Hasil Pencarian  ::  Simpan CSV :: Kembali

"Berat badan merupakan ukuran antropometri yang penting digunakan untuk beberapa prosedur medis dan gizi, tetapi dalam beberapa kondisi seperti remaja dengan disabilitas atau pasien tirah baring menyebabkan pengukuran berat badan yang akurat sulit untuk dilakukan. Penelitian ini bertujuan untuk mengembangkan rumus yang sederhana dalam memprediksi berat badan pada remaja di Bogor. Pengukuran berat badan (BB), lingkar lengan atas (LiLA) dan tinggi lutut (TL) dilakukan pada 130 siswa di SMA Budi Mulia Kota Bogor (14-18 tahun) pada bulan April 2016. Analisis korelasi dilakukan antara prediktor dengan berat badan aktual, serta dilakukan analisis regresi linier ganda untuk mendapatkan hasil rumus prediksi. Hasil penelitian menunjukkan terdapat korelasi yang sangat kuat antara BB dengan LiLA (r = 0,881) serta terdapat korelasi sedang antara BB dengan TL (r = 0,506). Model prediksi yang didapatkan pada remaja laki-laki adalah: berat badan estimasi (kg) = (LiLA (cm) x 2,6) + (TL (cm) x 1,2) ? 70,1 dan pada remaja perempuan: berat badan estimasi (kg) = (LiLA (cm) x 2,6) + (TL (cm) x 1,2) ? 72 (R-square 0,906, p < 0,001). Rumus yang didapatkan dalam penelitian berhasil memprediksi berat badan remaja secara akurat dan rumus ini direkomendasikan untuk digunakan dalam mengestimasi berat badan remaja.

---

Body weight is an important anthropometric measurement for many medical and nutritional procedures, but in some conditions like people with disability or bedridden patients, it is difficult to be weighed accurately. The aim of this study is to create a simple body weight predicting equations for Bogor adolescents. body weight (BW), mid-upper arm circumference (MUAC), and knee height (KH) measurements were taken from 130 SMA Budi Mulia students (14-18 years) on April 2016. A correlation analysis was performed between predictors and actual body weight, and a multiple linear regression was performed for analysis of the results.

The result showed that there were a perfect correlation between BW and MUAC (r = 0,881), and a medium correlation between BW and KH (r = 0,506). The resulting equation for adolescent boys was: estimated weight (kg) = (MUAC (cm) x 2,6) + (KH (cm) x 1,2) ? 70,1 and for adolescent girls was: estimated weight (kg) = (MUAC (cm) x 2,6) + (KH (cm) x 1,2) ? 72 (R-square 0,906, p < 0,001). The developed equations predicted accurately Bogor adolescents body weight and recommended to be used for estimating body weight in Bogor Adolescents."

"Prahipertensi pada remaja diketahui dapat menyebabkan kejadian hipertensi di masa dewasa, oleh karena itu penelitian ini dilakukan untuk mengetahui faktor dominan kejadian prahipertensi pada remaja di SMA Budi Mulia Kota Bogor tahun 2016. Penelitian yang bersifat kuantitatif dengan desain crosssectional ini dilakukan pada April?Mei 2016 pada 130 siswa berusia 14-18 tahun. Data tekanan darah didapatkan melalui pengukuran menggunakan sfigmomanometer merkuri Riester tipe novapresameter dan stetoskop Littmann. Indeks Massa Tubuh (IMT) dikalkukasi dari hasil pengukuran antropometri berat badan dan tinggi badan. Physical Activity Questionnaire for Adolescence digunakan untuk mengukur tingkat aktivitas fisik. Data asupan natrium didapatkan dari wawancara 24 hour food recall. Sedangkan data berat lahir, waktu tidur, riwayat hipertensi keluarga, dan jenis kelamin didapatkan dari pengisian angket. Prevalensi prahipertensi pada penelitian ini adalah 21,5% serta ditemukan perbedaan yang bermakna antara tekanan darah dengan indeks massa tubuh, berat lahir, dan riwayat hipertensi keluarga.Indeks massa tubuh merupakan faktor dominan kejadian prahipertensi dengan odds ratio sebesar 7,664. Responden disarankan untuk menjaga IMT kurang dari 1 standar deviasi menurut standar WHO serta menghindari faktor risiko lain jika memiliki riwayat hipertensi pada keluarga untuk mengurangi risiko kejadian prahipertensi.

