Ditemukan 34137 dokumen yang sesuai dengan query :: Simpan CSV
Tati Suryati; Promotor: Hasbullah Thabrany; Ko-Promotor: Nasrin Kodim, Soewarta Kosen; Penguji: Anhari Achadi, Sri Moertiningsih Adioetomo, Mardiati Nadjib, Trihono, Rustika
D-281
Depok : FKM-UI, 2013
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Mugi Wahidin; Promotor: Anhari Achadi; Kopromotro: Besral, Soewarta Kosen; Penguji: Atik Nurwahyuni, Mardiati Nadjib, Sudarto Ronoatmodjo, Ekowati Rahajeng; Masdalina Pane
Abstrak:
Read More
Latar belakang: Diabetes Melitus (DM) menjadi salah satu masalah kesehatan masyarakat terbesar di dunia dan di Indonesia yang menjadi target pengendalian secara global dan nasional. Penelitian tentang proyeksi beban DM dengan memasukkan pengaruh faktor risiko dan program pencegahan dan pengendalian DM di Indonesia sangat terbatas. Tujuan penelitian ini adalah untuk membuat model proyeksi beban penyakit Diabetes Melitus di Indonesia berdasarkan faktor risiko dan program pencegahan dan pengendalian DM. Metode: Penelitian ini merupakan penelitian kuantitatif non-experiment menggunakan desain cross sectional study melalui pembuatan model regresi linier ganda dan system dynamics. Model proyeksi prevalens baseline dibuat berdasarkan faktor risiko, program pencegahan dan pengendalian DM. Proyeksi sampai 2045 melibatkan dinamisasi faktor risiko dan program DM, proyeksi penduduk, case fatality rate DM, unit cost DM, standar tarif pemeriksaan gula darah, dan inflasi kesehatan. Faktor risiko termasuk overweight, obesitas sentral, obesitas, konsumsi makanan manis, konsumsi minuman manis, konsumsi makanan berlemak, kurang konsumsi buah dan sayur, kurang aktivitas fisik, hipertensi, dan merokok. Program DM meliputi rasio Posbindu PTM, Desa Ber Posbindu PTM, Pemeriksaan di Posbindu PTM, Puskesmas dengan Pelayanan Terpadu PTM, pemeriksaan rutin gula darah, standar pelayanan minimal (SPM) pelayanan kesehatan DM, dan SPM skrining usia produktif. Model dibuat berdasarkan data dari 205 kabupaten/kota di 33 provinsi di Indonesia. Proyeksi dibuat secara nasional, provinsi, dan kabupaten/kota berupa prevalens, kematian, biaya langsung, dan jumlah dan biaya skrining gula darah. Penelitian ini menggunakan data sekunder dari Riset Kesehatan Dasar (Riskesdas) 2007-2018, BPJS Kesehatan 2016-2020, program P2PTM 2016-2020, dan Pusdatin Kemkes 2019-2021. Unit analisis adalah kabupaten/kota. Hasil: Model proyeksi DM menggunakan regresi linier ganda dengan formula prevalensi DM = -2,212 + 0.216 prevalens overweight +0,017 prevalens obesitas + 0,112 prevalens obesitas sentral +0,019 prevalens konsumsi makanan berlemak – 0,001 Persentase Desa Ber-Posbindu PTM + 0,003 Persentasi Pandu PTM + 1,510 prevalensi rutin diperiksa gula darah – 0.012 cakupan SPM yankes DM + 0,008 cakupan SPM skrining usia produktif. Prevalensi DM di Indonesia diperkirakan meningkat dari 9,19% pada 2020 (18,69 juta kasus) menjadi 16,09% pada 2045 (40,7 juta kasus), naik 75,1% selama 25 tahun, atau 3% per tahun. Prevalensi DM akan lebih rendah menjadi 15,68% atau 39,6 juta kasus (berkurang 5,54%) pada 2045 jika dilakukan intervensi peningkatan cakupan desa ber-posbindu dan SPM yankes DM menjadi 100%, dan menjadi 9,22% atau 23,2 juta kasus (berkurang 42,69%) jika intervensi program tersebut ditambahkan dengan pencegahan laju faktor risiko (overweight, obesitas, obesitas sentral dan konsumsi makanan berlemak). Di tingkat provinsi dan kabupaten/kota, prevalensi dan jumlah kasus meningkat dan sangat bervariasi. Proyeksi jumlah kematian akibat DM di Indonesia meningkat dari 433.752 pada 2020 menjadi 944.468 pada 2045, naik 117% selama 25 tahun atau 4,7% per tahun. Kematian akibat strok pada DM meningkat dari 52,397 pada 2020 menjadi 114,092 pada 2045. Kematian akibat IHD pada DM meningkat dari 35.351 pada 2020 menjadi 76.974 pada 2045. Sedangkan kematian akibat penyakit ginjal kronik pada DM meningkat dari 29.061 pada 2020 menjadi 63.279 pada 2045. Jumlah kematian pada 2045 lebih rendah menjadi 919.206 jika dilakukan intervensi program dan menjadi 537.190 jika dilakukan intervensi program dan menahan laju faktor risiko. Jumlah kematian akibat DM dan komplikasinya di provinsi dan kabupaten/kota meningkat dan sangat bervariasi. Biaya langsung (direct cost) DM meningkat dari Rp 37,36 triliun pada 2020 menjadi Rp 81,38 triliun pada 2045, meningkat 117,76% selama 25 tahun atau 4,71% per tahun. Jika