Ditemukan 34137 dokumen yang sesuai dengan query :: Simpan CSV
Suharyo Adijoyo Nugroho; Pembimbing: Martya Rahmaniati Makful; Penguji: Rico Kurniawan, Yolanda Handayani
Abstrak:
Read More
Campak masih menjadi salah satu penyakit menular yang menjadi masalah kesehatan masyarakat di Indonesia karena memiliki tingkat penularan yang tinggi serta dipengaruhi oleh berbagai faktor risiko yang berbeda pada setiap wilayah. Pendekatan spasial diperlukan untuk menggambarkan distribusi risiko kejadian campak secara komprehensif sehingga dapat mendukung penyusunan prioritas intervensi kesehatan. Penelitian ini bertujuan menganalisis faktor risiko kejadian campak menggunakan pendekatan spasial di Indonesia tahun 2023. Penelitian ini menggunakan desain studi ekologi dengan unit analisis sebanyak 38 provinsi di Indonesia. Data yang digunakan merupakan data sekunder yang diperoleh dari Kementerian Kesehatan Republik Indonesia, Badan Pusat Statistik, dan Badan Informasi Geospasial tahun 2023. Analisis dilakukan secara deskriptif menggunakan Sistem Informasi Geografis melalui metode scoring dan overlay dengan klasifikasi Natural Breaks (Jenks) terhadap enam faktor risiko, yaitu cakupan imunisasi campak, jumlah fasilitas pelayanan kesehatan, topografi wilayah, kepadatan penduduk, cakupan pemberian vitamin A, dan status gizi buruk. Hasil penelitian menunjukkan bahwa distribusi setiap faktor risiko memiliki variasi antarprovinsi di Indonesia. Berdasarkan hasil pembobotan gabungan seluruh faktor risiko, seluruh provinsi berada pada kategori risiko sedang, namun memiliki tingkat kerentanan yang berbeda sesuai kombinasi karakteristik faktor risiko yang dimiliki. Provinsi Papua Pegunungan memiliki skor pembobotan tertinggi sehingga menjadi wilayah dengan tingkat risiko relatif paling tinggi, sedangkan Provinsi Bali memiliki skor pembobotan terendah. Hasil penelitian menunjukkan bahwa pendekatan spasial mampu menggambarkan variasi risiko kejadian campak berdasarkan karakteristik kesehatan, demografi, dan geografis pada setiap provinsi. Dengan demikian, analisis spasial berbasis multifaktor dapat memberikan gambaran risiko kejadian campak secara lebih komprehensif serta menjadi dasar dalam penentuan prioritas intervensi dan penyusunan kebijakan pengendalian campak di Indonesia.
Measles remains a major public health concern in Indonesia due to its high transmissibility and the variation of risk factors across regions. A spatial approach is needed to comprehensively describe the distribution of measles risk and to support evidence-based public health interventions. This study aimed to analyze the risk factors associated with measles using a spatial approach in Indonesia in 2023. An ecological study design was employed using all 38 provinces of Indonesia as the units of analysis. Secondary data were obtained from the Indonesian Ministry of Health, Statistics Indonesia, and the Geospatial Information Agency for the year 2023. Descriptive spatial analysis was conducted using a Geographic Information System through scoring and overlay methods with the Natural Breaks (Jenks) classification to assess six risk factors, including measles immunization coverage, the number of health facilities, topographic characteristics, population density, vitamin A coverage, and severe malnutrition. The findings revealed spatial variations in each risk factor across Indonesian provinces. Based on the combined risk scoring, all provinces were classified as having a moderate risk category, although each province exhibited different levels of vulnerability according to its combination of health, demographic, and geographic characteristics. Highland Papua Province had the highest composite risk score, indicating the greatest relative vulnerability, while Bali Province had the lowest score. These findings demonstrate that a multifactor spatial approach provides a comprehensive representation of measles risk distribution and may serve as valuable evidence for prioritizing public health interventions and supporting measles control policies in Indonesia.
