan, riwayat menyusui, benjolan payudara, kelenjar getah bening aksila, dan gejala lanjut kanker. Model ini memiliki nilai kalibrasi yang baik (p-value 0.826) dan nilai AUC pada ROC sebesar 0,920 (CI 95% 0,892 - 0,947; p-value 0,00) menunjukkan diskriminasi yang sangat baik. Total skor antara 0–177, dengan titik potong optimal pada skor 69 (sensitivitas 86,7%, spesifisitas 82,9%, dan nilai probabilitas 10,45%). Skor rendah (0-68) didiagnosis bukan kanker payudara dan skor tinggi (69-177) didiagnosis curiga kanker payudara. Evaluasi kualitatif menunjukkan bahwa skor malignansi BOBAN dapat diaplikasikan oleh dokter umum di fasilitas kesehatan pelayanan primer. Kesimpulan: Skor malignansi ini dapat memprediksi diagnosis klinis dan menghitung nilai probabilitas kanker payudara. Skor malignansi BOBAN direkomendasikan untuk digunakan sebagai instrumen deteksi dini kanker payudara di faskes primer dan dapat menjadi solusi bagi dokter umum untuk mempemudah skrining rujukan tatalaksana kanker payudara di Indonesia.

ABSTRACT
Background: Breast cancer is the most prevalent type of cancer in Indonesia, with the majority of patients diagnosed at an advanced stage, partly due to delayed diagnosis in primary healthcare settings. Limited diagnostic capabilities among general practitioners and lengthy referral processes contribute significantly to these delays. Objective: To develop a clinical prediction model for breast cancer diagnosis in primary healthcare using the "Probability of Breast Cancer (BOBAN)" malignancy score. Methods: This study employed a mixed-method approach, consisting of a quantitative cross-sectional study followed by a qualitative explanatory sequential design. A total of 1,169 women aged ≥30 years who underwent early detection at Dharmais Cancer Hospital (2020–2022) were included. Predictor variables were analyzed using multivariate logistic regression to construct the scoring model. The second phase involved evaluating the model’s diagnostic accuracy (sensitivity-specificity) and predictive probability values. The third phase included qualitative assessment through focus group discussions (FGDs) with general practitioners at community health centers (puskesmas). Results: The prediction model comprised seven selected variables: age, first-degree family history of breast cancer, childbirth history, breastfeeding history, presence of a breast lump, axillary lymph nodes, and advanced cancer symptoms. The model demonstrated good calibration (p-value = 0.826) and excellent discrimination with an AUC of 0.920 (95% CI: 0.892–0.947; p-value < 0.001). The total score ranged from 0–177, with an optimal cutoff score of 69 (sensitivity 86.7%, specificity 82.9%, predictive probability 10.45%). A low score (0–68) indicated a non-breast cancer diagnosis, while a high score (69–177) indicated suspected breast cancer. Qualitative evaluation indicated that the BOBAN malignancy score is feasible for implementation by general practitioners in primary care settings. Conclusion: The malignancy score is capable of predicting clinical diagnosis and estimating the probability of breast cancer. The BOBAN score is recommended as a screening tool for early detection in primary healthcare facilities and offers a practical solution for general practitioners to facilitate breast cancer management referrals in Indonesia.