dilakukan intervensi peningkatan program maka dapat diturunkan menjadi Rp 79,31 triliun (berkurang 2,54%) dan menjadi Rp 46,53 triliun (berkurang 42,82%) jika intervensi ditambah menahan laju faktor risiko. Di tingkat provinsi dan kabupaten/kota, biaya langsung DM mengalami kenaikan dan bervariasi antara daerah. Jumlah penduduk berusia 15-39 tahun dengan obesitas dan usia 40 tahun ke atas yang perlu diskrining gula darah di Indonesia pada 2020 diperkirakan 116.387.801 menjadi 171.913.086 orang pada 2045, meningkat 47,8% selama 25 tahun atau 1,9% per tahun. Biaya skrining Rp 2,39 trilliun pada 2020 meningkat menjadi Rp 3,53 trilliun pada 2045. Di provinsi dan kabupaten/kota, jumlah dan biaya skrining meningkat dan bervariasi. Proyeksi DM di Indonesia dan aplikasi perhitungan proyeksi dapat dilihat di www.diabetes-ina.com. Hasil proyeksi sudah dinyatakan sudah baik setelah dibahas dengan para ahli dan mempunyai Mean Absolute Percentage Error (MAPE) sebesar 13% (baik) untuk proyeksi provinsi dan nasional serta 22% (layak) untuk proyeksi kabupaten/kota. Hasil penelitian ini dapat digunakan untuk bahan perencanaan SDM, skrining, dan biaya pengobatan DM di Indonesia baik tingkat pusat, provinsi, maupun kabupaten/kota.
Background: Diabetes Mellitus (DM) is one of the biggest public health problems in the world and in Indonesia which is targeted for control globally and nationally. Research on DM burden projection by including the influence of risk factors and DM prevention and control programs in Indonesia is very limited. The purpose of this study is to make a projection model of the burden of Diabetes Mellitus in Indonesia based on risk factors and DM prevention and control programs. Method: The study was a quantitative non-experiment study using cross sectional study design through the creation of multiple linear regression models and system dynamics. The baseline prevalence projection model is based on risk factors, DM prevention and control programs. Projections until 2045 involved the dynamization of risk factors and DM programs, population projections, DM case fatality rate, DM unit costs, tariffs standard of blood glucose screening, and health inflation. Risk factors included overweight, central obesity, obesity, consumption of sugary foods, consumption of sugary drinks, consumption of fatty foods, lack consumption of fruits and vegetables, lack of physical activity, hypertension, and smoking. The DM program included the ratio of NCD Post (Posbindu), percentage of Village had Posbindu, Examination at Posbindu, Puskesmas with Integrated NCD Services (Pandu), routine blood glucose checks, minimum service standards (SPM) of DM health services, and SPM of productive age screening. The model was created based on data from 205 districts/cities in 33 provinces in Indonesia. Projections was made nationally, provincially, and districts in terms of prevalence, mortality, direct costs, and the number and cost of blood glucose screening. This study used secondary data from Basic Health Research (Riskesdas) 2007-2018, BPJS Kesehatan 2016-2020, NCD programs 2016-2020, and Pusdatin Ministry of Health 2019-2021. The analysis unit is the district/city. Results: DM projection model using multiple linear regression with DM prevalence formula = -2.212 + 0.216 overweight prevalence + 0.017 obesity prevalence + 0.112 central obesity prevalence + 0.019 prevalence of fatty food consumption – 0.001 percentage of villages with Posbindu + 0.003 NCD integrated services percentage + 1.510 prevalence of routine blood glucose checks – 0.012 SPM coverage of DM services + 0.008 SPM of productive age screening coverage. The prevalence of DM in Indonesia is estimated to increase from 9.19% in 2020 (18.69 million cases) to 16.09% in 2045 (40.7 million cases), increase 75.1% over 25 years, or 3% per year. The prevalence of DM will be lower to 15.68% or 39.6 million cases (reduced by 5.54%) in 2045 if interventions are carried out to increase the coverage of Posbindu villages and SPM DM services to 100%, and to 9.22% or 23.2 million cases (reduced by 42.69%) if the program interventions are added with prevention of risk factor rates (overweight, obesity, central obesity and consumption of fatty foods). At the provincial and district/city levels, the prevalence and number of cases are increasing and vary greatly. The projected number of deaths due to DM in Indonesia