T-7714
Depok : FKM-UI, 2026
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Sofiyulloh; Pembimbing: Martya Rahmaniati Makful; Penguji: Artha Prabawa, Sutanto Priyo Hastono, Dian Sidik Arsyad, Dion Zein Nuridzin
Abstrak:
Read More
Kematian ibu merupakan salah satu permasalahan kesehatan yang masih terjadi. AKI Indonesia pada tahun 2020 mencapai 189 per 100.000 kelahiran hidup yang masih di atas target SDGs 2030. Dan Jawa Timur merupakan provinsi yang memiliki kasus kematian ibu cukup tinggi di Indonesia. Berbagai faktor dapat berpengaruh terhadap kejadian kematian ibu, baik dari faktor kesehatan maupun non kesehatan. Pendekatan spasial pada penelitian ini bertujuan untuk melihat pengaruh faktor secara lokal di antarwilayah dan antarwaktu. Dalam penelitian ini, digunakan data sekunder berupa agregat dari publikasi profil kesehatan Jawa Timur dan BPS Jawa Timur, dengan variabel dependen kematian ibu, serta independen Rata-Rata Lama Sekolah (RLS), usia kawin, penduduk miskin, rasio tenaga kesehatan, rasio puskesmas, persalinan di fasyankes, dan ANC dari tahun 2021 – 2023. Juga terdapat atribut spasial berupa ketinggian wilayah dan kerapatan jalan serta peta digital. Metode yang digunakan adalah pemetaan faktor risiko dengan overlay serta statistik spasial dengan Geographically Weighted Regression. Didapatkan faktor risiko determinan kematian ibu cenderung sedang dan tinggi di tahun 2021, 2022, dan 2023. Juga didapatkan kejadian kematian ibu terjadi autokorelasi global dengan pola berkelompok. Dan secara autokorelasi lokal, terdapat beberapa wilayah signifikan di setiap tahun. Sedangkan untuk hasil GWR, didapatkan variabel signifikan lokal di tahun 2021 adalah ANC di seluruh wilayah, dan 2022 tidak ada variabel signifikan, sedangkan 2023 beberapa wilayah signifikan dengan rasio tenaga kesehatan dan persalinan di fasyankes, dan beberapa tidak signifikan. Dan untuk model dari nilai R2 bervariasi, meskipun cenderung meningkat dari tahun 2021 ke 2023. Dari hasil penelitian ini diharapkan dapat menjadi bahan perencanaan bagi program kesehatan ibu dan anak di Jawa Timur, agar dapat fokus ke wilayah prioritas intervensi. Kata kunci: kematian ibu, spasial, sosial-ekonomi, layanan kesehatan
Maternal mortality remains a significant health issue. Indonesia’s maternal mortality rate (MMR) in 2020 reached 189 per 100,00 0 live births, still above the 2030 SDGs target. East Java is one of the provinces with the highest maternal mortality rates in Indonesia. Various factors can influence maternal mortality rates, both health-related and non- health-related. The spatial approach in study aims to examine the local influences of these factors across regions and over time. In this study, secondary data in the form of aggregates from East Java health profile publications and the East Java Central Statistics Agency (BPS) were used, with the dependent variable being maternal mortality and the independent variables being Average Years of Schooling (RLS), age at marriage, poor population, health worker ration, health center ratio, deliveries in health facilities, and ANC from 2021 – 2023. Spatial attributes include elevation, road density, and digital maps. The methods used include risk factors mapping with overlay and spatial statistics using Geographically Weighted Regression (GWR). The results indicate that risk factors for maternal mortality tend to be moderate to high ini 2021, 2022, and 2023. Additionally, maternal mortality events exhibit global autocorrelation with a clustered pattern. In terms of local autocorrelation, there were several significant regions in each year. For the GWR results, the significant local variable in 2021 was ANC across all regions, while in 2022 there were no significant variables, and in 2023, some regions were significant with the ratio of healthcare workers and births in healthcare facilities, while others were not significant. The R2 values of the models varied, though they tended to increase from 2021 to 2023. The findings of this study are expected to serve as a basis for planning maternal and child health programs in East Java, enabling a focus on priority intervention areas. Key words: maternal mortality, spatial, social-economic, health services