---

Prehypertension in adolescents known as a risk factor of developing hypertension later in life. The objective of this study is to identify the dominant factor determining the prevalence of prehypertension among adolescents in SMA Budi Mulia Kota Bogor 2016. Cross-Sectional Study was conducted from April until May 2016 involving 130 students aged 14?18. Blood Pressure measurement obtained using Riester Novapresameter Mercury Sfigmomanometer and Littman Stethoscope. Body Mass Index data was calculated from weight and height measurements. Physical Activity Questionnaire for Adolesent was used to obtain Physical Activity Data. Sodium Intake was calculated by conducting twice 24-hour food recall. Self Administered Questionnaire was used to collect remaining data such as Birth Weight, Sleep Duration, Family History of Hypertension, and Sex. The prevalence of prehypertension is 21,5%. Chi-Square analysis found no association between blood pressure and physical activity, and also with sleep duration. Associations adjusted for Sodium Intake, Birth Weight and Sex showed independent relationship with BMI (OR=7,664) and Family History of Hypertension(OR=4,007) Respondents are advised to maintain BMI below 1 standard deviation according to WHO standards and avoid other risk factors if happen to have hypertension history in the family to reduce the risk of prehypertension."

"Pengukuran berat badan di rumah sakit merupakan parameter yang objektif, akan tetapi tidak semua pasien yang dirawat dapat dilakukan penimbangan berat badan dengan timbangan biasa, karena pasien tidak bisa berdiri tegak, ketidakmampuan pasien untuk berdiri, lemah tubuh, kesadaran menurun, karena penyakit tertentu sehingga data yang dihasilkan memiliki reliabilitas yang kurang baik. Lingkar lengan, lingkar pinggang, lingkar paha, lingkar betis dan panjang badan merupakan salah satu ukuran antropometri yang kuat dapat digunakan untuk memprediksi berat badan. Penelitian ini bertujuan untuk mengembangkan model prediksi berat badan berdasarkan lingkar lengan atas, lingkar pinggang, lingkar paha, lingkar betis dan panjang badan. Penelitian dilakukan pada bulan nopember 2017. Disain yang digunakan adalah crosssectional jumlah sampel 160 orang pegawai yang diambil secara simple random sampling di RSCM. Variabel yang dikumpuli meliputi berat badan, lingkar lengan atas, lingkar pinggang, lingkar paha, lingkar betis, dan panjang badan. Berat badan diukur dengan penimbangan dan lingkar lengan atas, lingkar pinggang, lingkar paha, lingkar betis dengan melingkari pita, panjang badan dengan ukuran meteran. Hasil akhir dari penelitian menghasilkan model prediksi berat badan untuk mendapatkan berat badan prediksi. Menghasilkan 18 model prediksi berat badan memiliki nilai R square tinggi yaitu: 2 model prediksi berat berat untuk laki-laki R2= 0,898, dan R2= 0,930, 9 model prediksi berat badan untuk perempuan R2=0,960, R2=0,952, R2=0,953, R2=0,956, R2=0,968, R2=0,949, R2=0,945, R2=0,963, R2= 0,944 dan 7 model prediksi untuk gabungan laki-laki dan perempuan R2=0,949, R2=0,934, R2=0,893,R2=0,935, R2=0,914, R2=0,913, R2=0,929. Peneliti menyimpulkan bahwa model prediksi berat badan yang dihasilkan akurat untuk memprediksi beratbadan dewasa. Namun perlu dilakukan penelitian kembali pada populasi yanglebih luas.