increases from 433,752 in 2020 to 944,468 in 2045, increase 117% over 25 years or 4.7% per year. Deaths due to stroke among DM increases from 52,397 in 2020 to 114,092 in 2045. Deaths from IHD among DM increases from 35,351 in 2020 to 76,974 in 2045. Meanwhile, deaths from chronic kidney disease among DM increases from 29,061 in 2020 to 63,279 in 2045. The number of deaths in 2045 could be lower to 919,206 if program interventions are carried out and to 537,190 if program interventions are carried out and halt the rate of risk factors. The number of deaths due to DM and its complications in provinces and districts / cities is increasing and varies greatly. DM direct costs increased from Rp 37.36 trillion in 2020 to Rp 81.38 trillion in 2045, an increase of 117.76% over 25 years or 4.71% per year. If the program improvement intervention is carried out, it can be reduced to Rp 79.31 trillion (reduced by 2.54%) and to Rp 46.53 trillion (reduced by 42.82%) if the intervention is added to halt the rate of risk factors. At the provincial and district/city levels, DM direct costs have increased and vary between regions. The number of people aged 15-39 years with obesity and aged 40 years and above who need to be screened for blood glucose in Indonesia in 2020 is estimated at 116,387,801 to 171,913,086 people in 2045, an increase of 47.8% over 25 years or 1.9% per year. Screening costs of Rp 2.39 trillion in 2020 will increase to Rp 3.53 trillion in 2045. In provinces and districts, the number and cost of screening are increasing and varying. DM projections in Indonesia and projection calculation applications can be seen at www.diabetes-ina.com. The projection results have been declared good after discussion with experts and have an Absolute Mean Percentage Error (MAPE) of 13% (good) for provincial and national projections and 22% (feasible) for district/city projections. The results of this study can be used for human resource planning, screening, and DM treatment costs in Indonesia at the central, provincial, and district / city levels.
D-478
Depok : FKM-UI, 2023
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Ardhi Arsala Rahmani; Promotor: Dewi Susanna; Kopromotor: Tris Eryando; Penguji: Besral, Ririn Arminsih Wulandari, R. Azizah, Suwito, Ermi Ndoen
Abstrak:
Read More
Latar belakang: Malaria merupakan penyakit yang disebabkan oleh parasit Plasmodium dan ditularkan melalui vektor nyamuk Anopheles. Kedua organisme tersebut merupakan makhluk hidup dengan daya tahan hidup dan kapasitas yang dipengaruhi oleh lingkungan sekitarnya, termasuk iklim. Oleh karena itu, berubahnya iklim akibat pemanasan global telah diasosiasikan dengan distribusi malaria global. Tujuan: Penelitian ini mengeksplorasi seberapa jauh hubungan antara faktor iklim dan kejadian malaria di kota dan kabupaten di Indonesia selama periode 2000-2020 untuk menginformasikan kebijakan pengendalian malaria yang berketahanan iklim. Metode: Dengan membangun variabel laten atau konstruk iklim yang terdiri dari indikator meteorologi yaitu suhu, curah hujan, kecepatan angin, dan kelembapan relatif yang didapatkan dari data NASA Langley Research Center (LaRC), serta menggabungkan variabel perancu sosiodemografis (pengeluaran rumah tangga, IPM, tingkat urbanisasi) dan geografis (Normalized Difference Vegetation Index, dan topografi), studi ini menawarkan analisis komprehensif tentang asosiasi mereka terhadap kejadian malaria (dari data Malaria Atlas Project dan Kementerian Kesehatan) melalui Structural Equation Modeling (SEM). Hasil: Temuan penelitian menunjukkan asosiasi antara iklim dan malaria. Kendati demikian, analisis Structural Equation Modeling (SEM) yang digunakan penelitian ini menunjukkan bahwa bobot faktor untuk iklim relatif kecil dan menunjukkan bahwa hubungannya tidak substansial dibandingkan dengan variabel lain. Analisis tambahan yang berfokus pada peristiwa cuaca ekstrem, yang diidentifikasi oleh nilai ekstrem indikator iklim, menunjukkan bahwa peristiwa tersebut secara signifikan mempengaruhi kasus malaria. Kesimpulan: Hal ini menekankan pentingnya mempertimbangkan cuaca ekstrem dalam perancangan dan pelaksanaan program pengendalian dan eliminasi malaria. Penelitian ini menyimpulkan bahwa meskipun kondisi iklim umum memiliki efek langsung yang terbatas pada kejadian malaria, peristiwa cuaca ekstrem memainkan peran penting.