T-7252
Depok : FKM-UI, 2025
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Ummi Khairun Niswah; Pembimbing: Martya Rahmaniati Makful, Tris Eryando; Penguji: Besral, Yekti Widodo, Dakhlan Choeron
Abstrak:
ABSTRAK Pendahuluan: Composite Index of Anthropometric Failure (CIAF) adalah komposit indeks malnutrisi yang dibagi menjadi tujuh indikator. Faktor risiko kejadian CIAF diantaranya ASI eksklusif, desa/kelurahan Universal Child Immunization (UCI), jamban sehat, posyandu aktif, kemiskinan, tingkat pendidikan ibu dan status pekerjaan ibu balita. Penelitian ini dilakukan untuk mengetahui variabel yang berpengaruh terhadap secara lokal dan secara global dan mengetahui perbedaan faktor yang menjadi prediktor CIAF di setiap kabupaten/kota Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan menggunakan desain studi cross sectional. Analisis penelitian menggunakan analisis spasial menggunakan MGWR. Hasil: Hasil analisis F hitung < F tabel (0,47 < 2,25) sehingga tidak ada variasi spasial di Kalimantan namun ada variabel yang signifikan di wilayah lokal atau per kabupaten/kota yaitu pendidikan ibu yang rendah dan posyandu aktif thitung > t tabel (0,025;49 = 2,009). Nilai R-square pemodelan MGWR sebesar 52.56% sehingga model ini cukup dalam menggambarkan variasi CIAF di Kalimantan. Kesimpulan: Variabel yang berpengaruh secara spasial di kabuaten/kota adalah variabel tingat pendidikan ibu yang rendah dan posyaandu aktif sedangkan hasil analisis di Kalimantan tidak ada variasi spasial. Faktor tingkat pendidikan ibu yang rendah dan posyandu aktif yang menjadi prediktor kejadian CIAF secara lokal. Tingkat pendidikan ibu signifikan diseluruh kabupaten/kota, sedangkan posyandu aktif signifikan di 14 kabupaten/kota. Kata kunci: CIAF, malnutrisi, MGWR, spasial Background: The Composite Index of Anthropometric Failure (CIAF) is a composite index of malnutrition that is divided into seven indicators. Risk factors of CIAF are exclusive breastfeeding, Universal Child Immunization (UCI) villages, avaibility of latrines, poverty, maternal education level, active integrated service post, and employment status of toddler mothers. This study was conducted to determine the variables that affect lokally and globally and to know the differences in factors that predict CIAF in each district that affect spatial malnutrition incidence in infants. Method: This study used a quantitative approach using cross sectional study design. The research analysis used spatial analysis using MGWR. Results: The result of F value < F table (0,47 <2,25), there is no spatial variability in Kalimantan but there are significant variables in lokal area (i.e., low maternal education and active integrated service post (t value> t table 0.025; 49 = 2,009). MGWR analysis for CIAF resulted in a 52.56% so this model is strong to describe the variation of CIAF in Kalimantan Conclusion: The variables that have spatial variability in lokal area are low education maternal education variable and active active integrated service post, while analysis result in Kalimantan no spatial variability. Factors of low level of maternal education and active integrated service post, become predictors of CIAF incidence. Maternal education level is significant across districts, while avtive integrated service post is significantly active in 14 district /municipalities. Keywords: CIAF, malnutrition, MGWR, spatial