---

The Weight measurement at Hospital is an objective parameter, however thereare only a few treated patients whose body weights can be measured withordinary scales. The reasons are mostly because of their inability to stand up bythemselves or because of certain disease so that the data results have lessreliability. Arm circumference, waist circumference, thigh circumference, calfcircumference and body length are one of the strongest anthropometry can beused to predict body weight.

This research aims to develop a weight predictionmodel based on the upper arm circumference, waist circumference, thighcircumference, calf circumference and body length. This research was conducted in November 2017.

The design which used are cross sectional with160 samples of staffs which were taken by simple random in RSCM. Thecollected variables which consist of body weight, upper arm circumference, waist circumference, thigh circumference, calf circumference, and body length. Measurement of body weights can be done by weighing them. Measurement ofupper arm circumference, waist circumference, thigh circumference, calfcircumference can be done by using metering ribbon, and body length withstick meter.

The final result of the research creates the formula of body weightprediction to get body weight's prediction. Producing 18 weight predictionmodels that have high lsquo R'square value, that is 2 weight prediction models forman which are R2 0,898, and R2 0,930, 9 weight prediction models forwomen which are R2 0,960, R2 0,952, R2 0,953, R2 0,956, R2 0,968, R2 0,949, R2 0,945, R2 0,963, R2 0,944 and 7 weight prediction models ofmixed gender R2 0,949, R2 0,934, R2 0,893, R2 0,935, R2 0,914, R2 0,913,R2 0,929.

Scientists concluded that weight prediction models which wasdeveloped is accurate for predicting adult body weight. However, it needs to bere examined in the wider population."

"Berat badan merupakan salah satu komponen antropometri yang paling banyak digunakan untuk menentukan preskripsi diet dan preskripsi obat pasien. Namun terkadang pengukuran berat badan tidak dapat dilakukan secara langsung, seperti pada individu penyandang disabilitas dan kesadaran lemah. Penelitian ini bertujuan untuk mengembangkan rumus yang sederhana dalam memprediksi berat badan pada dewasa di Jakarta Selatan. Pengukuran berat badan BB , lingkar lengan atas LiLA dan tinggi lutut TL dilakukan pada 164 orang sampel dewasa 20 - 59 tahun di Jakarta Selatan pada bulan Mei 2017. Model prediksi berat badan akhir yang diperoleh menggunakan analisis regresi linear ganda adalah: Berat Badan estimasi kg = 2,8 LiLA 1,2 TL - 1,25 Z - 75,1 R-square 0,841; p-value < 0,001 , dengan nilai Z = 1 untuk perempuan dan 2 untuk laki-laki. Persamaan dari penelitian ini mampu memprediksi berat badan dan dapat digunakan pada dewasa di Jakarta Selatan.

---

Body weight is one of the most common anthropometric component to determine prescription for diet and drugs. However, this way prove to be a challenge for individuals who are unconscious and or have disabilities. The present study aims to derive a simple equation to estimate the body weight of adults in South Jakarta. Measurements of Body Weight BW, the Middle Upper Arm Circumference MUAC, and the Knee Height KH were done in 164 adults in the respective city in May 2017. The resulting equation, which is derived by multiple linear regression, is BW 2.8 MUAC 1.2 KH - 1.25 Z - 75.1 R square 0,841 p value 0,001, with Z value of 1 for female and 2 for male. The equation is able to approximate the body weight of adults in South Jakarta."