Read More
D-598
Depok : FKM-UI, 2025
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Ambo Sakka; Promotor: Ede Surya Darmawan; Kopromotor: Dumilah Ayuningtyas, Dewi Gayatri; Penguji: Martya Rahmaniati Makful, Wachyu Sulistiadi, Syahrir A. Pasinringi, Sutopo Patria Jati, Farida Briani Sobri
Abstrak:
Utilisasi pelayanan rumah sakit pada pasien kanker payudara dalam program Jaminan Kesehatan Nasional (JKN) menunjukkan pola yang heterogen dan belum terpetakan secara empiris. Penelitian ini bertujuan (1) mengidentifikasi kelas laten pola utilisasi pelayanan rumah sakit pada pasien kanker payudara peserta JKN melalui Analisis Kelas Laten; (2) menganalisis distribusi variabel prediktor berbasis Andersen Behavioral Model antar kelas utilisasi yang terbentuk; (3) membangun dan mengevaluasi model prediksi kelas utilisasi menggunakan pendekatan pembelajaran mesin dengan analisis kontribusi variabel prediktor; serta (4) merumuskan implikasi kebijakan berbasis temuan empiris untuk penguatan sistem JKN. Penelitian ini menggunakan desain kohort retrospektif berbasis Data Sampel BPJS Kesehatan periode 2017–2024 dengan sampel 3.186 pasien kanker payudara (ICD-10 C50.x dan D05.x) untuk pembentukan kelas utilisasi, dan 3.131 pasien untuk pemodelan prediktif. Hasil LCA mengidentifikasi empat kelas utilisasi yang berbeda secara substantif: Low Utilizer (33,5%; n=1.066), Moderate Outpatient (26,4%; n=841), High Inpatient Complex (21,6%; n=687), dan High Outpatient (18,6%; n=592), dengan model optimal memiliki nilai BIC 24.081,73 dan Entropy 0,894. Model prediksi yang dibangun mencapai akurasi 67,8% pada data uji independen, nilai Cohen's Kappa 0,56, dan rata-rata AUC makro 0,889 dengan kemampuan identifikasi kelas High Inpatient Complex mencapai AUC 0,910. Analisis kontribusi variabel prediktor mengkonfirmasi dominasi faktor kebutuhan klinis dimana lima dari lima prediktor teratas adalah faktor klinis, dengan episode kemoterapi sebagai determinan terkuat (nilai kontribusi 0,7456) yang mengkonfirmasi secara empiris prediksi Andersen Behavioral Model tentang dominasi kebutuhan klinis dalam sistem dengan cakupan finansial tinggi. Penelitian ini merekomendasikan pengembangan sistem peringatan dini berbasis data klaim, perluasan program pengelolaan penyakit kronis ke kanker payudara, reformasi tarif pelayanan berbasis kompleksitas utilisasi longitudinal, serta integrasi data klaim BPJS Kesehatan dengan Registri Kanker Nasional sebagai fondasi pemantauan berbasis nilai layanan kesehatan.
Hospital service utilization among breast cancer patients in Indonesia's National Health Insurance (JKN) program demonstrates heterogeneous patterns that have not been empirically mapped. This study aimed to (1) identify latent classes of hospital service utilization among breast cancer patients enrolled in JKN using Latent Class Analysis; (2) analyze the distribution of Andersen Behavioral Model-based predictor variables across the identified utilization classes; (3) develop and evaluate a predictive model for utilization class classification using a machine learning approach with predictor variable contribution analysis; and (4) formulate evidence-based policy implications for JKN system strengthening. This retrospective cohort study utilized BPJS Kesehatan's Sample Data 2017–2024, with a sample of 3,186 breast cancer patients (ICD-10 C50.x and D05.x) for utilization class formation and 3,131 patients for predictive modeling. LCA identified four substantively distinct utilization classes: Low Utilizer (33.5%; n=1,066), Moderate Outpatient (26.4%; n=841), High Inpatient Complex (21.6%; n=687), and High Outpatient (18.6%; n=592), with the optimal model achieving BIC of 24,081.73 and Entropy of 0.894. The predictive model achieved 67.8% accuracy on an independent test set, Cohen's Kappa of 0.56, and macro-average AUC of 0.889, with High Inpatient Complex identification reaching AUC of 0.910. Variable contribution analysis confirmed the dominance of clinical need factors, chemotherapy episodes emerged as the strongest determinant (contribution value 0.7456), empirically confirming the Andersen Behavioral Model's prediction about clinical need dominance in high-coverage systems. This study recommends developing claims data-based early warning systems, expanding chronic disease management programs to breast cancer, reforming reimbursement tariffs based on longitudinal utilization complexity, and integrating BPJS Kesehatan claims data with the National Cancer Registry.