Read More
T-5371
Depok : FKM-UI, 2018
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Aldila Riznawati; Pembimnbing: Tris Eryando; Penguji: Artha Prabawa, Juri Hendrajadi
Abstrak:
Data and information have an important role in the decision-making process. In the health sector, data utilization is used to estimate the burden of a disease including its determinants. Tuberculosis (TB) remains a global health problem that infects 10.6 million people worldwide in 2021, where Indonesia is the second highest contributor to caseload after India. The province with the highest number of TB case findings in Indonesia in the last 5 years is West Java Province. To find out the spatial model of risk factors that have an effect on each district/city, an analysis was carried out using a spatial approach using secondary data. The results of this study indicate that there is a positive spatial autocorrelation that has a significant effect on the number of TB cases in West Java Province, which means that the distribution of cases forms a clustered pattern and adjacent areas tend to affect the surrounding area. The districts/cities that have become hotspot areas and are priority areas for intervention in handling TB cases in West Java Province are Bekasi Regency, Bogor Regency, Karawang Regency, Purwakarta Regency, Sukabumi Regency, Bekasi City, Bogor City and Depok City. Spatial analysis found risk factors that had different effects in each district/city area, namely the poor population, temperature and altitude, so that the forms of health interventions carried out were also different. Utilization of data with this spatial approach is expected to be able to support decision-making support related to health intervention programs and policies that are specific to the area so that they are right on target and able to reduce the number of TB cases in West Java Province.
Read More
Data dan informasi memiliki peran yang penting dalam proses pengambilan keputusan. Di bidang kesehatan, pemanfaatan data digunakan untuk mengestimasi beban suatu penyakit termasuk determinannya. Tuberculosis (TB) masih menjadi masalah kesehatan global yang menginfeksi 10,6 juta orang di seluruh dunia pada tahun 2021, dimana Indonesia menjadi penyumbang beban kasus tertinggi kedua setelah India. Provinsi dengan jumlah temuan kasus TB tertinggi di Indonesia dalam 5 tahun terakhir adalah Provinsi Jawa Barat. Untuk mengetahui model spasial faktor risiko yang berpengaruh di masing-masing wilayah kabupaten/kota, dilakukan analisis dengan pendekatan spasial menggunakan data sekunder. Hasil dari penelitian ini menunjukkan adanya autokorelasi spasial positif yang berpengaruh signifikan terhadap jumlah kasus TB di Provinsi Jawa Barat yang artinya sebaran kasus membentuk pola mengelompok dan wilayah yang berdekatan cenderung mempengaruhi wilayah sekitarnya. Adapun wilayah kabupaten/kota yang menjadi wilayah hotspot dan menjadi wilayah prioritas intervensi penanganan kasus TB di Provinsi Jawa Barat adalah Kabupaten Bekasi, Kabupaten Bogor, Kabupaten Karawang, Kabupaten Purwakarta, Kabupaten Sukabumi, Kota Bekasi, Kota Bogor dan Kota Depok. Analisis spasial menemukan faktor risiko yang memiliki pengaruh berbeda pada masing-masing wilayah kabupaten/kota yaitu penduduk miskin, suhu dan ketinggian wilayah, sehingga bentuk intervensi kesehatan yang dilakukan juga berbeda. Pemanfaatan data dengan pendekatan spasial ini diharapkan dapat menjadi pendukung pengambilan keputusan (decision making support) terkait program dan kebijakan intervensi kesehatan yang spesifik wilayah sehingga tepat sasaran dan mampu menurunkan jumlah kasus TB di Provinsi Jawa Barat.