"Kebugaran merupakan kemampuan tubuh untuk melakukan aktivitas fisik. Tingkat kebugaran yang rendah pada remaja berkaitan dengan risiko penyakit kardiovaskular. Tujuan penelitian ini adalah untuk mengetahui faktor dominan yang mempengaruhi perbedaan tingkat kebugaran pada siswa SMA Budi Mulia Kota Bogor Tahun 2016 yang diukur menggunakan 20-m shuttle run test. Status kebugaran didapatkan dengan mengklasifikasikan nilai estimasi VO2max dengan menggunakan persamaan Matsuzaka, jenis kelamin dengan menggunakan kuesioner, status gizi diukur menggunakan pengukuran antropometri, data asupan menggunakan kuesioner 2x24 food recall, aktivitas fisik didapatkan menggunakan kuesioner Physical Activity Questionnare for Adolescent (PAQ-A), durasi tidur dan kebiasaan sarapan menggunakan angket. Desain studi yang digunakan pada penelitian ini adalah cross sectional yang dilakukan pada 117 siswa kelas X dan XI. Hasil penelitian menunjukkan bahwa terdapat 56,4% siswa yang tidak bugar. Terdapat perbedaan bermakna antara tingkat kebugaran berdasarkan jenis kelamin (p value = 0,015), IMT/U (p value = 0,001), dan aktivitas fisik (p value = 0,017). Faktor dominan terhadap tingkat kebugaran siswa SMA Budi Mulia Bogor adalah aktivitas fisik setelah dikontrol dengan variabel jenis kelamin, IMT/U, lingkar pinggang, asupan protein, asupan karbohidrat dan asupan zat besi. Peneliti menyarankan siswa agar dapat meningkatkan aktivitas fisik.

---

Physical fitness is a person?s ability to do physical activity. Low level of physical fitness in adolescents associated with high risk of cardiovascular disease. The purpose of this study was to determine the dominant factor of physical fitness level among students at Budi Mulia High School that were measured using 20-m shuttle run test. Physical fitness level was determined by grouping the value of estimated VO2max using Matsuzaka formula. Gender using questionnaires, nutritional status were measured using anthropometric measurements, nutrition intake were measured using 2x24 hours food recall , physical activity measured using Physical Activity Quistionnaire for Adolescents (PAQ-A), sleep duration and breakfast consumption were measured using questionnaire. This study used cross sectional design which was conducted on 117 students of 10th and 11th grader. The results shows that 56,4% students are unfit. There are significant diffrences between the fitness level based on sex (p value= 0,015), IMTU (pvalue = 0,001) and physical activity (p vaue= 0,017). The dominant factor of physical fitness level of Budi Mulia high School Students is physical activity after being controlled by gender, IMT/U, waist circumference, protein intake, carbohydrate intake and iron intake. The author suggest that students should increase the physical avtivity."

"Massa otot memiliki banyak manfaat, termasuk untuk aktivitas kehidupan sehari-hari dan memengaruhi dalam kinerja olahraga. Selain itu, otot juga berperan sebagai pencegahan dari berbagai kondisi patologis dan penyakit kronis yang umum terjadi. Kemajuan teknologi telah membuat massa otot semakin mudah diukur dengan akurat, namun tidak semua kegiatan dapat mengakses alat ukur massa otot dengan mudah terkait alat ukur yang terbatas dan terbilang mahal. Tujuan penelitian ini adalah untuk menciptakan metode alternatif menghitung massa otot berdasarkan ukuran lingkar betis, lingkar otot lengan atas, dan lingkar lengan atas pada karyawan Fakultas Kesehatan Masyarakat Universitas Indonesia. Penelitian ini menggunakan desain cross sectional dengan total sampel 96 responden. Hasil penelitian menunjukkan adanya korelasi kuat pada jenis kelamin yang tidak dibedakan antara lingkar otot lengan atas dengan massa otot r = 0,545, korelasi kuat pada laki-laki antara lingkar lengan atas dengan massa otot r = 0,650, serta korelasi kuat pada perempuan antara lingkar betis dengan massa otot r = 0,716. Model prediksi yang paling ideal digunakan adalah Massa Otot kg = 11,964 JK 1,108 LiLA cm 0,07 LOLA cm 5,757 dengan nilai akurasi 0,829 dan pertimbangan akurasi yang tinggi serta kemudahan pengaplikasian di lapangan.