Read More
D-646
Depok : FKM-UI, 2026
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
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.
Read More
D-615
Depok : FKM-UI, 2026
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Andi Afdal Abdullah; Promotor: Budi Hidayat; Kopromotor: Pujiyanto; Penguji: Atik Nurwahyuni, Mardiati Nadjib, Soewarta Kosen, Ali Ghufron Mukti; Mahlil Ruby; Teguh Dartanto
Abstrak:
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.
Read More
D-483
Depok : FKM-UI, 2023
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Tria Astika Endah Permatasari; Promotor: Ratu Ayu Dewi Sartika; Ko-Promotor: Endang Laksminingsih, Purwanto; Penguji: Evi Martha, Besral, Ahmad Syafiq, Anies Irawati, Dwiana Ocviyanti
Abstrak: Tujuan penelitian adalah memeroleh model prediksi atrisi pemberian ASI eksklusif menggunakan Breastfeeding Attrition Prediction Tool BAPT yang dimodifikasi. Penelitian longitudinal dilakukan antara Bulan Mei 2016-Januari 2017 di Rumah SakitIbu dan Anak di Kota Tangerang Selatan pada 254 ibu hamil trimester ketiga. Hasilpenelitian menunjukkan bahwa BAPT modifikasi dinyatakan valid dan reliabel sebagaialat prediksi atrisi pemberian ASI eksklusif di Indonesia. Proporsi atrisi pemberian ASIeksklusif sebesar 47,4 dari 192 ibu yang melengkapi kuesioner, dan tertinggi terjadipada delapan 8 minggu postpartum. Model prediksi intensi dan model prediksi atrisi pemberian ASI ekslusif dinyatakan lsquo;fit rsquo;. Atrisi pemberian ASI eksklusif dipengaruhioleh intensi p
 
 
The objective of the study was to obtain an exclusive breastfeeding attrition predictionmodel using a modified Breastfeeding Attrition Prediction Tool BAPT . A longitudinal studies was conducted between May 2016 January 2017 in 2 Mother and child Hospitalsin South Tangerang of 254 third trimester pregnant women. The results showed thatmodified BAPT was valid and reliable as a predictor tool of exclusive breastfeeding inIndonesia. The proportion of exclusive breastfeeding attrition was 47.4 of 192 motherswho completed the questionnaire, with the highest occurring at 8 weeks postpartum.
Read More
D-369
Depok : FKM-UI, 2017
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Yeni Mahwati; Promotor: Sudijanto Kamso; Ko Promotor: Fasli Jalal, Purwantyastuti; Penguji: Purnawan Junadi, Kusharisupeni, Soewarta Kosen, Fidiansjah
D-322
Depok : FKM-UI, 2015
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Mizna Sabilla; Promotor: Ratu Ayu Dewi Sartika; Kopromotor: Endang Laksminingsih Achadi, Tria Astika Endah Permatasari; Penguji: Sutanto Priyo Hastono, Sri Redatin Retno Pudjiati, Agus Triwinarto, Annisa Nurrachmawati
Abstrak:

Latar belakang: Keberhasilan ASI eksklusif di Indonesia masih rendah. Self-efficacy ayah dan ibu berperan penting dalam praktik menyusui. Penelitian ini bertujuan mendapatkan model prediksi penghentian ASI eksklusif pada 0-12 postpartum menggunakan Paternal dan Maternal BSE framework.
Metode: Penelitian menggunakan metode kualitatif dan kuantitatif. Studi kualitatif menggunakan FGD terhadap 5 informan ayah secara purposive dengan tujuan menggali infomasi mengenai paternal BSE. Desain studi kuantitatif longitudinal bertujuan mengevaluasi model penelitian. Sebanyak 201 pasangan yang bersalin di rumah sakit ibu dan anak di Kota Tangerang Selatan berhasil diikuti sampai 12 minggu postpartum. Data kuantitatif dikumpulkan melalui kuesioner dan dianalisis menggunakan SEM-PLS untuk menguji pengaruh antar variabel dan mendapatkan nilai prediktif model.