Data and information have an important role in the decision-making process. In the health sector, data utilization is used to estimate the burden of a disease including its determinants. Tuberculosis (TB) remains a global health problem that infects 10.6 million people worldwide in 2021, where Indonesia is the second highest contributor to caseload after India. The province with the highest number of TB case findings in Indonesia in the last 5 years is West Java Province. To find out the spatial model of risk factors that have an effect on each district/city, an analysis was carried out using a spatial approach using secondary data. The results of this study indicate that there is a positive spatial autocorrelation that has a significant effect on the number of TB cases in West Java Province, which means that the distribution of cases forms a clustered pattern and adjacent areas tend to affect the surrounding area. The districts/cities that have become hotspot areas and are priority areas for intervention in handling TB cases in West Java Province are Bekasi Regency, Bogor Regency, Karawang Regency, Purwakarta Regency, Sukabumi Regency, Bekasi City, Bogor City and Depok City. Spatial analysis found risk factors that had different effects in each district/city area, namely the poor population, temperature and altitude, so that the forms of health interventions carried out were also different. Utilization of data with this spatial approach is expected to be able to support decision-making support related to health intervention programs and policies that are specific to the area so that they are right on target and able to reduce the number of TB cases in West Java Province.
T-6607
Depok : FKM-UI, 2023
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Sylvia Kyla; Pembimbing: Artha Prabawa; Penguji: Sabarinah Prasetyo, Resyana Yunita
Abstrak:
Tujuan penelitian ini adalah mendapatkan gambaran tingkat kerawanan dari kejadian tuberkulosis paru di Kota Depok tahun 20172019. Metode yang digunakan adalah studi observasional dengan pendekatan analisis spasial dengan memakai data agregat dari laporan rutin yang dikeluarkan Dinas Kesehatan Kota Depok. Hasil dari penelitian adalah dua dari sebelas kecamatan di Kota Depok termasuk ke dalam kategori daerah rawan tuberkulosis selama tahun 2017-2019 yaitu Kecamatan Sukmajaya dan Kecamatan Cinere, serta terdapat korelasi statistik yang bermakna antara rasio fasilitas kesehatan tahun 2017-2019 dengan insiden tuberkulosis paru BTA positif dengan nilai korelasi sebesar 0.417.
Read More
S-10791
Depok : FKM UI, 2021
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Muh. Isra Nabil Iksan; Pembimbing: Popy Yuniar; Penguji: Artha Prabawa, Nikson Sitorus
Abstrak:
Read More
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.
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.
S-12045
Depok : FKM UI, 2025
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Lukman Perdana Sofyan; Pembimbing: Tris Eryando; Penguji: Martya Rahmaniati Makful, Fresty Cahya Maulina
Abstrak:
Read More
Pemerintah Indonesia menargetkan prevalensi stunting mencapai angka 14% pada periode akhir RPJMN di tahun 2024. Sejalan dengan itu, Pemerintah Kabupaten Bogor dalam RPJMD 2018-2023 menargetkan pencapaian prevalensi stunting pada tahun 2023 mencapai 19,6%. Pemerintah Kota Bogor dalam RPJMD tahun 2019-2024 menetapkan target prevalensi stunting mencapai 9,9% pada tahun 2024. Dalam rangka pencapaian target penurunan stunting, kebijakan yang disusun perlu didukung dengan analisa data berbasis wilayah dengan metode analisis yang memperhitungkan konteks wilayah atau dikenal dengan analisis spasial. Penelitian ini bertujuan untuk menganalisis pola persebaran stunting pada balita di tingkat kecamatan di Kabupaten Bogor dan Kota Bogor selama periode 2020-2023, menyusun peta wilayah yang menjadi hotspot prevalensi stunting pada rentang tahun 2020-2023 serta faktor penyebabnya dan mengevaluasi apakah prioritas penanganan stunting di Kabupaten Bogor dan Kota Bogor sudah sesuai dengan kondisi sebaran stunting. Penelitian ini merupakan studi ekologi dengan