Background: Malaria is a diseases caused by the parasite Plasmodium and spread by a vector, the Anopheles mosquito. The two independent organisms capacity to infect and survival are independently affected by their environmental surroundings, including climate. Therefore, the global warming induced climatic change have previously been associated with the changing global distribution of malaria. Aims: This research explores the extent of the relationship between climatic factors and malaria incidence in cities and regencies in Indonesia over the period 2000-2020 to inform malaria control policies that are climate-resilient. Methods: By constructing a climate construct as latent variable consisting of meteorological indicators such as temperature, precipitation, wind speed, and relative humidity from the NASA Langley Research Center (LaRC), and incorporating sociodemographic confounders (household expenditure, HDI, urbanization rate) and geographic confounders (Normalized Difference Vegetation Index and topography), this study offers a comprehensive analysis of their association with malaria cases (using data from the Malaria Atlas Project and Ministry of Health) through Structural Equation Modeling (SEM). Results: The study findings show an association between climate and malaria, with maximum and average climate constructs showing a negative association with malaria incidence, while minimum climate constructs show a positive association. That being said, the Structural Equation Modeling (SEM) analysis used in this research indicates that the factor loadings for climate are relatively small, indicating that the relationship is not substantial compared to other variables. Additional analysis focusing on extreme weather events, identified by extreme values of climate indicators, shows that these events significantly affect malaria cases. Conclusion: This underscores the importance of considering extreme weather in the design and implementation of malaria control and elimination programs.This research concludes that while general climatic conditions have limited direct effects on malaria incidence, extreme weather events play an important role.
D-525
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Hana Fauziyah Khairunnisa; Pembimbing: Sutanto Priyo Hastono; Penguji: Artha Prabawa, Rahma Dewi
Abstrak:
Pertumbuhan jumlah penduduk Indonesia masih tergolong tinggidibandingkan dengan negara-negara penduduk terbanyak di dunia. Pertumbuhanpenduduk Indonesia saat ini adalah 1,1 persen per tahun dengan angka kelahirantotal 2,4 anak per perempuan. Preferensi fertilitas wanita untuk memiliki anaklagi merupakan variabel prediksi perilaku fertilitas yang berperan penting untukmengetahui rencana kehamilan wanita di masa mendatang. Penelitian inibertujuan untuk mengetahui gambaran dan hubungan faktor-faktor yang dapatmempengaruhi preferensi fertilitas wanita memiliki anak lagi. Data yangdigunakan dalam penelitian merupakan data Survei Demografi KesehatanIndonesia (SDKI) tahun 2017. Sampel yang digunakan adalah wanita berstatusmenikah, telah memiliki anak dari pernikahannya, telah memutuskankeinginannya untuk anak lagi di masa mendatang, dan masih dalam masasuburnya, dari kriteria tersebut didapatkan sebanyak 7.610 sampel wanita.Analisis yang dilakukan meliputi univariat, bivariat, dan multivariat. Hasilnyamenunjukan bahwa 39,6 persen wanita di Indonesia masih menginginkan anaklagi. Peresentase wanita yang menginginkan anak lagi paling tinggi terdapat padakategori umur 15-24 tahun sebanyak 88,3 persen, wanita dengan status tidakbekerja 43,1 persen, wanita dengan suami berpendidikan SMP/SMA sebanyak42,0 persen, wanita yang memiliki satu anak sebanyak 84,1 persen, wanita yangmemiliki anak laki-laki saja sebanyak 60,1 persen, dan wanita dengan indekskesejahteraan sangat miskin sebanyak 44,0 persen. Berdasarkan hasil regresilogistik ditemukan bahwa variabel yang berhubungan dengan keinginan wanitamenambah anak lagi diantaranya adalah umur wanita, pendidikan suami, jumlahanak hidup, komposisi jenis kelamin anak dan indeks kesejahteraan. Sedangkanstatus pekerjaan tidak berhubungan secara statistik dengan wanita yangmenginginkan anak lagi di Indonesia. Berdasarkan analisis multivariat diketahuibahwa umur merupakan faktor paling dominan, dengan peluang 23,6 kali lebihbesar pada wanita umur 15-24 tahun. Peluang menginginkan anak lagi akansemakin kecil seiring bertambahnya umur wanita.