---

Muscle mass has many benefits, including for daily activities and sports performance. In addition, muscle also serves as a prevention of various pathological conditions and chronic diseases are common. Advanced technology makes easier to measure muscle mass accurately, but not all activities can easily access muscle mass measurements with limited and costly measuring instruments.

The purpose of this study is to create an alternative method of calculating muscle mass based on calf circumference, mid upper arm muscle circumference, and mid upper arm circumference on employees of Public Health Faculty, Universitas Indonesia. This study used cross sectional design and samples total in this study are 96 respondents.

The results showed a strong correlation of all samples between mid upper arm muscle circumference and muscle mass r 0,545, strong correlation in males sample between mid upper arm circumference and muscle mass r 0,650, and strong correlation in women samples between calf circumference and muscle mass r 0,716. The most ideal prediction model used is Muscle Mass kg 11,964 JK 1,108 LiLA cm-0,07 LOLA cm 5,757 with correlation value 0,829, high accuracy and applicable in the field. "

"Persen lemak tubuh (PLT) merupakan salah satu indeks yang digunakan untuk menilai status gizi, namun pengukuran PLT tidak mudah dilakukan terkait dengan alat pengukuran yang mahal dan jarang dimiliki. Oleh karena itu, diperlukan adanya metode alternatif yang dapat digunakan sebagai prediktor PLT. Penelitian ini bertujuan untuk mengetahui model PLT(BIA) pada remaja berdasarkan indeks massa tubuh (IMT), usia, dan jenis kelamin. Desain penelitian ini adalah cross sectional dengan sampel penelitian sebanyak 47 laki-laki dan 46 perempuan yang merupakan siswa SMAI Al-Azhar 1 yang berusia 14-18 tahun pada bulan April 2015.Hasil penelitian ini menunjukkan bahwa IMT memiliki korelasi yang sangat kuat dengan PLT(BIA) (r = 0,774), serta perbedaan yang bermakna antara jenis kelamin dan PLT(BIA) (p = 0,027). Model prediksi yang didapatkan untuk laki-laki adalah : PLT(BIA) = 1,8 (IMT) - 22,5, dan untuk perempuan : PLT(BIA) = 1,8 (IMT) - 13,6. Untuk memvalidasi penggunaan IMT sebagai prediktor PLT, disarankan agar dilakukan penelitian lanjutan untuk dengan variabel yang lebih spesifik dan pengukuran yang lebih akurat.

---

Body fat percentage (%BF) is one of the indexes to determine nutritional status, but actual body fat measurement is often difficult to conduct according to expensive facilities and limited access. Thus, researchers are encouraged to find alternative methods to predict actual %BF. The purpose of this study was to find a formula referred to the correlation of %BF(BIA) with body mass index (BMI), sex, and age. This is a cross sectional study with total of 47 men and 46 women aged 14 ? 18 years participated in this study which was held in April 2015.The result of this study shown a very strong correlation between %BF(BIA) and BMI of adolescents (r = 0,774), and significant association between sex and %BF(BIA) (p = 0,027). Multiple regression analysis has done and it generated a formula to predict adolescents? body fat percentage in this population: %BF(BIA) = 1,8 (BMI) - 22,5 for men, and %BF(BIA) = 1,8 (BMI) ? 13,6 for women. Nevertheless, further research with more specific variable and more accurate measurements."

"Due to particular conditions, sometimes actual height can not be measured. Thus, this study was conducted to develop height prediction model of adolescent from knee height and ulna length. This cross sectional study involved 205 students of SMPN 7 Depok and SMAN 6 Depok. Subjects’s identity was recorded using questionairre, while stature height, knee height, and ulna length was measured directly. Prediction models was developed using multiple regression. Height prediction model from knee height has the highest R2 and the lowest MAE with equation Height (cm) = 38,422 - 1,878 Sex + 1,453 Age (year) + 2,071 knee height (cm).