unit analisis tingkat kecamatan menggunakan data sekunder profil kesehatan Kabupaten dan Kota Bogor tahun 2020-2023. Uji Indeks Moran’s I digunakan untuk mengidentifikasi autokorelasi spasial antar wilayah kecamatan. Analisis GTWR dilakukan untuk mengetahui model faktor risiko prevalensi stunting berdasrkan karakteristik wilayah. Pemetaan wilayah berisiko stunting dapat memberikan gambaran tingkat risiko prevalensi stunting dan faktor risikonya pada tingkat kecamatan. Terdapat tren penurunan signifikan dalam prevalensi stunting di Kabupaten Bogor dan Kota Bogor dari tahun 2020 hingga 2023. Terdapat autokorelasi spasial yang signifikan secara global pada tahun 2022 dan 2023 (p-value < 0,05) dengan Kecamatan Dramaga konsisten sebagai hotspot. Model faktor determinan stunting melalui uji GTWR menghasilkan variabel yang berpengaruh adalah diare balita, BBLR, ANC K4, imunisasi lengkap balita, akses air bersih dan ketinggian wilayah dengan nilai AIC sebesar 85,182 dan nilai R2 sebesar 0,7105. Pemetaan yang dibuat dapat menyajikan gambaran sebaran risiko stunting dikaitkan dengan variabel utama asupan nutrisi, status kesehatan, layanan kesehatan dan lingkungan pemukiman dengan menampilkan tingkatan risiko pada setiap wilayah kecamatan. Data berbasis spasial yang dikemukakan dalam penelitian ini bisa dijadikan dasar pemerintah Kabupaten Bogor dan Kota Bogor untuk mengidentifikasi wilayah-wilayah dengan tingkat stunting yang tinggi dan mengidentifikasi faktor-faktor yang mempengaruhi penyebaran stunting di wilayahnya.
The Indonesian government targets stunting prevalence to reach 14% in the final period of the RPJMN in 2024. In line with this, the Bogor Regency Government in the 2018-2023 RPJMD targets achieving stunting prevalence in 2023 to reach 19.6%. The Bogor City Government in the 2019-2024 RPJMD has set a target for stunting prevalence to reach 9.9% by 2024. In order to achieve the stunting reduction target, the policies that have been prepared need to be supported by regional-based data analysis with analytical methods that take into account regional context or known as spatial analysis. . This study aims to analyze the distribution pattern of stunting among children under five at the sub-district level in Bogor Regency and Bogor City during the 2020-2023 period, compile a map of areas that are hotspots for stunting prevalence in the 2020-2023 period and the factors causing them and evaluate whether the priority for handling stunting in the Regency is Bogor and Bogor City are in accordance with the conditions for the distribution of stunting. This research is an ecological study with a sub-district level analysis unit using secondary data on the health profile of Bogor Regency and City for 2020-2023. The Moran's I Index test is used to identify spatial autocorrelation between sub-district areas. GTWR analysis was carried out to determine the risk factor model for stunting prevalence based on regional characteristics. Mapping areas at risk of stunting can provide an overview of the risk level of stunting prevalence and risk factors at the sub-district level. There is a significant decreasing trend in the prevalence of stunting in Bogor Regency and Bogor City from 2020 to 2023. There is significant spatial autocorrelation globally in 2022 and 2023 (p-value < 0.05) with Dramaga District consistently as a hotspot. The stunting determinant factor model using the GTWR test produces variables that influence toddler diarrhea, LBW, ANC K4, complete immunization for toddlers, access to clean water and regional altitude with an AIC value of 85.182 and an R2 value of 0.7105. The mapping created can provide an overview of the distribution of stunting risk associated with the main variables of nutritional intake, health status, health services and residential environment by displaying the level of risk in each sub-district area. The spatial-based data presented in this research can be used as a basis for the Bogor Regency and Bogor City governments to identify areas with high levels of stunting and identify factors that influence the spread of stunting in their areas.