Kata kunci: Indeks kesejahteraan; jumlah anak ideal; keinginan memiliki anaklagi; komposisi jenis kelamin anak; preferensi fertilitas; pendidikan suami; statuspekerjaan; dan umur wanita.
Indonesia's population growth is still relatively high compared to mostpopulation countries in the world. Current population growth in Indonesia is 1.1percent per year with a total fertility rate (TFR) of 2.4 children per woman.Women's fertility preferences for having another children are predictive variableof fertility behavior that plays important role in knowing future female pregnancyplans. This study aims to determine the description and relationship of factors thatcan affect fertility preferences of women for having another children. The dataused in the study is the data of the Indonesian Demographic Health Survey (DHS)in 2017. The samples used are married women, have children from theirmarriages, have decided their wishes for more children in the future, and still intheir fertile period, from these criteria there were 7,610 female samples. Theanalysis carried out included univariate, bivariate, and multivariate. The resultshows that 39.6 percent of women in Indonesia still want more children. Thehighest percentage of women who want more children is in the category of 15-24years old 88.3 percent, women with unemployed status 43.1 percent, women whohad husbands with junior high / high school education 42.0 percent, women whohave one child 84.1 percent, women who have only boys 60.1 percent, and womenin a very poor wealth index 44.0 percent. Based on the results of logisticregression, it was found that variables related to women's fertility preferences forhaving another children are included the age of the woman, husband's education,the number of children living, children gender composition and wealth index.While the employment status is not statistically related to women who want morechildren in Indonesia. Based on multivariate analysis, it is known that age is themost dominant factor, with an opportunity of 23.6 times greater in women aged15-24 years. Opportunities for more children will be smaller as increasing ofwomen age.
Keywords: Children gender composition; desire to having another children;employment status; female age; fertility preference; husband's education; idealnumber of children; and wealth index.
Read More
Kata kunci: Indeks kesejahteraan; jumlah anak ideal; keinginan memiliki anaklagi; komposisi jenis kelamin anak; preferensi fertilitas; pendidikan suami; statuspekerjaan; dan umur wanita.
Indonesia's population growth is still relatively high compared to mostpopulation countries in the world. Current population growth in Indonesia is 1.1percent per year with a total fertility rate (TFR) of 2.4 children per woman.Women's fertility preferences for having another children are predictive variableof fertility behavior that plays important role in knowing future female pregnancyplans. This study aims to determine the description and relationship of factors thatcan affect fertility preferences of women for having another children. The dataused in the study is the data of the Indonesian Demographic Health Survey (DHS)in 2017. The samples used are married women, have children from theirmarriages, have decided their wishes for more children in the future, and still intheir fertile period, from these criteria there were 7,610 female samples. Theanalysis carried out included univariate, bivariate, and multivariate. The resultshows that 39.6 percent of women in Indonesia still want more children. Thehighest percentage of women who want more children is in the category of 15-24years old 88.3 percent, women with unemployed status 43.1 percent, women whohad husbands with junior high / high school education 42.0 percent, women whohave one child 84.1 percent, women who have only boys 60.1 percent, and womenin a very poor wealth index 44.0 percent. Based on the results of logisticregression, it was found that variables related to women's fertility preferences forhaving another children are included the age of the woman, husband's education,the number of children living, children gender composition and wealth index.While the employment status is not statistically related to women who want morechildren in Indonesia. Based on multivariate analysis, it is known that age is themost dominant factor, with an opportunity of 23.6 times greater in women aged15-24 years. Opportunities for more children will be smaller as increasing ofwomen age.