Hasil: Instrumen Paternal BSE dan sumber self-efficacy ayah valid dan reliabel. Faktor signifikan yang berpengaruh terhadap penghentian ASI eksklusif meliputi paternal BSE, maternal BSE, pengalaman ayah, pengalaman ibu, persuasi verbal bagi ibu, kondisi fisik emosi ibu, usia ibu, frekuensi ANC, dan tipe keluarga. Secara tidak langsung, ada pengaruh pengalaman ayah terhadap penghentian ASI eksklusif melalui paternal dan maternal BSE.
Simpulan: Model paternal-maternal BSE dapat memprediksi penghentian ASI eksklusif dengan baik.
Saran: Penghentian ASI eksklusif dapat dicegah dengan melibatkan ayah secara aktif melalui edukasi, pendampingan, dan penguatan paternal BSE sejak masa kehamilan.

Background: The rate of exclusive breastfeeding in Indonesia remains low. Both paternal and maternal self-efficacy play a crucial role in supporting breastfeeding practices. This study aims to develop a predictive model for exclusive breastfeeding cessation during the first 0–12 months postpartum using the Paternal and Maternal Breastfeeding Self-Efficacy (BSE) framework.
Methods: This study employed both qualitative and quantitative methods. The qualitative phase involved focus group discussions (FGDs) with five purposively selected fathers to explore aspects of paternal BSE. The quantitative phase used a longitudinal design to evaluate the proposed model. A total of 201 couples who delivered at a maternal and child hospital in South Tangerang City were followed up to 12 weeks postpartum. Quantitative data were collected using questionnaires and analyzed with Partial Least Squares Structural Equation Modeling (PLS-SEM) to examine relationships between variables and assess model predictive.
Results: The Paternal BSE instrument and sources of paternal self-efficacy were found to be valid and reliable. Significant factors influencing exclusive breastfeeding cessation included paternal BSE, maternal BSE, fathers’ experience, mothers’ experience, verbal persuasion for mothers, mothers’ physical and emotional condition, maternal age, antenatal care (ANC) frequency, and family type. Indirectly, there was a relationship between fathers’ experience and exclusive breastfeeding cessation through paternal and maternal BSE.
Conclusion: The paternal-maternal BSE model effectively predicts exclusive breastfeeding cessation.
Recommendation: Exclusive breastfeeding cessation can be prevented by actively involving fathers through education, support, and strengthening paternal BSE starting from pregnancy.

Read More
D-582
Depok : FKM-UI, 2025
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Arsitawati Pudji Rahardjo; Promotor: Amal C. Sjaaf; Ko-promotor: Purnawan Junadi; Ketua sidang: Sudijanto Kamso; Penguji: Santoso Cornain, I Gede Putu Surya, Sudarti Kresno, Mardiati Nadjib, Adang Bachtiar
D-203
Depok : FKM-UI, 2007
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Indah Sri Wahyuni; Promotor: Tris Eryando; Kopromotor: Martya Rahmaniati Makful, Meiwita Paulina Budiharsana; Penguji: Besral, Kemal Nazaruddin Siregar, Popy Yuniar, Wendy Hartanto, Harimat Hendarwan
Abstrak:
Pemanfaatan pelayanan kesehatan dalam persalinan sangat penting karena proses persalinan merupakan fase krusial dalam kehidupan ibu dan anak. Persalinan ditolong oleh tenaga kesehatan terlatih di fasyankes merupakan salah satu intervensi kunci dan terbukti untuk mengurangi 16-33% kematian ibu. Di Indonesia, cakupan pemanfaatan persalinan di fasyankes berdasarkan SKI 2023 sebesar 89.9% namun cakupan tersebut belum mencapai target dari renstra kemenkes 2020-2024 sebesar 95%. Data riskesdas 2013, 2018 dan SKI 2023 menunjukkan adanya variasi dalam cakupan persalinan di fasyankes antar kabupaten/kota di