T-7033
Depok : FKM UI, 2024
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Asrit Jessica Kario; Pembimbing: Rico Kurniawan; Penguji: Artha Prabawa, Kemal Nazaruddin Siregar, Muhammad Amin Bakri, Nikson Sitorus
Abstrak:
Read More
Anemia merupakan masalah kesehatan global, yang bisa terjadi pada siapa saja, terutama di kalangan remaja putri, yang dapat berdampak pada pertumbuhan, perkembangan, produktivitas pada generasi selanjutnya. Prevalensi anemia tahun 2021 secara global pada perempuan usia 15–49 tahun sebesar 33,7%, dan di Indonesia tahun 2023 tercatat 15,5% pada kelompok usia 15–24 tahun. Tujuan dari penelitian, yaitu untuk mengembangkan prediksi risiko anemia menggunakan pendekatan algoritma machine learning dalam konteks program kesehatan remaja putri di Indonesia. Penelitian ini menggunakan data dari Survei Kesehatan Indonesia (SKI) 2023 untuk mengidentifikasi faktor risiko utama anemia, seperti status gizi, pola konsumsi makanan, sosio-ekonomi, penyakit infeksi dan kronis. Hasil penelitian didapatkan model terbaik Random forest dengan AUC 0,768, akurasi 0,707, skor F1 0,706, presisi 0,712, dan recall sebesar 0,707. Prediktor dalam penelitian ini, yaitu pekerjaan, lokasi tempat tinggal, ukuran keluarga, status menstruasi, pola konsumsi sayur dan hasil olahannya, pola konsumsi buah dan hasil olahannya, pola konsumsi daging, unggas, dan hasil olahannya, pola konsumsi ikan, kerang, dan hasil olahannya, pola konsumsi susu dan hasil olahannya, pola konsumsi telur dan hasil olahannya, diare, pneumonia, dan kecacingan. Rancangan sistem didasarkan pada model prediksi terbaik dan ditampilkan dalam bentuk wireframe.
Anemia is a global health problem, which can happen to anyone, especially among adolescent girls, which can have an impact on growth, development, productivity in the next generation. The prevalence of anemia in 2021 globally in women aged 15-49 years is 33.7%, and in Indonesia in 2023 it is 15.5% in the age group 15-24 years. The purpose of the study was to develop anemia risk prediction using a machine learning algorithm approach in the context of adolescent girls' health programs in Indonesia. This study used data from the 2023 Indonesian Health Survey (IHS) to identify the main risk factors for anemia, such as nutritional status, food consumption patterns, socio-economics, infectious and chronic diseases. The results obtained the best Random forest model with AUC 0.768, accuracy 0.707, F1 score 0.706, precision 0.712, and recall of 0.707. The predictors in this study are occupation, location of residence, family size, menstrual status, consumption patterns of vegetables and their processed products, consumption patterns of fruits and their processed products, consumption patterns of meat, poultry, and their processed products, consumption patterns of fish, shellfish, and their processed products, consumption patterns of milk and their processed products, consumption patterns of eggs and their processed products, diarrhea, pneumonia, and helminthiasis. The system design is based on the best prediction model and displayed in wireframe view.
T-7358
Depok : FKM UI, 2025
S2 - Tesis Pusat Informasi Kesehatan Masyarakat
☉
Elmarizha Sekar Utami; Pembimbing: Iwan Ariawan; Penguji: Asri C. Adisasmita, Damar Susilaradeya
Abstrak:
Penelitian ini bertujuan untuk melihat gambaran serta korelasi antara faktor risiko mobilitas penduduk, hipertensi, diabetes mellitus, obesitas, penduduk lansia, dan penduduk usia produktif terhadap kasus Covid-19 periode Oktober-Desember 2020 dengan desain studi korelasi yang dianalisis secara statistik dan spasial. Data yang digunakan dalam penelitian ini adalah data sekunder. Wilayah penelitian pada penelitian ini adalah 29 kab/kota wilayah PPKM di 3 Provinsi, yakni DKI Jakarta, Jawa Barat, dan Banten.
