Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian tentang penduduk lanjut usia di Indonesia ini bertujuan untuk mengetahui karakteristik sosial, ekonomi, dan kesehatan penduduk lansia di Indonesia serta mengkaji faktor-faktor yang mempengaruhi kondisi kesehatan penduduk lansia. Untuk mencapai tujuan tersebut, penelitian ini menggunakan data Survei Sosial Ekonomi Nasional (Susenas) 1999 terhadap 63312 penduduk lansia di seluruh Indonesia. Yang dimaksud dengan penduduk lansia pada penelitian ini adalah mereka yang berumur 60 tahun keatas. Unit analisis dalam penelitian ini adalah penduduk lansia sebagai individu. Metode analisisnya menggunakan analisis deskriptif dengan menggunakan tabulasi silang antar variabel yang dianalisis, analisis faktor untuk membantu proses analisis inferensial, dan analisis inferensial dengan menggunakan model regresi logistik multinomial. Metode regresi logistik multinomial dianggap cocok, karena dalam penelitian ini variabel status kesehatan yang merupakan variabel terikat merupakan variabel dengan tiga kategori. Hasil penelitian tentang karakteristik sosial, ekonomi, dan kesehatan penduduk lansia berdasar Susenas 1999 secara deskriptif menunjukkan bahwa; (1) Jumlah penduduk lansia perempuan lebih besar dibanding pria dengan rasio jenis kelamin 89,9. Pendidikan penduduk lansia perempuan lebih buruk dibanding pria. Masih banyak penduduk lansia yang berstatus kawin (59,8%) dan berstatus sebagai kepala RT (58,2%). Fenomena penduduk lansia yang bekerja juga banyak ditemukan (46%); (2) Tingkat pengeluaran untuk kesehatan masih rendah dengan rata-rata Rp.34.156 per orang per tahun; (3) Kualitas lingkungan tempat tinggal penduduk lansia relatif buruk, dan secara umum kondisi lingkungan tempat tinggal penduduk lansia di kota lebih balk dibanding di desa; (4) Lebih dari separuh (58,1%) penduduk lansia mengaku bertubuh sehat, tidak mengalami gangguan apapun, sementara 26,3% mengaku mengalami keluhan kesehatan yang dapat mengganggu aktivitas, dan 15,6% penduduk lansia merasa keluhan kesehatan tersebut tidak mengganggu aktivitas sehari-hari mereka. Berdasarkan analisis inferensial didapatkan hasil sebagai berikut; (1) seluruh variabel yang mewakili faktor individu seperti jenis kelamin, status kawin, pendidikan dan aktivitas mempunyai pengaruh yang signifikan terhadap status kesehatan penduduk lansia; (2) seluruh variabel yang mewakili faktor rumah tangga seperti living arrangement, hubungan dengan kepala RT, dan pengeluaran untuk kesehatan juga mempunyai pengaruh yang signifikan terhadap kesehatan penduduk lansia; (3) variabel lokasi dan kualitas Iingkungan memberikan pengaruh yang cukup signifikan terhadap status kesehatan penduduk lansia buruk dibanding balk, namun kurang signifikan terhadap status kesehatan sedang terhadap balk; (4) ketika variabel living arrangement diinteraksikan dengan variabel jenis kelamin ternyata walau sama-sama hidup sendiri tanpa pasangan atau anggota keluarga yang lain, temyata dalam memiliki kesehatan buruk, laki-laki berisiko lebih besar dibanding perempuan."

"Penyakit Paru Obstruktif Kronik (PPOK) merupakan salah satu penyebab kematian terbanyak dengan jumlah kematian sekitar 3 juta jiwa atau setara dengan 5,2% dari jumlahkematian di seluruh dunia. Untuk itu diperlukan penelitian lebih lanjut mengenai PPOK, namun data yang dikumpulkan dalam penelitian biasanya tidak memuat semua data yang diinginkan. Hilangnya informasi dalam data dikenal dengan istilah missing values yang dapat menjadi masalah untuk semua jenis analisis data. Salah satu cara untuk menangani missing values yaitu dengan melakukan proses imputasi data pada tahap preprocessing untuk mendapatkan data lengkap yang diharapkan mampu meningkatkan akurasi dari analisis data yang dilakukan. Pada penelitian ini dilakukan imputasi menggunakan mean dan Fuzzy C-Means (FCM). FCM merupakan metode pengelompokan yang memungkinkan satu bagian data menjadi milik dua atau lebih kelompok berdasarkan nilai keanggotaannya. Data lengkap hasil imputasi diuji menggunakan metode klasifikasi Decision Tree dengan persentase data training 50%-90% untuk melihat performa dari metode mean dan FCM. Berdasarkan penelitian ini diperoleh nilai akurasi, presisi, dan recall tertinggi untuk klasifikasi data PPOK yang diimputasi menggunakan mean masing-masing sebesar 64,7%, 71%, dan 65%. Sedangkan nilai akurasi, presisi, dan recall tertinggi untuk klasifikasi data PPOK yang diimputasi menggunakan FCMmasing-masing sebesar 78,9%, 85%, dan 79%. Hasil ini menunjukkan bahwa FCM membantu Decision Tree untuk mengklasifikasikan data lebih baik dengan nilai imputasi yang lebih baik untuk menggantikan missing values.

---

Chronic Obstructive Pulmonary Disease (COPD) is one of the most causes of death in the world with around 3 million deaths, equivalent to 5.2% of deaths worldwide. For this reason, further research needs to be done on CPOD, but the data collected in the study often does not contain all the desired data. Loss information in data is called as a missing values which can be a problem for all types of data analysis. One way to handle missing values is by doing the imputation process at the preprocessing stage to obtain complete data which is expected to increase the accuracy of the data analysis performed. In this study, imputation was done using mean and FCM. FCM is a clustering method that allows one part of the data to belong to two or more groups based on their membership function. The complete dataset was trained with Decision Tree classifier with the percentage of data training 50%-90% to observe the performance in terms of accuracy, precision, and recall for mean and FCM method. Based on this study, the highest value of accuracy, precision,and recall for classification of COPD data imputed using mean of 64.7 %, 71 % and 65 % respectively. While the highest value of accuracy, precision, and recall for classification of COPD data imputed using FCM is 78.9 %, 85 %, and 79 % respectively. These results indicate that FCM helps Decision Tree to classify data better with better imputation values to replace missing values."