Pulau Jawa sehingga mencerminkan adanya disparitas wilayah. Tujuan penelitian ini mengetahui model spasial pemanfaatan persalinan di fasyankes untuk setiap kabupaten/kota di Pulau Jawa, Indonesia. Studi ekologi dilakukan pada 118 kabupeten/kota di Pulau Jawa tahun 2023. Data berbentuk agregat dan bersumber dari publikasi SKI 2023, data sebaran tenaga medis dan tenaga kesehatan, buku publikasi BPS dan profil kesehatan masing-masing provinsi di Pulau Jawa. Analisis data menggunakan Spatial Error Model (SEM) dan Geographically Weighted Regression (GWR). Hasil penelitian menunjukkan terdapat autokorelasi spasial positif dan membentuk pola pengelompokan spasial. Hasil SEM menunjukkan adanya dependensi spasial yang signifikan dan mampu menjelaskan 77,78% variasi antarwilayah dan membentuk pola residual yang mengelompok. Pada Model GWR mampu menjelaskan 87,28% variasi spasial pemanfaatan persalinan melalui kombinasi variabel independen. Hasil model menunjukkan bahwa determinan yang memengaruhi pemanfaatan persalinan di fasyankes yaitu penolong persalinan, kepemilikan jaminan kesehatan, penduduk miskin, kunjungan ANC, pendidikan ibu, rasio dokter dan rasio PKM memiliki pengaruh yang bervariasi secara spasial antar kab/kota. Variabel-variabel tersebut memiliki kekuatan pengaruh yang berbeda antar kab/kota di Pulau Jawa. Dari hasil penelitian ini diharapkan dapat menjadi bahan perencanaan bagi program kesehatan ibu yang lebih terarah khususnya dalam penetapan wilayah prioritas intervensi di Pulau Jawa.
The utilization of healthcare services during delivery is essential, because process is a crucial phase in the lives of both mother and child. Delivery assisted by skilled birth attendant in healthcare facilities is a key intervention proven to reduce maternal mortality by 16–33%. In Indonesia, the coverage of healthcare facility delivery based on the 2023 Indonesian Health Survey (SKI) is 89.9%; however, this has not yet reached the 95% target set by the Ministry of Health's 2020–2024 strategic plan. Data from Riskesdas 2013, 2018, and SKI 2023 indicate variations in facility-based delivery coverage across regencies/cities on Java Island, reflecting regional disparities. This study aims to determine the spatial model of healthcare facility delivery utilization for each regency/city on Java Island, Indonesia. An ecological study was conducted across 118 regencies/cities in Java in 2023. Aggregate data were sourced from the 2023 SKI publications, medical and health personnel distribution data, BPS (Statistics Indonesia) publications, and health profiles from each province in Java. Data were analyzed using the Spatial Error Model (SEM) and Geographically Weighted Regression (GWR).The results indicate a positive spatial autocorrelation, forming a spatial clustering pattern. The SEM results show significant spatial dependency, explaining 77,78% of the inter-regional variation and forming clustered residual patterns. The GWR model was able to explain 87,28% of the spatial variation in delivery utilization through a combination of independent variables. The model results demonstrate that determinants affecting healthcare facility delivery utilization namely skilled birth attendants, health insurance ownership, poverty levels, ANC (Antenatal Care) visits, maternal education, physician ratios, and community health center ratios have spatially varying influences across regencies/cities. These variables exhibit different levels of influence across different regions in Java. The findings of this study are expected to serve as a planning resource for more targeted maternal health programs, particularly in identifying priority areas for intervention on Java Island.