Keywords: Children gender composition; desire to having another children;employment status; female age; fertility preference; husband's education; idealnumber of children; and wealth index.
S-10134
Depok : FKM UI, 2019
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Yusinta Muawanah; Pembimbing: Yovsyah; Penguji: Tri Yunis Miko Wahyono, Muhammad Yusuf
S-10246
Depok : FKM UI, 2019
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Ilma Yetti Fatmi; Pembimbing: Mardiati Nadjib; Penguji: Dumilah Ayuningtyas, Sri Luviyanti
S-10188
Depok : FKM UI, 2019
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Tri Aprilliana Wulandari; Pembimbing: Toha Muhaimin; Penguji: Besral, Rahmadewi
Abstrak:
Penelitian ini membahas mengenai faktor-faktor yang berhubungan dengan unmet need keluarga berencana di Indonesia yang menggunakan data SDKI tahun 2002-2017. Penelitian ini adalah penelitian kuantitatif dengan desain cross-sectional. Hasil penelitian didapatkan bahwa faktor yang berhubungan dengan unmet need KB di Indonesia adalah umur wanita, status pekerjaan, tempat tinggal, jumlah anak masih hidup, pengetahuan KB dan diskusi dengan suami. Faktor yang paling signifikan berhubungan dengan unmet need KB di Indonesia pada tahun 2002 yaitu umur wanita, pada tahun 2007 yaitu jumlah anak masih hidup, pada tahun 2012 yaitu diskusi dengan suami, sedangkan pada tahun 2017 yaitu jumlah anak masih hidup. Penelitian ini menyarankan bahwa dalam melaksanakan program KIE dapat mengandalkan kader-kader, meningkatkan kualitas dan kuantitas pelayanan KB dan penyebaran informasi mengenai KB dan pentingnya berdiskusi dengan pasangan di media massa yang dibuat secara persuasif
Read More
S-9974
Depok : FKM UI, 2019
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Risma Mulia; Promotor: Budi Utomo; Ko Promotor: Wendy Hartanto; Penguji: Sabarinah, Agustin Kusumayati, Kemal Nazasruddin Siregar, Omas Bulan Samosir, Augustina Situmorang, Sudibyo Alimoeso
Abstrak:
Kelahiran risiko tinggi menjadi ancaman sekaligus penyumbang terbesar kematian ibu dan anak
di negara berkembang termasuk Indonesia. Data global, 810 perempuan hamil dan melahirkan
meninggal tiap harinya di negara berkembang. Tujuan Penelitian untuk mengetahui gambaran
kelahiran risiko tinggi dan faktor-faktor yang mempengaruhi kelahiran risiko tinggi di
Indonesia. Studi ini menggunakan data SDKI 2017 dengan pendekatan cross-sectional. Subyek
penelitian adalah semua kelahiran terakhir dalam lima tahun sebelum survei sebesar 14.257
kelahiran. Variabel independen adalah faktor individu (pendidikan ibu dan status pekerjaan
ibu), faktor suami/pasangan (diskusi tentang KB dengan suami/pasangan), faktor rumah tangga
(status sosial ekonomi dan partisipasi perempuan dalam pengambilan keputusan rumah tangga),
faktor lingkungan (tempat tinggal dan wilayah), faktor demografi (umur melahirkan terakhir
dan paritas), dan faktor program/layanan kesehatan dan KB (metode KB yang digunakan
sebelum kehamilan terakhir dan akses informasi KB dari TV, radio, majalah/koran dan
internet). Variabel dependen yaitu kelahiran terlalu muda (<20 tahun), kelahiran terlalu tua
(>=35 tahun), kelahiran terlalu dekat jaraknya (<24 bulan), kelahiran terlalu banyak (4+), dan
kehamilan tidak diinginkan. Analisis data menggunakan regresi logistik biner. Hasil penelitian
menunjukkan proporsi kelahiran terlalu muda 8,2%, kelahiran terlalu tua 18,6%, kelahiran