---

Tinggi badan aktual terkadang tidak dapat diukur karena beberapa kondisi tertentu. Oleh karena itu, penelitian ini bertujuan mengembangkan model prediksi tinggi badan pada remaja berdasarkan tinggi lutut dan panjang ulna. Penelitian pontong lintang ini melibatkan 205 murid SMPN 7 Depok dan SMAN 6 Depok. Data identitas subjek diperoleh melalui pengisian kuesioner, sedangkan tinggi badan, tingi lutut, dan panjang ulna diukur langsung. Model prediksi dikembangkan menggunakan regresi ganda. Model prediksi tinggi badan dari tinggi lutut memiliki R2 terbesar dan MAE terkecil dengan persamaan Tinggi Badan (cm) = 38,422 - 1,878 Jenis Kelamin + 1,453 Umur (thn) + 2,071 Tinggi Lutut (cm)."

"Pengukuran tinggi badan dilakukan untuk memantau status gizi dan pertumbuhan anak, namun kadang-kadang tidak dapat dilakukan secara langsung pada kondisi tertentu. Tujuan dari penelitian ini adalah mengembangkan model prediksi tinggi badan pada anak usia 6-9 tahun berdasarkan tinggi lutut dan panjang depa. Penelitian dilaksanakan di SD Negeri 03 Pondok Cina pada bulan Maret-Mei tahun 2015 dengan jumlah responden sebanyak 61 anak laki-laki dan 82 anak perempuan. Desain studi yang digunakan adalah cross-sectional dengan mengukur variabel bebas berupa tinggi lutut, panjang depa, usia dan jenis kelamin, serta variabel terikat berupa tinggi badan.Hasil penelitian menunjukkan bahwa terdapat korelasi yang kuat antara usia dengan tinggi badan (r = 0,622), dan korelasi yang sangat kuat/sempurna antara tinggi lutut dengan tinggi badan (r = 0,949), panjang depa dengan tinggi badan (r = 0,884). Model prediksi tinggi badan yang didapatkan dalam penelitian ini adalah tinggi badan (cm) = 31,354 + [2,417 x tinggi lutut (cm)] dan tinggi badan (cm) = 26,2 + [0,695 x panjang depa (cm)] + [0,123 x usia (bulan)]. Tinggi lutut dan panjang depa merupakan prediktor tinggi badan yang baik, namun model prediksi berdasarkan tinggi lutut memiliki akurasi yang lebih baik dan mudah digunakan jika dibandingkan dengan model prediksi berdasarkan panjang depa.

---

Measuring stature was usually carried out to monitor nutrition and growth in children, but sometimes can?t be done directly on certain conditions. The purpose of this study was to develop prediction models of children stature aged 6-9 years based on knee height and arm span. This study was held in Pondok Cina 03 Public Elementary School in March until May 2015 with total respondents 61 boys and 82 girls. The design of this study was cross-sectional with independent variabel: knee height, arm span, age, and gender, and stature as the dependent variabel.The result of this study showed that there were a strong correlation between age and stature (r = 0.622), and a perfect correlation between knee height and stature (r = 0.949), and arm span with stature (r = 0.884). Prediction models of stature which obtained in this study was: Stature (cm) = 31.354 + [2.417 x knee height (cm)] and Stature (cm) = 26.2 + [0.695 x arm span (cm)] + [0.123 x age (month)]. Knee height and arm span are good predictors, however the prediction model based on knee height is more accurate and easier to use than prediction model based on arm span."