Read More
D-607
Depok : FKM-UI, 2026
S3 - Disertasi   Pusat Informasi Kesehatan Masyarakat
☉
cover
Bidayatul Tsalitsatul Sua’idah; Pembimbing: Mardiati Nadjib; Penguji: Vetty Yulianty Permanasari, Kurnia Sari, Youth Savithri, Dian Triana Sinulingga
Abstrak:

Di Indonesia kanker payudara merupakan kanker tertinggi yang banyak datang pada stadium lanjut sehingga berdampak terhadap mortalitas dan tingginya pembiayaan. Mammografi merupakan alat skrining dan diagnosis yang sudah terbukti efektifitasnya menghasilkan “down staging” pada negara maju, Indonesia sebagai negara berkembang belum menjadikan skrining mammografi sebagai program nasional. Dilakukan studi parsial evaluasi ekonomi biaya dan luaran dengan membandingkan mammografi untuk skrining berbasis populasi terhadap oportunistik skrining di RS. Dilakukan uji coba skrining berbasis populasi terhadap 683 wanita dengan menggunakan mobil mammografi hingga didapatkan case detected serta diambil data retrospektif pasien deteksi dini dengan mammografi hingga penegakan diagnosis di RS dalam periode satu tahun. Dilakukan analisis biaya berdasarkan perspektif program dengan analisis luaran case detected. Didapatkan unit cost pemeriksaan skrining adalah Rp871,045. dengan case detected 0,4% dan cost per case detected Rp Rp290,348,509. Pada deteksi dini di RS didapakan unit cost Rp1,137,881 dan 3% kasus positif kanker. Terhadap skrining berbasis populasi, untuk mendapatkan satu kasus positif kanker diperlukan biaya sebesar Rp 262.342.333. Dengan sumber daya yang dimiliki perlu dilakukan inovasi dalam deteksi dini mammografi melalui penguatan pelaksanaan skrining CBE sebagai program nasional didukung pendekatan akses melalui diagnosis dini dengan mobil mammografi terutama di daerah rentan sehingga dihasilkan diagnosis secara cepat dan tepat dan biaya yang murah. Diperlukan peran pemerintah melalui pembiayaan yang berkelanjutan terhadap deteksi dini mammografi untuk dapat menurunkan angka mortalitas dan pembiyaan dalam pengobatan kanker. Kata kunci: Kanker payudara, mammografi, cost and outcome.

 

Breast cancer is the highest cancer in Indonesia that come at late stage so have impact on mortality and high funding. Mammography is a screening and diagnosis that has proven its effectiveness in producing "down staging" in developed countries, Indonesia as a developing country has not made mammography screening a national program. A partial study of economic evaluation of costs and outcomes was conducted by comparing mammography for population-based screening to opportunistic screening in hospitals. A population-based screening was conducted on 683 women using a mobile mammography until a case was detected and retrospective data taken from early detection patients with mammography to diagnose the hospital in a period of one year. A cost analysis is carried out based on the program perspective with a case detected output analysis. The unit cost of screening is Rp.871,045. with case detected 0.4% and cost per case detected Rp.290,348,509. At early detection in the hospital unit unit costs are obtained Rp1,137,881 and 3% of positive cases of cancer. For population-based screening, to get one positive case of cancer costs Rp 262,342,333. With the available resources, innovation in the early detection of mammography needs to be done through strengthening the implementation of CBE screening as a national program supported by an access approach through early diagnosis by mammography cars, especially in vulnerable areas so that diagnosis is produced quickly and accurately and at a low cost. The role of government is needed through ongoing financing of early detection of mammography to be able to reduce mortality and financing in the treatment of cancer. Keywords: Breast cancer, mammography, cost and outcome

Read More
T-7429
Depok : FKM-UI, 2019
S2 - Tesis   Pusat Informasi Kesehatan Masyarakat
☉
:: Pengguna : Pusat Informasi Kesehatan Masyarakat
Library Automation and Digital Archive