terlalu dekat 5,3%, kelahiran terlalu banyak 11,4%, kehamilan tidak diinginkan sebesar 8,2%
dan 11,3% kelahiran berisiko (4T dan KTD). Analisis multivariat diperoleh faktor paling
dominan pengaruhnya terhadap kelahiran terlalu muda adalah riwayat KB (OR=4,6; 95%
CI=3,9-5,5). Sementara itu, akses informasi KB dari internet (OR=2,9; 95% CI=2,6-3,4)
sebagai faktor paling berpengaruh terhadap kelahiran terlalu tua. Hasil analisis diperoleh ANC
1-3 (OR=2,1; 95% CI=1,6-2,7) dan tidak ANC (OR:2,4: 95% CI:1,7-3,2) adalah faktor paling
dominan pengaruhnya pada kelahiran terlalu dekat. Faktor yang paling berpengaruh terhadap
kelahiran terlalu banyak adalah wilayah luar Jawa-Bali I (OR: 2,1: 95% CI: 1,8-2,4) dan luar
Jawa-Bali II (OR: 3,0: 95% CI: 2,6-3,6) Paritas 4+ (OR: 72: 95% CI: 43-121) merupakan faktor
yang paling dominan mempengaruhi kehamilan tidak diinginkan. Faktor yang paling dominan
pengaruhnya terhadap kelahiran berisiko (4T dan KTD) adalah akses informasi KB dari
internet (OR:2,8: 95% CI: 2,3-3,3). Program intervensi dengan meningkatkan pelayanan KB
berkualitas dan akses metode alat/cara KB modern yang menjangkau seluruh wilayah Indonesia
untuk mencegah kelahiran risiko tinggi. Meningkatkan penyebarluasan informasi KB melalui
TV dan internet dan mendorong pemeriksaan ANC berkualitas bagi ibu hamil.
Read More
D-446
Depok : FKM UI, 2021
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Eva Azzara; Pembimbing: Asri C. Adisasmita; Penguji: Hadi Pratomo, Flourisa Juliaan
Abstrak:
Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang berhubungan dengan penggunaan MKJP pada pasangan usia subur di Provinsi Bali tahun 2012. Penelitian ini menggunakan desain studi cross sectional dengan analisis data sekunder Survei Demografi Kesehatan Indonesia 2012. Populasi pada penelitian ini ialah semua Wanita Usia Subur (WUS) (15-49 tahun), sementara sampel penelitian ini ialah wanita kawin usia 15-49 tahun dan memiliki data lengkap. Analisis statistik bivariat menggunakan uji chi-square.
Read More
S-8245
Depok : FKM UI, 2014
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉
Vitara Caprinita Dewil Pembimbing: Robiana Modjo; Penguji: Indri Hapsari Susilowati, Dyah Eka Prasadjati
Abstrak:
Penyakit Jantung Koroner (PJK) merupakan salah satu dari jenis penyakit kardiovaskular yang menjadi penyebab kematian utama di dunia. Diketahui bahwa dislipidemia berperan penting terhadap terjadinya serangan jantung. Tujuan dari penelitian ini adalah menganalisis faktor-faktor yang berhubungan dengan kejadian dislipidemia pada pekerja tambang emas PT. X Tahun 2017. Desain studi yang digunakan dalam penelitian ini adalah cross-sectional dengan target penelitian sejumlah 306 responden yang berasal dari semua departemen di PT. X. Ditemukan dislipidemia pada pekerja PT. X dialami oleh 157 pekerja (51,3%) dan sebanyak 149 pekerja tidak mengalami dislipidemia (48,7%). Dari hasil uji statistik ditemukan lima variabel yang signifikan antara lain: variabel usia (p-value=0,000), variabel wilayah tempat kerja (p-value=0,000), variabel Indeks Massa Tubuh (p-value=0,001), variabel kebiasaan konsumsi minuman beralkohol (p-value=0,013) dan variabel aktivitas fisik (p-value=0,013). Kesimpulannya, kejadian dislipidemia dipengaruhi beberapa faktor yang dapat dicegah dengan intervensi terkait pola makan dan olahraga.
Read More
S-10109
Depok : FKM UI, 2019
S1 - Skripsi Pusat Informasi Kesehatan Masyarakat
☉