"Otot merupakan fungsi dari aktivitas sehari-hari. Seiring bertambahnya usia, perubahan organ tubuh menyebabkan penurunan massa otot yang berakibat pada individu lanjut usia mengalami penurunan kekuatan tubuh sehingga mobilitasnya berkurang, kesulitan dalam melakukan aktivitas sehari-hari, kesulitan menjaga keseimbangan tubuh, meningkatkan resiko seseorang mengidap penyakit. orang lanjut usia mudah jatuh dan mengalami patah tulang. Namun demikian tidak semua metode pengukuran massa otot apendikuler praktis dan murah sehingga diperlukan metode lain yang dapat mengukur massa otot apendikuler dengan biaya yang sederhana, praktis, dan murah. Tujuan penelitian ini adalah untuk mendapatkan model prediksi massa otot apendikuler berdasarkan lingkar tengah paha, lingkar betis dan lingkar lengan atas sebagai alternatif pengukuran massa otot pada lansia. Penelitian ini menggunakan desain penelitian potong lintang dengan jumlah sampel 101 individu berusia ≥60 tahun (37 laki-laki dan 64 perempuan) di Desa Kadumanggu. Model prediksi yang dihasilkan adalah Massa Otot Apendikuler (kg) = (64.171 x Tinggi Badan (m)) + (1.710 x Indeks Massa Tubuh (kg / m2)) - (0.109 x Lingkar Lengan Atas (cm)) + 0.178 x Lingkar Betis (cm)) + (0,033 x Lingkar Paha Tengah (cm)) - (0,535 x Berat Badan (kg)) - (0,065 x Usia (tahun)) - 98,098 untuk pria lanjut usia (R2 = 0,710; LIHAT = 1, 43 kg ; p <0,05) dan Massa Otot Apendikular (kg) = (8,987 x Tinggi Badan (m)) - (0,170 x Indeks Massa Tubuh (kg / m2)) - (0,117 x Lingkar Lengan Atas (cm)) + (0,121 x Lingkar Betis (cm)) - (0,025 x Lingkar Paha Tengah (cm)) + (0,160 x Berat Badan (kg)) - (0,059 x Usia (tahun)) - 6,491 untuk wanita (R2 = 0,700; LIHAT = 1,23 kg; p <0,05). Model prediksi ini menunjukkan bahwa berat badan, tinggi badan, indeks massa tubuh, umur, lingkar tengah paha, lingkar betis, dan lingkar lengan atas memiliki hubungan yang signifikan dengan massa otot apendikuler.

---

Muscle is a function of daily activities. With age, changes in body organs cause a decrease in muscle mass which results in elderly individuals experiencing a decrease in body strength so that their mobility is reduced, difficulty in carrying out daily activities, difficulty maintaining body balance, increasing a person's risk of suffering from disease. elderly people fall easily and have broken bones. However, not all methods of measuring appendicular muscle mass are practical and inexpensive so that another method is needed that can measure appendicular muscle mass at a cost that is simple, practical, and inexpensive. The purpose of this study was to obtain a predictive model for appendicular muscle mass based on mid-thigh circumference, calf circumference and upper arm circumference as an alternative to measuring muscle mass in the elderly. This study used a cross-sectional study design with a total sample of 101 individuals aged ≥60 years (37 males and 64 females) in Kadumanggu Village. The resulting prediction model is Appendicular Muscle Mass (kg) = (64,171 x Body Height (m)) + (1,710 x Body Mass Index (kg / m2)) - (0.109 x Upper Arm Circumference (cm)) + 0.178 x Calf Circumference (cm)) + (0.033 x Mid Thigh Circumference (cm)) - (0.535 x Body Weight (kg)) - (0.065 x Age (years)) - 98.098 for elderly men (R2 = 0.710; VIEW = 1.43 kg; p <0.05) and Appendicular Muscle Mass (kg) = (8.987 x Body Height (m)) - (0.170 x Body Mass Index (kg / m2)) - (0.117 x Upper Arm Circumference (cm)) + (0.121 x Calf Circumference (cm)) - (0.025 x Mid Thigh Circumference (cm)) + (0.160 x Body Weight (kg)) - (0.059 x Age (years)) - 6.491 for women (R2 = 0.700; VIEW = 1.23 kg; p <0.05). This predictive model shows that body weight, height, body mass index, age, mid-thigh circumference, calf circumference, and upper arm circumference have a significant relationship with appendicular muscle mass."