Read More
S-10669
Depok : FKM UI, 2021
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Julita Pangesti: Pembimbing: Besral; Penguji: Martya Rahmaniati Makful, Elvida Rosyita
Abstrak:
Read More
Demam Berdarah Dengue (DBD) merupakan penyakit menular yang disebabkan oleh virus dengue, ditularkan oleh nyamuk dan masih menjadi masalah kesehatan masyarakat utama di Indonesia. DBD disebabkan oleh berbagai faktor risiko. Penelitian ini bertujuan untuk mengidentifikasi secara spasial keterkaitan antara faktor-faktor risiko DBD yaitu kepadatan penduduk, ketinggian wilayah, indikator kepadatan vektor (HI, ABJ), cakupan PHBS (rumah tangga, TTU), dan pelayanan kesehatan (puskesmas) dengan kejadian DBD di tiap kelurahan Kota Depok pada tahun 2020-2021. Hasil penelitian menunjukkan bahwa terdapat hubungan spasial yang signifikan dengan pola sebaran kasus mengelompok yaitu pada variabel kasus DBD terhadap wilayah geografis tahun 2020 dan 2021, kepadatan penduduk terhadap kasus DBD tahun 2020 dan 2021, cakupan PHBS RT terhadap kasus DBD tahun 2020 dan 2021, cakupan PHBS TTU terhadap kasus DBD tahun 2021, dan variabel puskesmas terhadap kasus DBD tahun 2021.Sedangkan variabel pada tahun lainnya tidak menunjukkan hubungan yang signifikan. Hasil skoring prioritas wilayah dengan risiko paling tinggi terhadap kejadian DBD di Kota Depok yaitu kelurahan Pancoran Mas, Beji, dan Kemirimuka. Peningkatan pengendalian DBD yang berfokus pada kegiatan pemberdayaan masyarakat dengan gerakan Pemberantasan Sarang Nyamuk (PSN) dan kegiatan Pemantauan Jentik Berkala (PJB), penguatan komitmen stakeholder untuk monitoring dan evaluasi pengendalian DBD, serta penguatan program Gerakan 1 Rumah 1 Jumantik (G1R1J), pelatihan kader DBD, dan pemantau jentik di lingkungan masyarakat dan tempat-tempat umum diharapkan dapat menjadi kunci keberhasilan pengendalian kejadian DBD di wilayah Kota Depok.
Dengue Hemorrhagic Fever (DHF) is an infectious disease caused by the dengue virus, transmitted by mosquitoes and is still a major public health problem in Indonesia. DHF is caused by various risk factors. This study aims to spatially identify the relationship between DHF risk factors, that is population density, altitude, vector density indicators (house index, free larva index), clean and healthy live behavior or PHBS (households, public places), and health services (puskesmas) with DHF incidents in each urban village area of Depok City in 2020-2021. The results showed that there was a significant spatial relationship with the pattern of distribution of cases in clusters, that is the variable DHF cases for geographical areas in 2020 and 2021, population density for DHF cases in 2020 and 2021, PHBS households coverage for DHF cases in 2020 and 2021, PHBS public coverage for DHF cases in 2021, and puskesmas for DHF cases in 2021. Meanwhile, the variables in other years do not show a significant relationship. The results of the priority scoring areas with the highest risk of DHF incidents in Depok City are the Pancoran Mas, Beji, and Kemirimuka sub-districts. Increasing DHF control that focuses on community empowerment activities with the Mosquito Nest Eradication (PSN) movement and Periodic Larvae Monitoring (PJB) activities, strengthening stakeholder commitment to monitoring and evaluating DHF control, as well as strengthening the Movement of 1 House 1 Jumantik (G1R1J) program, DHF cadre training, and larva monitoring in the community and public places is expected to be the key to successful control of DHF incidents in the Depok City area.
S-11194
Depok : FKM-UI, 2023
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